Second cerveau, IA et Obsidian : ce que j’ai expliqué à un stagiaire

Une discussion avec un stagiaire

Discutant avec un stagiaire (Rodrigues), nous sommes tombés sur un sujet devenu très courant dans l’écosystème IA : le fameux “second cerveau”.

L’idée est séduisante :

centraliser toute sa connaissance ;
relier les informations entre elles ;
utiliser des outils comme des bases de mémoire augmentée ;
et, bien sûr, connecter tout cela à une intelligence artificielle.

Dans ce contexte, des outils comme Obsidian reviennent souvent dans les discussions.

Et c’est là que la conversation a pris une tournure intéressante.

Obsidian n’a rien de magique pour une IA

Je lui ai expliqué une chose assez simple :

Obsidian n’a, en soi, aucun intérêt direct pour une IA.

Un LLM ne “voit” pas un graphe de connaissances.

Il ne voit que du texte.

Ce qui compte pour lui, ce n’est pas la visualisation des liens, mais :

la structure des documents ;
la qualité du contenu ;
la cohérence des informations ;
et la manière dont elles sont retrouvées (RAG, embeddings, etc.).

Le graph, aussi élégant soit-il, est essentiellement un outil humain.

Ce que l’outil apporte vraiment

En revanche, Obsidian a deux intérêts majeurs… mais pour l’humain.

1. Comprendre ce que l’on sait (et ce que l’on ne sait pas)

La visualisation des liens permet de :

voir les connexions entre les idées ;
identifier les zones bien documentées ;
repérer les éléments isolés ;
détecter les “trous” dans la connaissance.

Et ces éléments isolés sont importants.

Parce que dans un système IA, ce qui n’est pas relié a souvent peu de chances d’être correctement exploité.

2. Structurer une base de connaissance vivante

Obsidian sert aussi à produire une base de notes en markdown :

interconnectée ;
lisible ;
maintenable ;
évolutive.

Mais cette logique peut exister sans Obsidian.

Un simple système de fichiers bien structuré, avec des conventions claires, peut produire exactement le même résultat côté IA.

Le malentendu le plus fréquent

Ce que j’ai essayé de lui faire comprendre, c’est un malentendu assez courant :

“Si c’est bien structuré pour l’humain, alors c’est automatiquement exploitable par une IA.”

En réalité, ce n’est pas vrai.

Une IA n’exploite pas une visualisation.

Elle exploite une structure textuelle et des mécanismes de recherche.

Et surtout :

une connaissance mal structurée reste mal structurée, même si elle est joliment représentée dans un graphe.

Le vrai sujet n’est pas l’outil

Au fil de la discussion, on arrive toujours à la même conclusion dans ce type de projet :

le problème n’est pas Obsidian, ni le LLM, ni l’architecture.

Le problème est la structuration réelle de la connaissance.

Qui écrit quoi ?

Comment est-ce validé ?

Comment est-ce maintenu à jour ?

Que fait-on des informations isolées ?

C’est là que les projets IA réussissent… ou échouent.

Une dérive plus large : l’effet waouh

Cette discussion m’a aussi rappelé quelque chose de plus large.

Dans l’écosystème IA actuel, beaucoup de contenus sont construits autour d’un objectif précis :

impressionner ;
simplifier à l’extrême ;
montrer une démo spectaculaire ;
générer du buzz.

Ce n’est pas forcément mal intentionné.

Mais cela crée une dérive :

on confond souvent ce qui est impressionnant avec ce qui est efficace.

Un graphe visuel impressionnant n’est pas forcément une bonne base de connaissance.

Un agent IA qui “parle bien” n’est pas forcément utile en production.

Une série à venir

Cette réflexion autour d’Obsidian et du second cerveau n’est en réalité qu’un point d’entrée.

Elle ouvre sur une problématique beaucoup plus large :

la surinformation dans l’IA ;
la difficulté à trier les contenus techniques ;
le rôle des influenceurs et du contenu “waouh” ;
et l’écart entre démonstration et réalité opérationnelle.

Dans les prochains articles, je reviendrai sur cette tension entre :

ce qui attire l’attention et ce qui fonctionne réellement dans les projets IA.

Conclusion

Obsidian n’est pas un outil d’IA.

C’est un outil de compréhension humaine.

Et c’est probablement là que réside le vrai sujet.

Dans un monde saturé de contenus, de démos et de promesses techniques, le défi n’est plus seulement de construire des systèmes intelligents.

C’est de savoir distinguer ce qui est réellement utile… de ce qui est simplement impressionnant.