Tu redonnes les mêmes documents à ton IA, semaine après semaine. Et à chaque fois, elle repart de zéro : elle relit tout, oublie ce qu'elle avait compris la fois d'avant, et rate les liens entre tes infos. Andrej Karpathy (ex-OpenAI, ex-Tesla) a partagé une idée simple pour arrêter ça : le LLM Wiki. Voici le raisonnement complet, en clair — et comment savoir si c'est pour toi.
1Le problème, en clair
La scène du quotidien. Tu prépares un point client. Tu redonnes à ton IA les douze comptes-rendus de réunion, les mails, le devis. Elle relit les douze — en entier — comme si elle les découvrait. Demain, même question, même relecture intégrale.
Le coût caché. Elle refait le même travail de lecture en boucle (et ça se paie, à chaque fois), elle perd le fil d'un document à l'autre, et elle ne voit pas les liens entre deux sources. Résultat : des réponses plus lentes, plus chères, et moins fines qu'elles ne devraient l'être.
2L'idée : ranger une fois, pas mille fois
Le principe. Au lieu de refouiller le brut à chaque question, l'IA nettoie, résume et relie tes données une seule fois, dans une base propre. Ensuite, elle travaille sur cette base rangée — plus jamais sur le tas de départ.
Pourquoi ça marche. Tenir une base à jour, c'est un travail d'archiviste : croiser, résumer, corriger quand une info nouvelle en contredit une ancienne. Un humain s'en lasse et finit par abandonner (c'est pour ça que 90 % des wikis d'entreprise meurent). Une IA, non : elle ne se fatigue pas et peut retoucher quinze fiches d'un coup. Le ménage lui coûte quasi rien — donc il est fait, tout le temps.
3Comment c'est rangé : 3 dossiers
Toute la méthode tient dans trois dossiers. Rien de plus, rien de propriétaire.
| Dossier | Ce qu'il contient | Qui écrit dedans |
|---|---|---|
| Sources | Tes documents d'origine (PDF, pages, notes, tableurs) | Toi seulement — jamais modifié à la main, c'est ta seule vérité |
| Base de connaissances | Les fiches propres : résumées, croisées, reliées entre elles | L'IA seulement — elle la crée et l'entretient |
| Règles | Comment nettoyer, quels liens créer, comment mettre à jour | Toi une fois, puis l'IA les applique |
4Les 3 gestes du quotidien
Une fois en place, tout se résume à trois gestes. Simples, répétables.
1. Nourrir. Tu ajoutes une source. L'IA ne se contente pas de la ranger : elle la lit et met à jour toutes les fiches concernées. Un seul document peut en toucher dix ou quinze d'un coup — un travail que personne ne ferait à la main.
2. Interroger. Tu poses une question. L'IA répond en croisant tes fiches (les liens sont déjà faits), puis elle range la réponse utile dans la base. Autrement dit : même tes questions enrichissent ta base.
3. Entretenir. De temps en temps, tu demandes un « ménage » : repérer les contradictions, les infos périmées qu'une source récente a remplacées, les fiches orphelines, les trous. C'est ce qui empêche la base de pourrir en silence.
5Ce que tu pilotes / ce que tu délègues
C'est le vrai partage des rôles — et ce qui rend la méthode tenable dans la durée.
| Toi, tu pilotes | L'IA, elle exécute |
|---|---|
| Choisir les bonnes sources | Lire chaque source et en extraire l'essentiel |
| Poser les bonnes questions | Croiser les documents entre eux |
| Décider ce qui compte | Écrire les fiches et créer les liens |
| Donner le cap | Mettre à jour et repérer les contradictions |
6Où ça change vraiment la donne
La méthode brille sur les corpus à toi : personnels, stables, que tu consultes souvent. Quelques usages concrets :
Veille & concurrence. Tu déposes articles, pages, captures ; ta base te dit ce qui bouge et croise les acteurs entre eux, au lieu de te noyer.
Mémoire d'équipe. Comptes-rendus de réunion, échanges clients, notes d'appels → une base vivante à la place de fichiers éparpillés que personne ne relit.
Recherche approfondie. Un sujet creusé sur des semaines : la synthèse grossit et se relie, au lieu de repartir de zéro à chaque session.
Notes de lecture / formation. Livres, cours, podcasts → des fiches reliées entre elles (idées, personnes, thèmes) que tu retrouves d'un coup.
7La limite que personne ne dit
Le seuil. Karpathy le précise lui-même : la méthode tient jusqu'à ~100 sources, sans aucune machinerie technique. Parfait pour une base perso, stable, à toi. Au-delà, il rebranche un vrai moteur de recherche — ce qu'on appelle le RAG (l'IA va rechercher dans tes documents à chaque question, au lieu de tout garder en tête).
| Ta situation | LLM Wiki | RAG (moteur de recherche) |
|---|---|---|
| Petit corpus perso (~100 docs), stable | ★ Idéal | Trop lourd |
| Gros volume qui grossit vite | Limité | ★ Oui |
| Données qui changent souvent | Limité | ★ Oui |
| Plusieurs utilisateurs, droits d'accès | Non | ★ Oui |
| Zéro infra, démarrage immédiat | ★ Oui | Plus lourd à mettre en place |
8Les 3 pièges à éviter
Ceux qui l'ont mis en place à grande échelle reviennent toujours sur les mêmes points :
Bâcler le fichier de règles. C'est lui qui décide de la qualité de toute la base. Prends le temps de le soigner : comment nommer les fiches, quand en créer une nouvelle plutôt que mettre à jour l'existante. C'est le cœur du réacteur.
Confondre fiche et copie. Si l'IA recopie juste tes documents, tu n'as rien gagné. La valeur vient du croisement : plusieurs sources fondues en une fiche plus riche que chacune prise à part.
Sauter le ménage. Sans entretien régulier, la base dérive : de vieilles infos traînent et polluent les réponses. C'est le seul vrai point de vigilance — mais il est non négociable.
Par où commencer
1. Ouvre la note de Karpathy et colle-la dans ton assistant IA. Ça marche avec Claude, GPT ou Gemini — rien de propriétaire.
2. Rassemble tes sources dans un seul dossier, et laisse l'IA en tirer la première version de ta base.
3. Cale tes règles (nommage, mises à jour), puis prends le rythme : tu déposes, tu demandes, tu fais le ménage. La base s'enrichit sans que tu ne ranges rien à la main.
