NotebookLM : le RAG nouveau GRATUIT (OPENSOURCE) 🧠

Valeur des informations & solidité de l’argumentation

La valeur principale de cette vidéo réside dans sa démarche pratique et reproductible, qui démontre qu’il est possible de créer un RAG performant sans investissement financier. Les démonstrations (ingestion d’une vidéo longue, connexion avec un PDF, visualisation des relations sémantiques) sont convaincantes et bien illustrées. L’argumentation repose sur des preuves par l’exemple : chaque étape est montrée en temps réel, ce qui renforce la crédibilité. Cependant, l’explication théorique du RAG et des vecteurs reste très simplifiée, se limitant à une analogie géographique. La solidité argumentative est bonne dans la mesure où le spectateur peut reproduire le même résultat, mais elle manque d’approfondissement sur les limites et les enjeux sous-jacents de la technologie. Le créateur insiste sur le fait que tout est gratuit et open source, ce qui est un atout pour la communauté.

Rigueur scientifique, qualité des sources, adéquation du titre

La rigueur scientifique est moyenne : les sources sont des outils officiels (NotebookLM, Claude Code, VS Code, OpenRouter) et des repos GitHub open source, mais aucune référence académique n’est citée. La qualité des sources est correcte pour un tutoriel, mais l’absence de documentation officielle ou de liens vers les repos GitHub mentionnés (Graphify, NotebookLM-py) dans la description réduit la vérifiabilité immédiate. L’adéquation entre le titre et le contenu est excellente : le titre annonce clairement le sujet et le contenu conforme. La chaîne ne propose pas de publicité déguisée, tout est annoncé comme gratuit. Dans l’ensemble, la démarche est honnête et utile, mais gagnerait à ajouter des références externes pour appuyer les explications techniques.

Le titre correspond parfaitement au contenu : il présente une solution RAG gratuite et open source utilisant NotebookLM, avec des outils complémentaires.

7/10

Le tutoriel est clair, basé sur des outils réels et open source, mais l'explication théorique du RAG reste superficielle. La démonstration pratique est solide et reproductible.

• 00:00Teaser : les vendeurs de formations RAG 😅
• 00:31Ce qu'on va faire : ton RAG gratuit avec NotebookLM + Claude
• 01:16C'est quoi un RAG / un vecteur ? (explication simple)
• 02:07Pourquoi ça change tout + les cas d'usage concrets
• 03:39Démo : une formation de 6 h → mind map interactive (timestamps cliquables)
• 04:13Ajouter un PDF (guide Anthropic) et croiser les sources
• 05:14Les 2 repos GitHub : Graphify & NotebookLM-py
• 05:39Setup : VS Code + Claude Code (de zéro)
• 06:06Installer les 2 skills (zip) + le prompt pipeline
• 06:52Connexion Google / NotebookLM (les limites de la version gratuite)
• 07:27Optionnel : la clé OpenRouter + le fichier .env
• 08:38Itération 2 : ingérer une 2ᵉ vidéo et recroiser le tout
• 09:12Lire le graphe : légende, liens sémantiques, timestamps
• 09:43Créer un skill « best practices Claude Code » depuis ton RAG
• 10:34Outro : tes use cases en commentaire !

• NotebookLM — Outil de Google pour ingérer des documents et créer une base de connaissances interrogable.
• Claude Code — Outil d'Anthropic pour coder avec Claude, utilisé dans le tutoriel.
• OpenRouter — Agrégateur de modèles LLM permettant d'accéder à différentes API.
• VS Code — Éditeur de code utilisé pour installer Claude Code et exécuter le pipeline.
• Pack de ressources du tutoriel — Formulaire de téléchargement pour les fichiers et prompts de la vidéo (non vérifié).