00:00:00Les agents d'IA s'affaiblissent-ils ou travaillent-ils simplement avec de mauvaises informations ?
00:00:03Le problème principal des agents réside dans leur contexte.
00:00:06Ce n'est pas que les agents manquent d'informations ou de mémoire,
00:00:09mais plutôt qu'ils ne sont pas ancrés dans une source de vérité contrôlée.
00:00:12C'est donc l'utilisation de données erronées qui explique leurs mauvaises performances.
00:00:15Vous connaissez peut-être NotebookLM de Google,
00:00:18un outil de recherche extrêmement efficace qui fait aussi office de générateur de podcasts.
00:00:22Mais imaginez s'il pouvait faire bien plus que ça.
00:00:23Notre équipe a testé cet outil de recherche sous différents angles
00:00:27pour voir comment l'intégrer dans nos flux de travail de développement,
00:00:30et honnêtement, nous ne nous attendions pas à un tel succès.
00:00:32Tout au long de cette vidéo, notre équipe a utilisé NotebookLM via son outil CLI.
00:00:36C'est une interface qui vous donne un contrôle total
00:00:39sur la gestion de vos carnets, de vos sources et des analyses audio.
00:00:44L'installation est simple : une seule commande et c'est réglé.
00:00:47Une fois installé, vous pouvez vérifier le bon fonctionnement avec la commande d'aide.
00:00:51Elle affiche toutes les commandes disponibles pour gérer les sources de NotebookLM,
00:00:56gérer les entrées multimodales et toutes les fonctions de l'outil.
00:01:00Mais avant de l'utiliser, authentifiez le CLI avec votre compte Google via la commande « NLM auth ».
00:01:05Une fenêtre Chrome s'ouvre alors pour vous connecter.
00:01:08Après cela, NLM sauvegarde vos identifiants pour vos prochaines utilisations.
00:01:11NotebookLM est accessible via le CLI et MCP,
00:01:15tous deux créés par le même développeur, à vous de choisir celui que vous préférez.
00:01:18Nous avons choisi le CLI car il est économe en jetons
00:01:21et ne posera pas de problème lors de tâches de longue durée.
00:01:24Nous pouvons utiliser NotebookLM comme un second cerveau pour les agents d'IA
00:01:27en lui fournissant des infos sur le code source et en le laissant documenter le projet au fur et à mesure.
00:01:31Pour ce faire, nous avons ajouté des instructions dans le fichier claud.md
00:01:35en précisant que toute la connaissance du projet, les choix d'architecture
00:01:38et la documentation devaient résider dans le carnet de notes.
00:01:41Ce carnet servait de source de vérité unique.
00:01:43Nous avons utilisé Claude pour créer le carnet via le CLI et enregistré son ID dans claud.md.
00:01:49Ainsi, pour créer une fonctionnalité, nous utilisions d'abord le mode plan.
00:01:53Une fois l'implémentation terminée et validée,
00:01:55le carnet était mis à jour avec les détails de la fonctionnalité comme demandé.
00:01:59Le carnet contenait ainsi toutes les décisions prises par Claude en cours de route.
00:02:03Grâce à ce second cerveau, Claude n'a plus besoin de fouiller seul dans une multitude de documents,
00:02:08ce qui évite de saturer le contexte avec des informations inutiles.
00:02:12À la place, il s'appuie sur les capacités RAG de NotebookLM pour obtenir exactement ce dont il a besoin.
00:02:16Claude reçoit donc des réponses synthétisées par Gemini, et non des données brutes,
00:02:20ce qui lui permet de se concentrer davantage sur le développement.
00:02:23Vous pouvez aussi partager le carnet avec n'importe qui,
00:02:25et ils pourront utiliser NotebookLM pour vérifier que l'implémentation correspond à leurs besoins,
00:02:31même s'ils ne sont pas techniciens, leur permettant de comprendre les détails à leur rythme.
00:02:35NotebookLM est conçu pour la recherche sur des sources multiples.
00:02:39Comme nous utilisons déjà souvent Claude Code pour la recherche,
00:02:42nous lui avons donné notre sujet d'étude et lui avons demandé de trouver les sources,
00:02:47de créer un nouveau carnet et de les y charger.
00:02:49Il a identifié toutes les sources et les a ajoutées au carnet dédié à cette tâche.
00:02:53La recherche avec Claude consomme beaucoup de contexte car il explore aussi des liens inutiles.
00:02:59Diviser la recherche en deux et laisser un outil spécialisé s'en charger a permis de gagner du temps et des jetons.
00:03:05Une fois les sources intégrées, nous avons vidé le contexte de recherche de Claude
00:03:11pour lui demander de consulter les informations sur NotebookLM via le CLI,
00:03:15de trouver la recherche sur le pipeline RAG et d'en extraire les conclusions clés via le chat.
00:03:20Claude a utilisé le CLI pour récupérer les carnets, a envoyé un message pour obtenir les résultats et a renvoyé la réponse.
00:03:26C'était bien plus rapide qu'une recherche classique avec Claude.
00:03:29L'avantage, c'est que si nous avons besoin de plus d'infos sur cette même recherche,
00:03:34nous pouvons revenir au carnet car les sources y sont sauvegardées.
00:03:37Claude n'a pas à les chercher à nouveau puisque cette recherche est désormais disponible à l'extérieur.
00:03:41Avec Claude seul, nous ne pourrions pas nous référer aux sources
00:03:45sans relancer toute la recherche pour qu'il les retrouve et les analyse encore.
00:03:49Cette méthode permet donc de les réutiliser pour de futures sessions.
00:03:52Comprendre un code que l'on n'a pas écrit soi-même est la partie la plus difficile du développement.
00:03:57Pour simplifier cela, nous avons également utilisé NotebookLM.
00:04:00Nous avons d'abord demandé à Claude de cloner le dépôt via le CLI GitHub.
00:04:04Une fois le dépôt cloné, nous lui avons demandé d'utiliser RepoMix pour générer un document.
00:04:09RepoMix est un outil qui compacte un code source dans un format optimisé pour l'IA.
00:04:14Vous pouvez utiliser l'interface web pour convertir le code en divers formats de documents,
00:04:18permettant à l'IA de comprendre le code facilement tout en économisant des jetons.
00:04:23Mais nous avons préféré utiliser le CLI de RepoMix.
00:04:25Nous l'avons installé via NPM.
00:04:26Une fois installé, le CLI RepoMix était disponible partout.
00:04:29Nous avons donc demandé à Claude de créer un carnet sur NotebookLM via le CLI
00:04:34et d'y ajouter le document formaté comme source.
00:04:37Après avoir cloné le dépôt, il a utilisé RepoMix pour convertir le code en un document optimisé
00:04:44puis a créé un carnet et ajouté la source au format TXT.
00:04:47La source étant ajoutée,
00:04:49nous avons demandé à Claude d'utiliser les outils du carnet pour visualiser le code
00:04:52et créer des schémas nous aidant à comprendre le fonctionnement du projet.
00:04:56Il a exécuté une série de commandes de visualisation.
00:04:58Une fois les schémas terminés, nous avons pu les consulter dans le studio de NotebookLM.
00:05:03Il a généré un atlas servant de guide aux mécanismes clés du projet.
00:05:07Il a créé une carte mentale précise pour chaque aspect de l'application
00:05:09et nous a permis de discuter de chacun d'eux individuellement.
00:05:12Des infographies ont aussi été créées pour visualiser les différents composants,
00:05:16facilitant la compréhension visuelle du code
00:05:19plutôt que de se fier uniquement aux réponses textuelles de Claude.
00:05:21Avant de continuer, un mot sur notre sponsor, Make,
00:05:25la plateforme qui permet aux équipes de réaliser leur plein potentiel
00:05:28en développant et en accélérant leur activité grâce à l'IA.
00:05:31Nous savons tous que le plus grand risque avec les agents autonomes est l'effet « boîte noire ».
00:05:35On les déploie, mais on ne peut pas vérifier leurs décisions.
00:05:37Make a résolu ce problème en combinant des capacités no-code assistées par IA
00:05:41avec plus de 3 000 applications pour offrir une approche transparente.
00:05:46Dans cette vidéo, j'utilise leur agent d'analyse d'étude de marché
00:05:49pour montrer comment on peut enfin monter en charge tout en gardant le contrôle.
00:05:52En plus d'outils puissants comme MakeGrid, MCP et des analyses avancées,
00:05:56la vraie révolution est le panneau de raisonnement.
00:05:58Il permet d'observer la logique de l'agent étape par étape,
00:06:01d'ancrer ses réponses grâce à la fonction de connaissances,
00:06:03et de débugger en direct via le chat intégré.
00:06:06C'est la transparence que les développeurs attendaient.
00:06:09Arrêtez de deviner et commencez à piloter votre croissance.
00:06:11Cliquez sur le lien en commentaire épinglé pour tester les nouveaux agents Make dès aujourd'hui.
00:06:15Dès qu'une IA rencontre un problème absent de sa base de connaissances,
00:06:18elle fait des recherches web et filtre les ressources pour trouver une solution.
00:06:22Nous nous sommes demandé si nous pouvions sauter l'étape de recherche web
00:06:25pour la remplacer directement par une base de connaissances.
00:06:27Le souci de la recherche web est que Claude récupère beaucoup de sources,
00:06:30mais que seule une petite partie est vraiment pertinente.
00:06:32Le reste ne fait que gaspiller des jetons.
00:06:33Nous avons donc demandé à Claude de créer un carnet sur NotebookLM
00:06:37et d'y ajouter des sources issues de documentations et de communautés
00:06:40pour en faire un lieu de référence pour le débogage.
00:06:41Il a créé le carnet et a commencé à chercher des sources.
00:06:44À la fin, le carnet contenait des docs officielles, des forums,
00:06:48des dépôts GitHub, des blogs et d'autres références utiles
00:06:50servant de base de connaissances pour résoudre les bugs.
00:06:55Nous avons ajouté l'ID du carnet dans le fichier claud.md
00:06:58et ordonné à Claude de l'utiliser comme source prioritaire pour tout problème de débogage.
00:07:01Nous lui avons aussi donné pour instruction, en cas de bug,
00:07:05de consulter le carnet avant de faire une recherche sur le web.
00:07:08Grâce à cela, lorsqu'il a rencontré une erreur,
00:07:11comme l'utilisation d'un middleware obsolète dans le projet,
00:07:13il a réagi différemment.
00:07:16Normalement, il aurait d'abord cherché la doc pour ensuite corriger le problème.
00:07:18Au lieu de ça, il a simplement interrogé le carnet avec une question précise
00:07:19sur la migration vers le dernier proxy,
00:07:23obtenant une réponse structurée grâce au carnet,
00:07:26sans avoir à parcourir tout le web.
00:07:28Ce fichier claud.md, ainsi que toutes les autres ressources,
00:07:31sont disponibles sur AI Labs Pro.
00:07:33Pour ceux qui ne connaissent pas, c'est notre communauté lancée récemment
00:07:36où vous trouverez des modèles prêts à l'emploi et des prompts,
00:07:38ainsi que toutes les commandes à intégrer directement dans vos projets.
00:07:41Si vous appréciez notre travail et souhaitez nous soutenir,
00:07:43c'est le meilleur moyen de le faire.
00:07:47Les liens sont dans la description.
00:07:49Nous commençons toujours le développement IA par la rédaction de documents,
00:07:52nous avons donc pensé à les envoyer aussi vers NotebookLM.
00:07:53Lors de la création d'une application,
00:07:55une fois les documents prêts,
00:07:59nous avons demandé à Claude de créer un carnet sur NotebookLM
00:08:02et d'y charger tous les documents comme sources.
00:08:04Il a donc créé le carnet et ajouté toutes les sources.
00:08:06Ces sources sont ainsi devenues organisées et fiables,
00:08:09aidant Claude à mieux comprendre le projet.
00:08:12Et si nous travaillons avec des personnes non techniques,
00:08:16il suffit de partager ce carnet pour qu'elles puissent discuter avec
00:08:19et comprendre les choses par elles-mêmes.
00:08:21Et ce carnet ne sert pas qu'à Claude.
00:08:24Si vous utilisez Cursor, Gemini CLI ou d'autres outils,
00:08:27ce carnet peut aussi leur servir de base de connaissances.
00:08:28Grâce au chat du carnet,
00:08:30chaque agent peut obtenir des infos spécifiques à ses besoins
00:08:34au lieu de chercher manuellement dans les fichiers.
00:08:36Ainsi, Claude ou tout autre agent peut simplement utiliser l'outil de requête NLM,
00:08:39demander ce qui est pertinent sur le moment
00:08:40et construire son contexte à partir de là.
00:08:44Aussi, si vous aimez notre contenu, n'hésitez pas à cliquer sur le bouton Hype,
00:08:46cela nous aide à produire plus de vidéos
00:08:51et à toucher plus de monde.
00:08:53Nous avons vu comment l'utiliser pour s'approprier un code source,
00:08:55mais nous voulions voir si ces visualisations pouvaient aussi aider les agents.
00:08:58Nous avons donc demandé à Claude de créer un autre carnet
00:09:00avec des visualisations pour l'aider à s'orienter dans le code.
00:09:02Il a créé le carnet, ajouté des cartes mentales, des infographies, des tableaux de données
00:09:06et plusieurs sources sur NotebookLM,
00:09:10puis les a téléchargées dans le dossier de visualisations du projet.
00:09:12Il disposait de plusieurs formats pour faciliter sa compréhension,
00:09:16notamment des tableaux CSV, des fichiers Markdown
00:09:20et des fichiers JSON pour les cartes mentales.
00:09:22Il a ainsi généré des cartes mentales pour toutes les fonctionnalités,
00:09:25celles que nous avons vues exportées en JSON.
00:09:28Il a aussi créé une présentation complète pour faciliter la compréhension visuelle.
00:09:30Dès qu'il avait un point à vérifier,
00:09:33il consultait la carte mentale correspondante plutôt que de parcourir tout le système de fichiers,
00:09:36y trouvait le flux exact et interrogeait le carnet pour ce dont il avait besoin.
00:09:40De même, il a vérifié les points de terminaison et analysé les flux
00:09:43en utilisant les cartes mentales JSON
00:09:46plutôt que de naviguer à l'aveugle dans le code source.
00:09:50On peut aussi utiliser NotebookLM
00:09:54pour centraliser tous les problèmes de sécurité classiques
00:09:56des sites générés par IA en les ancrant dans des sources fiables.
00:10:00Nous avons demandé à Claude de créer un carnet via le CLI
00:10:03et d'y ajouter les specs des fonctionnalités et toutes les sources liées à la sécurité.
00:10:05Le but est que ce carnet serve de manuel de sécurité pour Claude
00:10:08afin qu'il puisse s'y référer au moindre doute.
00:10:12Il a créé le carnet et ajouté toutes les sources.
00:10:15Cela incluait des guides de sécurité personnalisés, des aide-mémoire OWASP,
00:10:19les mesures de sécurité de notre stack technique via GitHub,
00:10:22les bases CVE et d'autres ressources pour sécuriser l'appli.
00:10:26Le carnet final comptait 61 sources dans différents fichiers,
00:10:28regroupant des avis de sécurité provenant de plusieurs origines.
00:10:32En utilisant cela, quand nous avons demandé à Claude un audit de sécurité,
00:10:35il a utilisé le manuel pour générer un rapport
00:10:39et a identifié plusieurs problèmes de sévérité variable,
00:10:43comme une erreur de virgule flottante dans les transactions détectée dans l'appli,
00:10:45qui pourrait être grave pour des montants élevés.
00:10:49Il a pu le faire parce que son analyse était ancrée dans les recherches de NotebookLM.
00:10:51C'est la fin de cette vidéo.
00:10:54Si vous voulez soutenir la chaîne et nous aider à continuer,
00:10:58vous pouvez le faire via le bouton « Super Thanks » ci-dessous.
00:11:00Comme toujours, merci d'avoir regardé et à la prochaine !
00:11:04That brings us to the end of this video.
00:11:06If you'd like to support the channel and help us keep making videos like this,
00:11:10you can do so by using the super thanks button below.
00:11:13As always, thank you for watching and I'll see you in the next one.