Depuis l’annonce d’andrej karpathy Obsidian est devenu un outil indispensable pour l’IA après son postnsur X de la manière dont il travaille avec voir ci-dessous :
Je vois passer pas mal de discussions autour de l’approche d’Andrej Karpathy sur les “bases de connaissances LLM” (Obsidian + LLM qui construit et maintient un wiki automatiquement).
Pour ceux qui ont testé ou réfléchi au sujet :
Vous pensez que c’est une vraie évolution dans la manière d’utiliser les LLM, ou plutôt une hype un peu survendue ?
Je trouve l’idée super intéressante (notamment pour la capitalisation de connaissances et les connexions entre concepts), mais j’ai aussi des doutes sur :
la fiabilité à long terme (hallucinations, incohérences)
la scalabilité sans RAG plus solide
le côté “le LLM maintient tout seul”
Curieux d’avoir vos retours d’expérience concrets
Vous utilisez ce genre de setup ? Ça tient la route dans le temps ou pas ?
Ps : @Olivier_Lambert tes lumières sont les bienvenus mais si tu utilises un autre setup, mais voilà ton avis est toujours pertinent.
J’ai vu une autre méthode que j’ai appliqué et qui est vraiment très pertinente, je te partage la vidéo. D’ailleurs je vais interviewer normalement demain ce jeune gars qui la présente.
J’ai commencé à utiliser AnyType à cause de leur architecture en forme de graph!
Par contre, le « tooling » autour pour permettre aux LLM d’utiliser correctement est encore un peu déficient, mais ça évolue rapidement.
@Claude Peux-tu nous faire une petite recherche et expliquer les avantages potentiels d’utiliser AnyType vs Notion ou Obsidian comme système de mémoire pour un Agent?
Contrôle sur la donnée (privacy, latence locale, pas de rate limit cloud)
Comparaison brutale
Critère
Anytype
Obsidian
Notion
Modèle de donnée
Graph natif (objets + relations typées)
Markdown plat + backlinks
Blocks + DBs relationnelles
Local-first
Oui, E2E encrypted
Oui (fichiers .md)
Cloud only
MCP server
Dispo mais jeune (anyproto/anytype-mcp)
Mature (plusieurs impl, Local REST API)
Officiel depuis Notion 3.3 (fév 2026)
Écosystème plugins
Faible
Énorme (Smart Connections, RAG local)
Fermé mais agents natifs
Requêtes structurées
Types + relations
Full-text + regex
DB queries
Scalabilité
Moyenne
Dégrade > 10k notes sans RAG
Bonne
Avantage réel d’Anytype pour un agent
Le graph typé. Chaque objet a un type (Personne, Projet, Idée) avec des propriétés et des relations nommées. Pour un LLM, c’est la différence entre fouiller du Markdown avec des [[wikilinks]] ambigus et interroger une vraie structure. C’est ce qui manque à Obsidian: les backlinks sont non-typés, donc l’agent doit inférer le sens de chaque lien.
Le hic
Le tooling est en retard. MCP Anytype existe mais couvre surtout CRUD sur objets/spaces. Pas encore d’équivalent à ce qu’offre Obsidian avec Smart Connections (embeddings locaux + RAG zéro-config) ni aux agents natifs de Notion 3.3 avec MCP vers HubSpot/Linear/Figma.
Ma recommandation selon le use case
Agent qui raisonne sur un graph de concepts perso (ton cas, Olivier) → Anytype, accepter le tooling limité et compléter avec un RAG externe (Graphiti, mcp-neo4j-agent-memory) pour les requêtes temporelles.
Agent qui cherche/synthétise dans un corpus de notes → Obsidian + Smart Connections, solution la plus mature aujourd’hui.
Agent qui orchestre du workflow d’équipe (tâches, CRM, docs collab) → Notion avec Custom Agents.
Pour Flo sur la question originale: l’approche Karpathy tient la route si le LLM propose des updates que tu valides, pas s’il maintient tout seul. Le problème de fiabilité à long terme se règle par review humaine, pas par un meilleur modèle.
Oui, E2E encrypted
Cloud only
Dispo mais jeune (anyproto/anytype-mcp)