Claude Code + NotebookLM = LE CODE DE TRICHE

CChase AI
Computing/SoftwareSmall Business/StartupsInternet Technology

Transcript

00:00:00Claude code est peut-être l'agent de recherche le plus puissant
00:00:03de la planète, mais vous devez ajouter cet outil
00:00:07pour libérer tout son potentiel.
00:00:08Aujourd'hui, pour la plupart des gens, la recherche avec Claude code
00:00:11se résume à lui demander d'utiliser l'outil de recherche web
00:00:13en espérant que les résultats seront suffisants.
00:00:17Mais on peut faire mieux, car imaginez si,
00:00:19avec seulement cinq minutes de configuration,
00:00:21nous pouvions créer des flux de travail dans Claude code
00:00:24capables de scraper n'importe quelle section de YouTube,
00:00:26d'en extraire les sous-titres et d'envoyer ces infos
00:00:28vers un système RAG gratuit, robuste et pré-configuré
00:00:32qui s'occupe de tout le travail difficile
00:00:35et de l'analyse pour nous, puis transforme cette analyse
00:00:38en livrables comme des présentations,
00:00:40des infographies, des podcasts, tout ce que vous voulez,
00:00:43le tout pour un coût quasi nul en tokens.
00:00:46Si cela semble trop beau pour être vrai,
00:00:48d'habitude vous auriez raison, mais pas cette fois.
00:00:51Laissez-moi vous présenter l'outil d'IA le plus sous-estimé
00:00:55actuellement sur le marché : Notebook LM.
00:00:58Dans la vidéo d'aujourd'hui, je vais vous montrer
00:01:00comment combiner la puissance de Claude code et de Notebook LM
00:01:03pour remplacer gratuitement une pile de recherche
00:01:06qui vous coûterait normalement des centaines de dollars par mois
00:01:10à construire et à entretenir.
00:01:11Je suis vraiment ravi de vous présenter ça.
00:01:14Alors, lançons-nous.
00:01:15Commençons cette vidéo par une démonstration
00:01:16pour que vous voyiez comment utiliser Claude code
00:01:19pour exploiter toutes les fonctionnalités de Notebook LM
00:01:22sans jamais quitter le terminal.
00:01:24Ce prompt va demander à Claude code
00:01:26de réaliser plusieurs tâches.
00:01:27D'abord, nous allons utiliser notre compétence de recherche YouTube
00:01:30pour trouver les dernières vidéos tendance sur Claude code.
00:01:33Ne vous inquiétez pas, je vous montrerai comment
00:01:35obtenir ces compétences dans un instant.
00:01:37Une fois que nous aurons les URL des vidéos,
00:01:39je veux que Claude code les envoie vers Notebook LM
00:01:43en utilisant la compétence Notebook LM.
00:01:44Ensuite, je veux que Notebook LM analyse ces vidéos
00:01:49pour identifier les meilleures compétences Claude code.
00:01:51Et je veux que cette analyse nous soit transmise.
00:01:53De plus, je veux un livrable.
00:01:54Je ne veux pas seulement une analyse textuelle.
00:01:56Je veux une infographie dans un style de plan dessiné à la main
00:02:00représentant cette analyse des meilleures compétences.
00:02:03Ainsi, avec un seul prompt, nous allons scraper YouTube.
00:02:06Nous allons sourcer toutes nos données.
00:02:08Nous allons essentiellement les intégrer dans un système RAG,
00:02:11car c'est précisément ce qu'est Notebook LM.
00:02:13Nous allons laisser Notebook LM faire toute l'analyse
00:02:15et les livrables pour nous en externe,
00:02:18ce qui signifie que cela ne nous coûte pas de tokens.
00:02:20Et tout cela est gratuit.
00:02:22Voyons comment ça fonctionne.
00:02:23Voici ce que nous avons obtenu.
00:02:24Claude code a téléchargé 20 sources YouTube
00:02:26dans Notebook LM pour analyse.
00:02:29Notebook LM a ensuite identifié
00:02:30les cinq meilleures compétences Claude code que vous voyez ici,
00:02:34ainsi que les tendances émergentes de leur utilisation.
00:02:37Il a ensuite créé l'infographie demandée,
00:02:39qui s'est automatiquement ajoutée à notre dossier projet.
00:02:42Voici un aperçu de cette infographie.
00:02:44Encore une fois, c'est Nano Banana Pro qui tourne derrière.
00:02:47Il est sollicité, et le texte ici,
00:02:49ainsi que les visuels, correspondent au style demandé,
00:02:52à savoir un style de plan fait à la main.
00:02:55Et deuxièmement, plus important encore,
00:02:57tout ce contenu est basé sur les vidéos
00:02:59et sur l'analyse de ces vidéos.
00:03:01Il n'invente rien.
00:03:02Et nous pouvons aussi voir ici dans Claude code
00:03:04les vidéos récupérées : titre, créateur, vues,
00:03:06durée et date.
00:03:08Tout cela est reflété dans Notebook LM lui-même.
00:03:10Je peux voir toutes les sources téléchargées.
00:03:12Je peux voir toute l'analyse.
00:03:14Je peux voir le guide sous forme de plan que nous avons demandé.
00:03:18Et même si cette démonstration peut sembler
00:03:19être une application plutôt simpliste,
00:03:21je ne saurais trop insister sur la valeur ajoutée
00:03:24de la combinaison de ces deux outils,
00:03:26car cela va bien au-delà de la simple automatisation
00:03:28du processus de sourcing pour Notebook LM.
00:03:30Tout ce que nous avons fait ici,
00:03:31nous aurions pu le faire manuellement dans Notebook LM, n'est-ce pas ?
00:03:33J'aurais pu parcourir YouTube manuellement.
00:03:35J'aurais pu trouver toutes les vidéos souhaitées.
00:03:37J'aurais pu les copier-coller.
00:03:38J'aurais pu obtenir l'analyse
00:03:39et le livrable.
00:03:41Le fait de pouvoir automatiser cela est appréciable,
00:03:43mais c'est bien plus que ça.
00:03:44C'est le fait de pouvoir intégrer toute cette analyse
00:03:47dans mon écosystème Claude code sans effort,
00:03:50et les cas d'utilisation de ce flux sont quasi infinis.
00:03:55La deuxième raison pour laquelle cette combinaison d'outils
00:03:56est si puissante tient directement
00:03:58à la puissance intrinsèque de Notebook LM.
00:04:01Si vous essayez de recréer ce que fait Notebook LM,
00:04:04à savoir un système de scraping vers un système RAG,
00:04:07puis vers l'analyse, puis vers un système de livrables,
00:04:11avec les infographies, les présentations, etc.,
00:04:13ce serait une galère monumentale à réaliser.
00:04:15En tant que personne ayant essayé,
00:04:16du moins pour la recherche avec des outils comme N8N,
00:04:18ce n'est pas un processus simple.
00:04:20De plus, cela coûte de l'argent, alors que tout ceci est gratuit,
00:04:23ce qui explique en grande partie pourquoi je suis si enthousiaste
00:04:24à l'idée de le partager avec vous.
00:04:25Une autre raison d'être emballé
00:04:27est la simplicité de mise en place de tout cela,
00:04:30ce que nous allons voir maintenant.
00:04:32Concernant la configuration,
00:04:33vous vous demandez probablement : « Hé Chase,
00:04:34comment connecter concrètement Notebook LM à Claude code
00:04:38sachant que Notebook LM
00:04:40n'a pas d'API publique ? »
00:04:41Eh bien, heureusement pour nous, des personnes bien plus intelligentes
00:04:43que vous ou moi ont déjà résolu ce problème.
00:04:46Dans ce cas, il s'agit de Tang Ling
00:04:48et nous allons nous appuyer sur son travail aujourd'hui
00:04:50en utilisant le dépôt GitHub Notebook LM-PI
00:04:54pour servir d'API Python non officielle
00:04:57pour Notebook LM.
00:04:58Mais avant de configurer Notebook LM,
00:05:00nous devons résoudre la première partie de notre pipeline,
00:05:03qui est la recherche YouTube
00:05:04et la collecte des données que nous voulons
00:05:07faire analyser par Notebook LM.
00:05:09Pour cela, j'ai une compétence de recherche YouTube personnalisée
00:05:12pour Claude code qui fait tout cela pour vous.
00:05:15Elle utilise un script Python basé sur la dépendance YT-DLP
00:05:20pour extraire les métadonnées de YouTube pour nous.
00:05:22Ainsi, quand je lui demande des compétences Claude code,
00:05:24c'est comme si nous allions sur YouTube
00:05:27pour chercher « compétences Claude code ».
00:05:28Il récupère le titre, les vues, l'auteur et tout le reste.
00:05:32Et cette compétence que vous voyez ici dans Claude code
00:05:35apprend à Claude code comment utiliser ce script au mieux.
00:05:38Il y a deux façons d'installer cette compétence
00:05:41et ce script et de les rendre opérationnels.
00:05:42La première est assez simple.
00:05:44Il suffit d'aller dans Claude code
00:05:45et d'expliquer que vous voulez qu'il crée cette compétence
00:05:48pour vous, en utilisant la dépendance YT-DLP
00:05:51pour créer un scraper YouTube personnalisé.
00:05:54Ou, si vous voulez le fichier MD de configuration complet
00:05:57de cette compétence de recherche YouTube pour le donner
00:05:59directement à Claude code, c'est aussi possible.
00:06:01Vous pouvez l'obtenir en allant sur ma communauté gratuite,
00:06:03dont vous trouverez le lien en description.
00:06:04D'ailleurs, en parlant de mes communautés,
00:06:06au sein de Chase AI Plus,
00:06:07vous trouverez aussi ma masterclass Claude code,
00:06:11que je viens de sortir il y a quelques jours.
00:06:13Donc, si vous débutez
00:06:14dans votre parcours IA et que vous cherchez
00:06:16comment tirer le meilleur parti de Claude code,
00:06:18même si vous n'êtes pas technique,
00:06:19mais que vous voulez vraiment maîtriser ce qui est sans doute
00:06:22l'outil d'IA le plus puissant du moment.
00:06:24Eh bien, c'est l'endroit idéal pour vous.
00:06:25Et si cela vous intéresse,
00:06:26consultez le lien dans le commentaire épinglé.
00:06:28et configurons la connexion à NotebookLM.
00:06:31donnez-le à Claude code et laissez-le travailler,
00:06:33ou demandez manuellement à Claude code
00:06:35de le construire pour vous.
00:06:36Maintenant, revenons ici
00:06:37pour configurer la connexion à Notebook LM.
00:06:39Je mettrai également un lien vers ceci dans la description.
00:06:42L'installation est très simple.
00:06:44Pour l'installer,
00:06:45nous allons simplement copier ces commandes,
00:06:47les coller dans notre terminal,
00:06:49ce qui signifie que si vous regardez Claude code,
00:06:51vous vous trompez de fenêtre.
00:06:51Vous devez ouvrir un second terminal comme celui-ci
00:06:53et y coller les commandes.
00:06:55Après avoir exécuté ces commandes d'installation initiales,
00:06:57vous devez descendre ici
00:06:59et exécuter une commande de plus dans l'interface en ligne de commande.
00:07:01Il s'agit de la commande de connexion à Notebook LM.
00:07:04Même chose qu'avant,
00:07:04allez dans un autre terminal et collez-la.
00:07:07Cela va ouvrir une nouvelle fenêtre dans Chrome.
00:07:10Il vous suffit de vous connecter.
00:07:11Vous n'avez à le faire qu'une seule fois et c'est réglé.
00:07:13Après vous être authentifié,
00:07:16il reste une dernière chose à faire
00:07:17et nous devons configurer la compétence.
00:07:20Pour activer la compétence dans Claude code,
00:07:22vous pouvez soit lancer cette commande dans le terminal,
00:07:25soit simplement demander à Claude code de le faire.
00:07:27Comprenez bien ce que nous avons fait.
00:07:29Nous avons fait deux choses côté Notebook LM.
00:07:30Vous avez la compétence
00:07:32et ensuite vous avez l'API réelle du programme.
00:07:35Rappelez-vous, les compétences ne sont que des prompts.
00:07:37C'est juste du texte qui explique à Claude Code
00:07:39comment faire quelque chose d'une manière spécifique.
00:07:42Donc toutes ces informations que vous voyez ici,
00:07:44sur comment nous générons du contenu,
00:07:46comment nous créons le notebook...
00:07:47Cette compétence apprend à Claude Code comment faire cela.
00:07:50Une fois installée, il suffit de dire à Claude Code :
00:07:52« Hé, je veux que tu utilises NotebookLM pour créer des flashcards »
00:07:56ou une infographie ou un support de présentation.
00:07:58C'est aussi simple que ça.
00:07:58Tout est en langage naturel.
00:08:00Et si vous vous demandez ce que vous pouvez faire exactement
00:08:02avec ce programme, tout est ici sur GitHub.
00:08:04Tout ce que vous pouvez faire manuellement dans NotebookLM,
00:08:06vous pouvez le faire avec l'API, et plus encore.
00:08:09Comme vous le voyez ici, au-delà de l'interface web,
00:08:11nous pouvons aussi faire des téléchargements par lots,
00:08:13exporter des quiz et des flashcards, etc.
00:08:16On obtient donc plus de fonctionnalités avec ce programme
00:08:19qu'en chargeant simplement NotebookLM soi-même.
00:08:22Passons en revue les étapes une par une
00:08:24pour que vous compreniez comment ça fonctionne.
00:08:25La première chose est la compétence de recherche YouTube.
00:08:28Comme toute compétence, on peut l'utiliser avec une commande slash
00:08:30ou simplement en langage naturel.
00:08:32Mais si je tape « YT-search », vous voyez qu'on a la requête
00:08:36et ensuite le nombre de résultats.
00:08:37Alors, que cherchons-nous ?
00:08:37« Hé, on cherche des compétences Claude Code ».
00:08:41Dans la démo, on a tout fait d'un coup,
00:08:43mais je pense qu'il est utile de décomposer parfois
00:08:45pour que vous puissiez d'abord voir
00:08:48quelles vont être vos sources.
00:08:50Voici les résultats.
00:08:51Ils s'affichent, et à tout moment,
00:08:53on peut aussi vérifier les liens YouTube nous-mêmes.
00:08:55Ce qui est bien avec cette compétence,
00:08:56c'est qu'elle vous donnera aussi un aperçu
00:08:58de ce qui se passe réellement dans ce qu'elle a trouvé.
00:09:01Si les sources vous conviennent,
00:09:02on peut maintenant les envoyer dans NotebookLM.
00:09:04Encore une fois, utilisez simplement le langage naturel :
00:09:05« Crée un nouveau notebook intitulé "chase demo" »
00:09:08« avec ces sources que nous venons d'extraire ».
00:09:10On peut voir qu'il a créé le notebook
00:09:12et qu'il commence à le remplir avec ses sources.
00:09:14Après quelques minutes, les 20 sources sont chargées.
00:09:17Vous êtes limité à 50 sources avec NotebookLM.
00:09:19À ce stade, vous pouvez demander à NotebookLM ce que vous voulez.
00:09:21On peut dire : « D'après ces vidéos,
00:09:23quelle est, selon NotebookLM,
00:09:24la compétence numéro un de Claude Code ? »
00:09:26Encore une fois, ce qui est génial,
00:09:28c'est que toute cette analyse est délocalisée.
00:09:31Ce n'est pas Claude Code qui fait cette analyse.
00:09:33Claude Code ne dépense pas de tokens.
00:09:35Il n'en dépense qu'une petite quantité
00:09:36pour envoyer la requête à NotebookLM et récupérer la réponse.
00:09:39Mais toute la réflexion est faite par Google
00:09:42et c'est eux qui paient pour ça.
00:09:43Claude Code a donc récupéré l'analyse de NotebookLM.
00:09:47Et on peut voir cela reflété ici
00:09:49à l'intérieur de NotebookLM même.
00:09:50Vous pouvez toujours vérifier en cliquant dans NotebookLM
00:09:52si vous voulez voir les sous-titres auxquels il se réfère.
00:09:55Cette logique s'applique aussi pour tous les livrables.
00:09:58Si vous voulez l'aperçu audio,
00:09:59la carte mentale, les flashcards, les infographies...
00:10:01Tout ce que vous voyez ici à droite,
00:10:03demandez-le simplement à Claude Code et il le fera pour vous.
00:10:06C'est aussi simple que ça.
00:10:08La manière dont vous exploiterez ce flux de recherche
00:10:10ne dépend finalement que de vous,
00:10:11mais je ne saurais trop insister sur le côté incroyable de ce truc.
00:10:15Ça semble assez simple en apparence,
00:10:17mais je vous le dis,
00:10:18si vous avez déjà essayé de gérer quelque chose de ce genre,
00:10:20surtout avec tout ce qui concerne les vidéos YouTube,
00:10:22pour essayer de créer un corpus de connaissances
00:10:25à partir de ces vidéos d'une manière que Claude Code
00:10:27ou un autre agent de code puisse interagir avec,
00:10:30c'est assez difficile, n'est-ce pas ?
00:10:31C'est très chronophage
00:10:32et cela peut être assez fragile.
00:10:34Pourtant, tout cela est simplifié gratuitement avec NotebookLM.
00:10:39Je pense donc que c'est un outil formidable.
00:10:42J'espère que vous pourrez en tirer profit.
00:10:44Comme toujours, comme je l'ai déjà dit,
00:10:45toutes les ressources se trouvent dans mes communautés School.
00:10:48Si vous avez besoin du fichier MD pour la compétence,
00:10:52pour la compétence de recherche YouTube,
00:10:53assurez-vous de regarder dans la version gratuite.
00:10:54Et si vous êtes un peu plus sérieux à ce sujet
00:10:56et que vous vous dites :
00:10:57« Je veux vraiment une masterclass sur Claude Code »
00:10:59« qui m'emmène de zéro à développeur IA »,
00:11:01allez voir Chase AI+.
00:11:03Dites-moi ce que vous en avez pensé dans les commentaires
00:11:05et comme toujours, on se voit bientôt.

Key Takeaway

L'intégration de NotebookLM dans Claude Code via l'API NotebookLM-PI permet d'automatiser gratuitement l'extraction et l'analyse RAG de 20 à 50 sources YouTube sans consommer de tokens pour le traitement lourd des données.

Highlights

La combinaison de Claude Code et NotebookLM permet de créer un système RAG gratuit capable d'analyser jusqu'à 50 sources simultanément.

L'utilisation d'une API Python non officielle nommée NotebookLM-PI comble l'absence d'interface de programmation publique pour cet outil.

L'automatisation du scraping YouTube via la dépendance YT-DLP extrait les métadonnées incluant les titres, vues, auteurs et sous-titres des vidéos.

L'analyse des données est délocalisée sur les serveurs de Google, ce qui réduit la consommation de tokens Claude à une simple requête d'envoi et de réception.

Le flux de travail génère automatiquement des livrables variés comme des infographies au style dessiné à la main, des quiz ou des flashcards sans quitter le terminal.

Timeline

Optimisation de la recherche avec un système RAG gratuit

  • L'ajout de NotebookLM transforme Claude Code en l'agent de recherche le plus puissant du marché.
  • Ce flux de travail remplace des piles logicielles de recherche coûtant normalement des centaines de dollars par mois.

La recherche standard dans Claude Code se limite souvent à l'outil web classique, ce qui est insuffisant pour des analyses complexes. En configurant un lien vers NotebookLM en cinq minutes, il devient possible d'extraire des sous-titres YouTube et de les traiter via un système de génération augmentée par récupération (RAG). Cette méthode produit des livrables tels que des présentations ou des podcasts pour un coût en tokens quasi nul.

Démonstration technique et génération de livrables

  • Un seul prompt dans le terminal commande le scraping de 20 sources YouTube et leur analyse immédiate.
  • Le modèle Nano Banana Pro génère des infographies basées exclusivement sur les données extraites.

Claude Code utilise une compétence de recherche pour identifier les vidéos tendances avant de les transférer à NotebookLM. L'analyse identifie les cinq meilleures compétences d'un sujet donné sans inventer d'informations. L'utilisateur garde une trace complète des sources (titre, vues, durée) directement dans son dossier projet, automatisant une tâche qui serait fastidieuse et fragile manuellement.

Infrastructure et connexion via API non officielle

  • Le dépôt GitHub NotebookLM-PI sert d'interface Python pour pallier l'absence d'API officielle de Google.
  • La dépendance YT-DLP gère l'extraction des métadonnées et des scripts pour le scraper YouTube.

Recréer manuellement les fonctions de NotebookLM avec des outils comme N8N est complexe et onéreux. La solution repose sur le travail de Tang Ling qui permet de lier les deux outils via un terminal secondaire. L'installation nécessite une authentification unique dans Chrome pour lier le compte Google à l'environnement de développement local.

Configuration finale et exploitation des compétences

  • Les compétences Claude Code fonctionnent comme des prompts textuels expliquant au modèle comment interagir avec des scripts spécifiques.
  • L'externalisation de la réflexion chez Google permet d'économiser massivement les ressources de calcul de l'utilisateur.

L'utilisateur active la compétence NotebookLM soit par commande directe, soit en demandant à Claude de la construire. L'API permet d'aller au-delà de l'interface web classique en autorisant les téléchargements par lots et l'exportation de quiz. Ce flux transforme radicalement la gestion de corpus de connaissances vidéo en un processus simple et gratuit accessible en langage naturel.

Community Posts

No posts yet. Be the first to write about this video!

Write about this video