NotebookLM et Obsidian : comment les relier sans remplir votre coffre de bruit

NotebookLM et Obsidian peuvent travailler ensemble sans synchroniser tout votre coffre. Pour commencer, sélectionnez les sources utiles dans NotebookLM, posez une question précise, vérifiez les passages cités et transférez dans Obsidian la matière utile à votre projet. Un copier-coller suffit pour essayer ; les plugins et les agents deviennent intéressants lorsque les échanges se répètent. Ce guide complète mes usages d’Obsidian avec l’IA : il montre comment relier les deux outils, conserver les références et choisir ce qui mérite de durer.

Google a renommé NotebookLM en Gemini Notebook le 16 juillet 2026. Le produit reste autonome. Je conserve « NotebookLM » dans le titre pour identifier l’outil, puis j’utilise son nom actuel dans les explications.

La question de départ venait d’un échange dans le Lab, notre espace d’échange avec des praticiens avancés : comment faire préparer la matière d’un gros article par NotebookLM, puis la donner à un agent connecté à Obsidian, sans importer toutes les sources dans le coffre ? C’est ce parcours que j’ai travaillé dans ÉLYSIA, mon système Obsidian. La connexion était une partie du problème. Il fallait aussi distinguer une extraction documentaire, une hypothèse et une idée que je voulais réellement conserver.

Mise à jour du 13 octobre 2026 : nous avons appliqué la méthode à trois autres corpus (livres sur la voix, bibliothèque de livres numériques, référentiel SEO), dont les résultats, échecs compris, l’ont précisée. Nous avons aussi essayé pour la première fois les formats audio, vidéo et carte mentale de Gemini Notebook.

Sommaire 12 sections

1. Écouter ou regarder ce guide
2. Trois façons de relier NotebookLM à Obsidian
3. Synchroniser des fichiers ne décide pas de leur statut
4. Comment interroger Gemini Notebook pour un travail précis
5. Transférer une note de travail sans perdre ses références
6. Notre cas réel : ce que le corpus a changé dans cet article
7. Ce que je garde des méthodes PKM, sans imposer Zettelkasten
8. Comment nous avons relié Gemini Notebook à nos agents
9. Trois autres usages réels, et ce qu’ils ont changé
10. Ce que Gemini Notebook produit au-delà des réponses
11. Les limites à garder visibles
12. FAQ

Écouter ou regarder ce guide

Gemini Notebook a généré le podcast et la vidéo ci-dessous le 13 octobre 2026, à partir de ce guide et de nos notes de terrain. Les voix sont synthétiques. Nous les avons écoutés et regardés avant publication. Notre essai détaille ce qui est juste, ce qui est approximatif et comment les reproduire.

Trois façons de relier NotebookLM à Obsidian

Le premier choix porte sur le sens du transfert. Envoyer des notes vers un notebook et récupérer une synthèse dans Obsidian sont deux opérations différentes.

Besoin	Méthode à envisager	Limite à connaître
Récupérer de la matière pour un projet	Copier une extraction et ses références	La traçabilité doit survivre au copier-coller
Alimenter un notebook depuis Obsidian	Importer des fichiers Markdown ou utiliser un plugin d’envoi	Un envoi n’implique pas une synchronisation continue
Répéter les recherches depuis un agent	Utiliser un outil en ligne de commande (CLI) ou un connecteur pour agent (serveur MCP) tiers	L’installation, les accès et les réponses demandent des contrôles

Commencer sans plugin

Dans Gemini Notebook, ouvrez le corpus concerné et sélectionnez les sources utiles. Interrogez-les, ouvrez les citations importantes, puis copiez la sélection dans une note de travail Obsidian. Gardez avec elle le titre des documents et les passages permettant de vérifier ce que vous en tirez.

Dans l’autre sens, vous pouvez importer des fichiers .md issus du coffre. Google documente aussi la prise en charge des PDF, DOCX, TXT, CSV, PPTX, ePub, fichiers audio, images, documents Drive et URL Web ou YouTube. Cela ne transforme pas les wikilinks, les vues de plugins ou les requêtes Obsidian en fonctions exécutables dans le notebook : vous transférez d’abord du contenu. Consultez les formats et limites des sources avant de préparer un gros lot.

Star NotebookLM pour envoyer une note

Star NotebookLM figure dans le catalogue des extensions communautaires d’Obsidian. Sa documentation décrit une vue intégrée de NotebookLM et l’envoi de la note active ou d’une sélection, avec choix d’inclure ou non les métadonnées. Le plugin est réservé à l’ordinateur.

Le parcours documenté consiste à l’installer dans les extensions communautaires, puis à utiliser Send current note to NotebookLM ou Send selected text to NotebookLM. Il répond surtout au trajet Obsidian → NotebookLM, pas à la récupération automatique des réponses dans votre coffre.

Une synchronisation dans les deux sens, à qualifier avant adoption

Le projet tiers NotebookLM Sync décrit des envois sélectifs, la récupération de sources et de notes générées, ainsi qu’un suivi par identifiants dans les propriétés des notes. Son README annonce une copie de conflit lorsque les deux versions ont changé. Au 28 septembre 2026, il indique encore une installation manuelle, hors catalogue communautaire.

Je n’ai pas reproduit l’installation ni testé la fiabilité de ces deux plugins pour cet article. Leurs fonctions sont ici documentées, pas validées par un essai Optimike. Je réserverais la synchronisation bidirectionnelle à un coffre de test sauvegardé avant de lui confier des notes importantes.

La voie agentique présentée dans cet article repose, elle, sur un appel réellement exécuté avec nlm, l’outil en ligne de commande décrit dans la partie consacrée aux agents. Elle n’exige pas l’un de ces plugins.

Synchroniser des fichiers ne décide pas de leur statut

Supposons qu’un corpus rassemble des dizaines de vidéos, d’articles et de PDF. Exporter tous leurs résumés peut recréer le problème que vous vouliez éviter : moins de texte brut, mais davantage de notes dont vous ne savez plus ce qu’elles représentent.

C’est ce que j’appelle du bruit compressé. Le problème n’est pas le nombre de fichiers en lui-même. Une bibliothèque de sources peut être très utile. Le risque apparaît quand une synthèse automatique, une hypothèse et une décision validée deviennent indiscernables.

La synchronisation déplace l’information. La promotion désigne ici la décision de donner à une partie de cette matière un rôle durable dans votre système. Une source conservée reste une source ; elle ne devient pas votre position personnelle parce qu’elle se trouve dans Obsidian.

Voici l’architecture que je recommande :

La note permanente n’est pas un passage obligatoire avant l’article. Une extraction peut alimenter directement votre brouillon. Une autre mérite d’être reliée à vos connaissances. Ces deux usages peuvent aussi concerner la même information.

Éviter l’import systématique n’interdit ni l’exploration ni les idées sans application immédiate. Une question qui vous intrigue ou un rapprochement inattendu peuvent justifier une note. Il faut simplement éviter de leur donner le statut d’une conclusion établie.

Comment interroger Gemini Notebook pour un travail précis

Je commence par ce que je cherche à comprendre ou à produire. « Qu’est-ce qui contredit mon hypothèse ? » et « Quelles sources permettent d’étayer cette section ? » conduisent à des lectures différentes de « Résume tout ».

Google permet de sélectionner les sources utilisées et d’ouvrir les passages cités depuis le chat de Gemini Notebook. Je borne aussi la demande pour séparer les propos des documents de la synthèse du modèle.

Travaille uniquement à partir des sources sélectionnées.

Question : [ce que je cherche à comprendre]
Travail visé : [article, décision, comparaison, recherche…]

Réponds à la question, puis distingue :
- ce que les sources disent explicitement ;
- les rapprochements que tu proposes entre elles ;
- ce que le corpus ne permet pas de conclure.

Pour chaque affirmation importante, indique la source et le
passage qui la soutient. Conserve les désaccords : ne fabrique
pas un consensus. Ne complète pas un manque par supposition.

Signale les éléments qui fragilisent mon hypothèse ou demandent
une vérification directe. Propose enfin ce qui sert ce travail
et ce qui pourrait être réutilisable, sans décider à ma place
ce qui doit devenir une note durable.

Je ne m’arrête pas forcément à cette première réponse. Lorsqu’une recommandation paraît trop forte, je demande une contre-lecture :

Reprends l’affirmation la plus importante de ta réponse. Quel passage la soutient exactement ? Quelle source la nuance ? As-tu présenté une déduction comme un propos de l’auteur ?

Cette relance ne garantit pas l’exactitude. Elle aide à trouver le passage qu’il faut relire avant de reprendre une conclusion. Une réponse peut avoir beaucoup de citations et dépasser malgré tout ce que ses sources permettent d’affirmer.

Transférer une note de travail sans perdre ses références

Un numéro comme [12] n’est pas une référence suffisante une fois détaché de la réponse qui l’explique. Avant de copier une extraction, ouvrez les citations décisives et conservez l’auteur ou l’organisme, le titre, le lien ou le fichier source, ainsi qu’un repère de passage. Pour un livre, relevez la page ou la section quand elle est disponible ; ne l’inventez pas.

Je garde aussi la date de consultation et je précise si j’ai lu le passage original ou seulement une synthèse. Cela évite qu’une prochaine lecture, humaine ou agentique, traite les deux comme équivalents.

Le modèle suivant suffit dans une note Obsidian ordinaire. Il n’impose ni plugin ni nouvelle arborescence.

## Question et travail visé
[Question précise et lien vers le projet ou le brouillon]

## Corpus consulté
[Nom du notebook, sources retenues, date de consultation]

## Matière retenue
- [Constat ou argument utile]
  - Source : [auteur, titre, URL ou fichier, page/section]
  - Vérification : [passage relu / synthèse seulement]
  - Limite : [ce que cette source ne permet pas d'affirmer]

## Synthèse et position de travail
- Rapprochement proposé par Gemini Notebook : […]
- Ce que j'en conclus : […]
- Objection ou point à vérifier : […]

## Usage et conservation
- Pour ce projet : […]
- À relier ou enrichir dans mes notes : […]
- À garder comme piste, à archiver ou à ne pas importer : […]

Une note de travail peut être longue si le projet le demande. Elle n’a pas à être découpée immédiatement en une multitude de fiches. Pour poursuivre la transformation une fois cette matière dans le coffre, les workflows IA dans Obsidian détaillent le passage des notes au contexte de rédaction.

Notre cas réel : ce que le corpus a changé dans cet article

Le 27 septembre 2026, j’ai interrogé le notebook Penser avec ses notes avec nlm, qui renvoie la réponse, ses sources et ses citations au format JSON. Ce notebook contenait cinq livres et sept notes personnelles de cours de Nick Milo, soit 12 sources. Ces notes de cours étaient des documents dérivés, pas les transcriptions originales de sa formation.

Avant l’import, nous avons retiré les propriétés des sept notes Obsidian et rendu leurs liens internes lisibles, en conservant l’origine de chaque note.

La question demandait de confronter notre workflow aux sources : qu’est-ce qui soutient la séparation entre matière de travail et mémoire durable ? Qu’est-ce qui la nuance ? Quelles conséquences peut-on en tirer pour l’article ?

Le retour JSON déclarait 10 sources utilisées, avec 55 associations de citations et leurs passages de référence. Le livre How to Read a Book, d’Adler et Van Doren, et une note de cours n’apparaissaient pas dans les sources utilisées. Il serait donc inexact de présenter cette réponse comme une confrontation exhaustive des douze documents.

Un résultat a changé notre plan. Gemini Notebook proposait une chaîne très linéaire :

source → note de travail → note durable → livrable

Or le passage de Comment prendre des notes intelligentes, de Sönke Ahrens, renvoyé sur les notes de projet décrit aussi des brouillons, commentaires et fragments qui restent propres au projet. Il ne leur impose pas de devenir des notes permanentes. Le passage de Construire un second cerveau, de Tiago Forte, sur les éléments réutilisables inclut même des livrables déjà finalisés.

J’ai donc retenu un parcours à branches : utiliser une extraction dans l’article sans la convertir d’abord en note durable, puis conserver séparément ce qui mérite de servir ailleurs. C’est notre décision de conception à partir de ces passages, pas une procédure NotebookLM prescrite par ces auteurs.

J’ai aussi écarté une généralisation du modèle : l’idée que la valeur humaine se déplacerait intégralement vers un rôle d’éditeur et d’arbitre. Le corpus ne démontrait pas cette conclusion. La formulation était convaincante ; elle restait trop absolue.

Ce test montre un appel utilisable et deux arbitrages éditoriaux. Il ne mesure ni un gain de temps, ni la fiabilité générale de Gemini Notebook, ni l’exactitude de chacune des 55 citations.

Lors d’une seconde série de questions, une requête censée n’utiliser que The Extended Mind a fait intervenir un autre livre du corpus : écrire « utilise seulement cette source » dans la question ne suffisait pas. Nous avons limité la requête par identifiants de sources (--source-ids), puis vérifié les sources déclarées utilisées (sources_used).

Dans ces essais, les arguments d’un livre long gardaient mieux leur contexte quand nous établissions d’abord un plan sommaire de sa structure, avant d’en extraire des passages. Impression tirée de quelques livres, sans protocole de comparaison.

Ce que je garde des méthodes PKM, sans imposer Zettelkasten

Les méthodes de gestion personnelle des connaissances, souvent désignées par PKM, aident ici à distinguer les fonctions des notes. Elles ne constituent pas une validation scientifique de notre intégration logicielle.

Les passages d’Ahrens consultés via le notebook séparent les notes temporaires, les notes de projet et les notes permanentes. Chez Forte, la distillation et l’expression prolongent la capture : les informations doivent pouvoir être retravaillées pour produire quelque chose. Mes notes de cours de Milo mettent l’accent sur la consolidation, les rapprochements entre idées et l’adaptation au support final. The Extended Mind, d’Annie Murphy Paul, apporte un autre éclairage sur la pensée externalisée et les allers-retours entre ce que l’on écrit et ce que l’on comprend.

Je garde une distinction pratique : retrouver un texte n’est pas encore se l’être approprié. Un fait correctement référencé peut être conservé sans reformulation décorative. En revanche, une note présentée comme ma position doit exprimer ce que j’en conclus, dans quel contexte et avec quelles réserves.

L’atelier Zettelkasten par l’exemple montre ce travail de transformation. Il n’est pas nécessaire d’adopter toute la méthode pour appliquer cette séparation à un article préparé avec NotebookLM.

Faut-il créer une carte de contenu ?

Pour un article ponctuel, une note de travail reliée au brouillon peut suffire. Si le sujet continue de produire des questions et plusieurs notes utiles, une carte de contenu, ou MOC, devient une surface de navigation : elle relie les idées et montre comment vous abordez le sujet.

Je ne crée donc pas une carte parce qu’un export existe. Je la crée lorsque le sujet devient difficile à parcourir sans elle. Elle ne remplace ni les sources ni les notes qu’elle relie.

Comment nous avons relié Gemini Notebook à nos agents

Dans ÉLYSIA, j’ai formalisé une skill, c’est-à-dire une procédure que l’agent doit lire avant d’utiliser le notebook. Elle lui indique quel corpus consulter, comment récupérer les références, quoi vérifier et dans quelles conditions proposer une écriture dans Obsidian.

Il faut distinguer l’accès au notebook de l’accès au coffre. Le premier permet d’interroger les sources. Le second permet de lire ou de modifier les notes. Installer un connecteur NotebookLM ne fournit pas automatiquement le second accès.

Notre chemin testé depuis ChatGPT sur Windows

Le 27 septembre 2026, notre appel utilisait nlm 0.12.0 avec le parcours suivant :

ChatGPT → Remote Desktop Commander → CLI nlm → Gemini Notebook

Une CLI est un outil utilisable en ligne de commande. Ici, Desktop Commander donne à ChatGPT un accès autorisé au terminal du poste où nlm est installé et authentifié. La récupération d’une réponse ne donne pas, à elle seule, l’autorisation de modifier le coffre.

Le paquet notebooklm-mcp-cli (son dépôt s’appelle désormais gemini-notebook-mcp-cli) fournit cette CLI et un serveur MCP, un connecteur permettant à un agent d’appeler des outils. C’est un projet tiers. Son dépôt indique utiliser des API internes non documentées et des cookies d’authentification. Ces accès peuvent devenir incompatibles après une modification de Google.

Après installation et authentification selon la documentation du paquet, les commandes de contrôle sont :

nlm --version
nlm notebook list --json
nlm query notebook --help

Puis, en remplaçant la valeur de $notebookId par l’identifiant retourné :

$notebookId = "IDENTIFIANT_DU_NOTEBOOK"
$question = "Quelles sources nuancent cette hypothèse ? Cite les passages utiles."

nlm query notebook $notebookId $question --json --new-conversation --timeout 180

Cette syntaxe a été vérifiée avec l’aide installée de nlm 0.12.0, puis revérifiée en 0.15.4 le 13 octobre 2026. --new-conversation démarre un échange indépendant ; pour poursuivre un résultat, la CLI propose --conversation-id. L’option --source-ids permet de limiter les sources de la requête. Utilisez nlm doctor si un appel échoue plutôt que de supposer immédiatement un problème de connexion au compte.

Deux blocages rencontrés à l’installation sous Windows

Premier blocage : notre premier nlm login a expiré au bout de cinq minutes, car nous n’avions pas terminé la connexion Google dans la fenêtre ouverte. Nous avons relancé la commande et terminé la connexion.

Second blocage : une erreur de certificat TLS (« invalid peer certificate: UnknownIssuer »), y compris au téléchargement du paquet par uv, dont le message propose lui-même l’option --system-certs. Pour nlm, nous avons installé la bibliothèque Python truststore dans l’environnement de l’outil, activée au démarrage : Python utilise alors les certificats de Windows, sans désactiver la vérification. La mise à jour en 0.15.4 a effacé ce réglage ; l’erreur n’est pas revenue lors de nos appels du 13 octobre 2026.

Un terminal silencieux n’est pas forcément un échec

Lors de notre appel, la réponse a demandé environ 85 secondes. Nous avons redirigé la sortie et les erreurs vers des fichiers temporaires, attendu la fin du processus, vérifié un code de sortie nul, puis lu le JSON. Notre procédure prévoit ensuite le nettoyage des temporaires après conservation des traces utiles.

Relancer la même question pendant que la première tourne ne résout pas ce silence. Avec un agent, il faut attendre le résultat du processus lancé et distinguer le délai de calcul, une erreur d’authentification et une réponse sans références exploitables.

Avec un MCP directement disponible

Dans un environnement où le serveur répond déjà, le parcours peut être plus court : agent → MCP NotebookLM → notebook_query. Notre skill le privilégie alors. Le 27 septembre 2026, depuis Codex, l’agent de programmation d’OpenAI, la même question a reçu une réponse sourcée en 23 secondes environ par le MCP, contre 34 par la CLI. Tirées de quelques appels, ces durées varient selon le corpus : un ordre de grandeur, pas une mesure.

Ce que notre skill contrôle après la réponse

Sur le retour testé, l’agent disposait des champs suivants :

answer           : réponse produite
sources_used     : identifiants des sources déclarées utilisées
citations        : correspondance entre citations et sources
references       : passages cités
conversation_id  : identifiant de l'échange

Ces champs ne sont utiles que si les correspondances sont exploitables. Sur notre appel, les 55 associations renvoyaient aux sources déclarées et aux références correspondantes. Cela vérifie une structure de traçabilité, pas la justesse de toutes les conclusions.

Dans le cas de la voix de formateur, une réponse plausible ne fournissait pas de provenance structurée suffisante. Notre procédure l’a classée « non sourcée » (ungrounded) : elle pouvait inspirer une nouvelle question, pas justifier une décision durable.

Même une réponse bien référencée doit encore passer deux contrôles : le passage cité soutient-il réellement l’affirmation ? Et cette information mérite-t-elle l’usage proposé ? L’agent peut alors préparer une note ou un changement, mais une modification du coffre reste soumise aux permissions, à la prévisualisation du diff et à la validation prévue. C’est la suite développée dans mon guide Obsidian et agents IA.

Trois autres usages réels, et ce qu’ils ont changé

Entre fin septembre et début octobre 2026, nous avons appliqué la même méthode à trois autres corpus (dossier client anonymisé).

Corpus	Ce qui a changé	Limite
Voix de formateur : 5 livres et des vidéos YouTube	2 techniques écartées, 2 essais retenus pour le tournage	Effet sur les apprenants non mesuré
Bibliothèque Calibre : 3 notebooks de 8, 9 et 7 livres	Corpus prêts à interroger, imports ratés repérés	2 PDF illisibles, remplacés par un texte imparfait
Référentiel SEO : 15 puis 32 sources	1 référentiel et 2 procédures créés, plusieurs conclusions corrigées	Aucun gain de classement revendiqué

Voix de formateur : un corpus qui sert aussi à refuser

Une première lecture de cinq livres sur la voix, dont ceux de Patsy Rodenburg et de Kristin Linklater, concluait que, pour rendre nos vidéos de cours plus faciles à suivre, il fallait d’abord clarifier chaque unité de sens plutôt que changer de voix. Le 27 septembre 2026, nous avons ajouté dans un notebook ces cinq livres et des vidéos YouTube de Joseph Tsar sur la parole spontanée, pour éprouver cette conclusion.

Sur quatre consultations lancées depuis ChatGPT, trois ont renvoyé sources, citations et passages cités. La quatrième, convaincante mais sans source déclarée, a été classée « non sourcée » et écartée de la décision.

Plusieurs techniques des vidéos recouvraient des mécanismes que nous avions déjà sous d’autres noms. Nous n’avons pas importé ce vocabulaire dans le coffre. Deux propositions ont été écartées comme règles de tournage : prononcer coûte que coûte les cinq mots suivants pour sortir d’un blanc, qui relève de l’exercice d’entraînement, et caler une respiration sur deux phrases, que les livres ne soutenaient pas comme règle permanente. Deux changements ont été retenus pour un essai : une prise exploratoire de 60 à 90 secondes sans se reprendre, et consulter son support de parole entre deux unités de sens plutôt qu’au milieu d’une explication.

Rien ne prouve encore que ces deux changements améliorent la compréhension des apprenants.

Une bibliothèque Calibre devenue trois corpus thématiques

Les 29 septembre et 7 octobre 2026, nous avons envoyé des livres EPUB et PDF de notre bibliothèque Calibre, le gestionnaire de livres numériques, dans trois notebooks : Écriture (8 livres), Atelier Poésie (9) et Atelier Chanson (7). Le premier lot est passé par le MCP depuis Codex, le second par la CLI :

nlm source add $notebookId --file "C:\chemin\vers\livre.epub" --wait --json
nlm source list $notebookId --json

Une commande a signalé un dépassement de délai, alors que le livre figurait bien dans la liste des sources à la relecture.

Deux PDF ont échoué à l’import. Nous les avons remplacés par une extraction texte, avec des erreurs de reconnaissance de caractères et une mise en page perdue. Les imports ratés ont été renommés pour ne pas passer pour des sources valides. Les livres restent dans Calibre ; nous les interrogeons via les notebooks.

Un référentiel SEO : vérifier ce que contient vraiment une source

Le 9 octobre 2026, un dossier client de netlinking exigeait de relier des notions souvent confondues : modèles historiques du PageRank, métriques des outils SEO, règles publiées par Google et qualification d’un lien réel. Le notebook SEO est passé de 15 à 32 sources : aux 15 documents de départ, dont plusieurs livres de référence, nous avons ajouté 17 références publiques, chacune choisie pour combler un manque précis, comme la documentation de Google sur les liens ou la définition d’une métrique par l’outil qui la calcule.

Cinq questions thématiques ont été posées au corpus. Les chiffres décrivent ce que chaque réponse a déclaré utiliser, pas des vérifications manuelles :

Question	Sources utilisées	Citations reliées
Modèles d’autorité	4	57
Technique et risques	11	50
Métriques et emplacements de liens	8	59
Acquisition et mesure	8	43
Fraîcheur et contre-épreuve	8	22

Le contrôle des réponses a corrigé plusieurs conclusions avant leur reprise : une confusion entre deux métriques d’un même outil, l’idée fausse qu’un noindex permettrait de calculer directement une perte de PageRank, et des techniques anciennes présentées comme des pratiques actuelles. Nous avons aussi distingué ce qu’un modèle mathématique du PageRank démontre de ce que l’on peut affirmer du fonctionnement actuel de Google.

Un autre défaut venait du corpus lui-même. Une source intitulée The Art of SEO n’était qu’une version préliminaire de deux chapitres : les réponses ne pouvaient pas être présentées comme issues du livre complet. Nous avons relu les chapitres utiles dans l’édition publiée. Ce travail a produit dans le coffre un référentiel et deux procédures, et mis à jour les instructions de nos agents SEO, sans gain de classement démontré.

Les règles que ces usages ont fait émerger

• Une réponse sans sources déclarées peut inspirer une question, pas justifier une décision.
• Distinguez les sources disponibles des sources mobilisées (sources_used).
• Limitez les sources avec --source-ids plutôt qu’avec une consigne dans la question.
• Vérifiez que le texte importé correspond au document annoncé : titre, édition, chapitres présents.
• Relisez la liste des sources avant de relancer un import qui semble avoir échoué, pour éviter un doublon.
• Ne créez pas un dossier ou une note d’index par notebook : laissez les sources dans le notebook et ne ramenez dans le coffre que ce qui sert un projet ou mérite de durer.

Ce que Gemini Notebook produit au-delà des réponses

Depuis l’interface web, l’espace Studio de Gemini Notebook transforme les sources d’un notebook en résumé audio en forme de discussion, en vidéo explicative ou en carte mentale. L’aide de nlm 0.15.4 liste aussi des commandes pour les rapports, quiz, fiches de révision, présentations, infographies et tableaux. Nous sommes passés par la CLI pour fixer les consignes et récupérer les fichiers ; rien n’oblige à faire de même.

Notre essai du 13 octobre 2026

Nous avons créé un notebook de deux sources, le texte de ce guide et nos notes de terrain anonymisées :

$nb = "IDENTIFIANT_DU_NOTEBOOK"
nlm source add $nb --file "guide.md" --wait
nlm source add $nb --file "notes-de-terrain.md" --wait

$focusAudio = "Public : utilisateurs d'Obsidian francophones qui découvrent Gemini Notebook (ex-NotebookLM). Expliquer comment relier Gemini Notebook à Obsidian sans remplir son coffre de bruit : le bruit compressé, la différence entre synchroniser et promouvoir, l'ouverture des citations décisives, le refus d'une réponse sans sources, le filtrage technique des sources. Illustrer avec les cas réels décrits dans les notes de terrain. S'appuyer uniquement sur les sources : ne pas inventer de chiffres, de gains de temps ni de fonctionnalités. Les dossiers clients restent anonymes."
nlm audio create $nb --format deep_dive --length default --language fr --focus $focusAudio

$style = "Illustrations façon gravure à l'eau-forte, traits d'encre fins sur papier ivoire chaud, aplats rares cuivre et bleu sourd, livres anciens, feuilles annotées, fiches reliées par des fils fins, un disque cuivre comme repère. Typographie serif éditoriale pour les titres. Ambiance calme, rigoureuse, artisanale et premium, comme un atelier d'édition. Interdits : néon, violet, dégradés technologiques, cerveaux lumineux, robots, icônes flottantes, fausses interfaces logicielles."
$focusVideo = "Vidéo explicative en français pour des utilisateurs d'Obsidian : comment relier Gemini Notebook à Obsidian sans remplir son coffre de bruit. Montrer le parcours corpus, question, extraction, vérification des citations, puis trois usages possibles (servir un projet, enrichir une note, ne rien importer). Terminer sur les règles tirées de nos usages réels. Aucune donnée inventée."
nlm video create $nb --format explainer --style-prompt $style --focus $focusVideo --language fr

$env:NOTEBOOKLM_HL = "fr"   # langue de la carte mentale, anglais par défaut
nlm mindmap create $nb --title "Relier Gemini Notebook et Obsidian"

nlm studio status $nb
nlm download audio $nb --output podcast.m4a
nlm download video $nb --output video.mp4
nlm download mind-map $nb --output carte.json

Le podcast (17 minutes) et la vidéo (7 minutes 42) étaient prêts moins de dix minutes après leur lancement. deep_dive produit une discussion approfondie entre deux voix, explainer une vidéo explicative illustrée. --focus oriente le contenu (public visé, notions à couvrir, interdiction d’inventer des chiffres) ; --style-prompt décrit l’apparence voulue pour la vidéo, ici la direction visuelle d’Optimike.

Le podcast : fidèle sur la méthode, inventif sur les détails

Sur la méthode, le podcast suit le guide : bruit compressé, différence entre synchroniser et promouvoir, références à ne pas perdre au copier-coller, questions qui séparent ce que disent les sources de ce que le modèle en déduit, filtrage par --source-ids. Les deux voix ajoutent pourtant des métaphores et plusieurs affirmations absentes des sources. Elles présentent la ligne de commande comme un « air gap » de sécurité, alors que le guide distingue seulement l’accès au notebook de l’accès au coffre. Elles parlent de « 12 livres fondateurs » pour un corpus de 5 livres et 7 notes de cours. Elles expliquent nos corrections SEO par un modèle qui aurait « zappé 25 ans d’évolution », une cause que personne n’a vérifiée. Leur conclusion, qui réduit la valeur d’un coffre à ce qu’une IA ne pourrait pas reproduire, ressemble enfin à la généralisation que nous avions écartée dans le cas Penser avec ses notes. Ni le podcast ni la vidéo ne citent le client. Nous les publions comme des résumés à écouter et à regarder, pas comme des sources.

La vidéo : notre style suivi en partie seulement

La plupart des illustrations suivent la consigne : gravures sur papier ivoire, livres anciens, sceaux et disques cuivre. La mise en page garde le gabarit de Gemini Notebook, aplats jaunes et titres dans une police qui n’est pas celle d’Optimike. Deux écarts sont plus nets : un cerveau, motif pourtant interdit, apparaît vers 4 min 20, et des mots de la consigne s’affichent dans l’image vers 1 min 05 (« copper-etched disk », « Editorial »).

Sur le fond, la vidéo suit le guide : bruit compressé, différence entre synchroniser et promouvoir, étapes de traitement, modèle de note de travail, trois destins possibles de la matière et règles tirées de nos usages. Elle durcit pourtant le ton. Le guide parle de précautions, la vidéo de « méthode implacable », de « règles absolues et inflexibles » et d’un coffre « incorruptible ». Elle présente aussi nos principes comme « validés » en conditions réelles, alors que le guide décrit quelques cas, sans validation générale. Les sous-titres français viennent d’une transcription automatique, corrigée là où elle se trompait.

Nous publions la vidéo sans retouche, pour montrer ce que l’outil produit.

La carte mentale : un bon plan de lecture, à condition d’en régler la langue

Sur ce guide, la carte organise le contenu en six branches et 60 nœuds, sans contresens notable à notre lecture. Certains libellés simplifient : « Gestion des échecs d’import par OCR » résume deux PDF remplacés par une extraction texte imparfaite.

Notre premier essai avait pourtant produit une carte en anglais, alors que les deux sources sont en français. L’aide de nlm mindmap create 0.15.4 n’affiche pas d’option de langue. Le code de l’outil envoie en revanche une langue d’interface, l’anglais par défaut, que la variable d’environnement NOTEBOOKLM_HL permet de changer. Avec NOTEBOOKLM_HL=fr, la carte publiée ici est sortie directement en français. Nous n’avons pas vérifié l’interface web sur ce point.

Le même jour, la carte du notebook Penser avec ses notes, générée sans ce réglage et donc en anglais, ne couvrait qu’une de ses 12 sources, A System for Writing de Bob Doto. Vérifiez ce qu’une carte couvre avant d’en faire un plan de lecture.

Ramener ces formats dans Obsidian

Comme une réponse du chat, ces productions restent de la matière de travail, qui ne dispense ni de lire les passages décisifs ni de prendre position.

Podcast et vidéo pèsent lourd : 33 Mo et 56 Mo à la sortie de Gemini Notebook dans notre essai. Gardez-les hors du coffre, ou rangez-les avec leur provenance si vous comptez les réutiliser : date, notebook, sources et points vérifiés.

La carte mentale se récupère en JSON. Ce court script Python la convertit en liste Markdown, lisible telle quelle dans Obsidian ou affichable par un plugin de carte mentale :

import json, sys

def walk(node, depth=0):
    yield "  " * depth + "- " + node["name"]
    for child in node.get("children", []):
        yield from walk(child, depth + 1)

with open(sys.argv[1], encoding="utf-8") as f:
    carte = json.load(f)
print("\n".join(walk(carte)))

python carte-vers-markdown.py carte.json > carte.md

Nous l’avons testé sur nos deux exports du 13 octobre 2026 : 71 et 72 lignes, une par nœud.

Les limites à garder visibles

Conserver les sources et la fraîcheur nécessaires

Laisser un corpus hors d’Obsidian ne signifie pas abandonner ses originaux. Gardez les documents importants dans leur bibliothèque ou leur espace documentaire de référence. Une copie dans Gemini Notebook ne remplace pas une sauvegarde.

Ne supposez pas non plus que toutes les sources évoluent ensemble. Google documente une synchronisation pour les sources Drive prises en charge ; cela ne prouve aucune mise à jour automatique d’un fichier Markdown local. Vérifiez la version utilisée avant de reprendre une conclusion dans une décision actuelle.

Pour les URL HTML, seul le texte de la page est importé. Pour YouTube, la source est la transcription d’une vidéo publique avec sous-titres : elle ne permet pas de juger la voix, les gestes ou le montage. Cette limite concerne le mode d’import, pas toutes les capacités du produit.

Les données passent par plusieurs services

Gemini Notebook est un service cloud. Selon la politique de confidentialité de Google, son contenu n’est pas directement utilisé pour entraîner les modèles fondamentaux, sauf envoi volontaire de commentaires. Pour les comptes personnels, ceux-ci peuvent inclure prompts, sources et réponses et être examinés par des personnes. Google distingue les comptes Workspace et Education, dont les importations, requêtes et réponses dans Gemini Notebook ne sont ni examinées humainement ni utilisées pour l’entraînement, même avec des commentaires.

Les échanges avec d’autres services suivent aussi leurs règles propres. Dans notre parcours, une sélection du contenu revient dans ChatGPT via les outils connectés : vérifier seulement les conditions de Google ne couvre donc pas toute la chaîne. N’envoyez pas un document sensible sans vérifier les autorisations applicables. Gardez les cookies et jetons d’accès hors des notes, prompts et captures.

Tout n’a pas besoin de ce workflow

Une source unique peut être lue directement. Une recherche temporaire peut rester dans Gemini Notebook. Une idée encore confuse peut rester une piste. Et le résultat d’une bonne session peut être zéro nouvelle note permanente, sans que cela signifie qu’il faut supprimer ses preuves ou ses documents.

Pour essayer, prenez une question liée à un article en cours. Interrogez le corpus, ouvrez une citation décisive et préparez une seule note de travail avec ses références. Décidez ensuite ce que vous utiliserez dans le texte et ce qui mérite d’être retrouvé ailleurs. L’automatisation pourra venir après ce premier passage.

FAQ

NotebookLM accepte-t-il les fichiers Markdown d’Obsidian ?

Oui, les fichiers .md font partie des sources prises en charge. L’import porte sur le contenu : il ne faut pas supposer que les liens internes, transclusions ou vues calculées fonctionneront comme dans Obsidian. Vérifiez les passages et les documents effectivement importés.

Existe-t-il un plugin Obsidian pour NotebookLM ?

Oui. Star NotebookLM documente l’envoi d’une note ou d’une sélection depuis Obsidian Desktop. NotebookLM Sync décrit des transferts dans les deux sens, avec installation manuelle. Ce sont deux projets tiers ; leurs fonctions n’ont pas été testées par Optimike dans cet article.

Le MCP NotebookLM utilisé ici est-il officiel ?

Non. notebooklm-mcp-cli est un paquet tiers reposant sur des API internes non documentées. La procédure décrite ne constitue pas une intégration prise en charge par Google. Elle doit pouvoir revenir à un transfert manuel si le connecteur ne fonctionne plus.

NotebookLM (Gemini Notebook) peut-il créer un podcast ou une vidéo à partir de mes notes ?

Oui. Depuis l’interface web, l’espace Studio de Gemini Notebook génère à partir des sources d’un notebook un résumé audio en forme de discussion et une vidéo explicative. La CLI nlm peut aussi les lancer et les télécharger. Les voix sont synthétiques et le contenu reste une synthèse automatique : vérifiez-le avant de le partager. Notre essai du 13 octobre 2026 (podcast de 17 minutes, vidéo de 7 minutes 42) figure en tête de ce guide.

Peut-on importer une carte mentale de NotebookLM dans Obsidian ?

Pas directement : nlm download mind-map récupère la carte en JSON, et un court script la transforme en liste Markdown, lisible telle quelle ou affichable par un plugin de carte mentale. Vérifiez la langue et la couverture : sans la variable NOTEBOOKLM_HL=fr, nos cartes du 13 octobre 2026 sont sorties en anglais, et l’une ne couvrait qu’une seule source sur douze.

Faut-il synchroniser tout son coffre ?

Je commencerais par les seules notes nécessaires à la question. Élargissez si un manque réel le justifie, après avoir vérifié ce qui quitte le coffre et quelle version fait référence. Une synchronisation sélective peut être utile ; elle ne dispense pas de qualifier les résultats.

Chaque réponse doit-elle devenir une note permanente ?

Non. Une réponse peut alimenter un brouillon, provoquer une vérification ou rester temporaire. Une note durable est utile lorsque vous voulez retrouver, relier ou retravailler cette matière au-delà de la recherche, y compris pour une question encore ouverte.