The Claude Bible
Accueil / Le second cerveau
Niveau: Expert · 11 lecons

Le second cerveau

Mémoire persistante, Obsidian, Graphify, Dream. Construire un système qui se souvient et apprend.

Ouvrir le cours interactif212 lecons, quiz, exercices, 3 langues, gratuit.

Mémoire fichier : ne plus jamais rien perdre

Un LLM est amnésique entre les sessions (leçon 1.1). Le remède industriel : une mémoire fichier persistante que Claude relit et met à jour. Le système de Pierre en est l'exemple de référence.

Principe : un dossier memory/ dans lequel chaque fait durable est un fichier markdown avec frontmatter (name, description, type : user / feedback / project / reference). Un fichier MEMORY.md joue le rôle d'index : une ligne par mémoire, chargé à chaque session.

Trois catégories qui structurent tout :

Une discipline cruciale, codifiée par Pierre : mettre à jour la mémoire après chaque lot livré, pas seulement en fin de session. Ainsi on ne perd ni détail ni contexte. Et on ne stocke que ce qui n'est pas déjà dans le code (git et le CLAUDE.md le disent déjà) : on garde le non-évident.

Points cles
  • Mémoire = dossier de fichiers markdown, un fait par fichier, frontmatter type
  • MEMORY.md = index une-ligne-par-mémoire, chargé à chaque session
  • Catégories : feedback (comment travailler), project (état), reference (pointeurs)
  • Mettre à jour après chaque lot ; stocker uniquement le non-évident, pas ce que le code dit déjà

Obsidian : le second cerveau navigable

Pierre monte sa mémoire de fichiers comme un vault Obsidian : la même source unique, mais navigable visuellement. Les techniques qui font la différence :

Le protocole "sync memory" de Pierre formalise la maintenance : créer ou mettre à jour la note, tisser ses wikilinks vers les notes connexes, l'ajouter au bon MOC et à l'index. Pas seulement réconcilier l'index : tisser le réseau. Un second cerveau vaut par ses liens, pas par ses fichiers isolés.

Points cles
  • Wikilinks [[note]] : un réseau de notes, pas une pile de fichiers
  • MOC = notes-carrefours thématiques (feedbacks, projets, règles)
  • Notes atomiques, densément liées + vue graphe pour voir clusters et lacunes
  • sync memory : créer/mettre à jour + tisser les liens + ajouter au MOC et à l'index

Graphify : interroger une base de code au lieu de la relire

Graphify (l'un des skills de Pierre) transforme n'importe quel dossier (code, docs, articles, video) en un graphe de connaissance persistant et interrogeable. Pipeline : détecter les fichiers -> extraire l'AST (code) et le sens (docs) en parallèle -> détecter les communautés (clustering) -> exporter vers HTML/Obsidian/Neo4j.

Le gain est énorme et contre-intuitif : au lieu de relire 30 fichiers pour répondre à "qui appelle cette fonction ?", vous interrogez le graphe (/graphify query, /graphify path, /graphify explain). D'après les mesures de Pierre, jusqu'à ~71x moins de tokens qu'une relecture. C'est l'optimisation de contexte (module 7) appliquée à la connaissance du code.

Sa règle est de brancher Graphify sur chaque projet, nouveau comme existant, en mode AST local (gratuit), via un helper graphify-init.ps1, et d'injecter le graphe dans le vault Obsidian (_graphify\<projet>). Des hooks git rafraîchissent les graphes à chaque commit. Résultat : il dispose de 8 repos et d'un brain-graph de plusieurs centaines de noeuds, tous interrogeables sans rien relire.

Leçon générale : pour les grandes bases de connaissance, indexer une fois, interroger souvent l'emporte sur relire à chaque question. Valable pour le code comme pour votre mémoire.

Points cles
  • Graphify : n'importe quel dossier -> graphe de connaissance persistant et interrogeable
  • Interroger le graphe (query/path/explain) plutôt que de relire 30 fichiers
  • Jusqu'à ~71x moins de tokens qu'une relecture
  • Indexer une fois, interroger souvent > relire à chaque question

Dream : consolidation nocturne automatique

Le skill dream de Pierre applique le concept de consolidation mémoire (inspiré du sommeil) à son vault. Une tâche planifiée le lance chaque nuit. En quatre phases :

  1. S'orienter : prendre ses repères dans la mémoire existante.
  2. Collecter le signal : relire les conversations récentes et la mémoire.
  3. Consolider : extraire les faits durables, fusionner les doublons, archiver (ne jamais supprimer) les contradictions, tisser les liens.
  4. Vérifier : maintenir MEMORY.md comme index propre.

L'ensemble respecte ses règles absolues : ne jamais supprimer (archiver dans un dossier daté), pas d'emoji, pas de tiret cadratin, l'index reste un index. Une sauvegarde précède chaque passe, et tout s'exécute en mode headless.

C'est l'aboutissement du second cerveau : un système qui se nettoie et se renforce pendant que Pierre dort. La pratique quotidienne (mémoire mise à jour après chaque lot) fournit la matière brute ; Dream la digère, déduplique et lie. Sans cette digestion, une mémoire grossit jusqu'à devenir illisible. Avec elle, elle reste vivante.

Points cles
  • Dream = consolidation nocturne automatique de la mémoire (tâche planifiée)
  • 4 phases : s'orienter, collecter, consolider (fusionner + archiver), vérifier
  • Respecte les règles : archiver sans supprimer, index propre, sauvegarde préalable
  • La pratique alimente, Dream digère : une mémoire qui reste vivante

Apprentissage continu : apprendre de sa propre pratique

Le dernier étage du système : le skill continuous-learning. Il analyse l'historique git des repos sur 90 jours, repère les patterns récurrents (commandes répétées, mêmes correctifs, deployments tapés, avec un seuil d'occurrence) et propose de les transformer en nouveaux skills ou règles à ajouter au CLAUDE.md.

L'idée est profonde : votre pratique quotidienne contient déjà les automatisations dont vous avez besoin, sous forme de répétitions. Plutôt que de les deviner, vous les extrayez des données (l'historique git) et vous les codifiez.

La boucle complète du second cerveau de Pierre :

Résultat : un système qui s'améliore à chaque session sans effort dédié. C'est le niveau expert de l'utilisation de Claude : non pas se contenter de l'outil, mais bâtir autour de lui une machine qui apprend.

Points cles
  • continuous-learning analyse git, repère les patterns répétés, propose skills/règles
  • Vos automatisations sont déjà dans vos répétitions : extrayez-les des données
  • Boucle : travailler -> consolider -> indexer (Graphify) -> extraire (learning)
  • Niveau expert : construire une machine apprenante autour de Claude

Notes atomiques

Une note atomique contient exactement une idée, un fait ou une décision. Le mot "atomique" signifie indivisible : vous ne pouvez pas fractionner la note davantage sans en perdre le sens. Dans un second cerveau (un système de connaissance personnelle qui stocke et connecte des informations hors de votre mémoire), les notes atomiques sont la plus petite unité utile.

Les notes volumineuses couvrant plusieurs sujets posent un problème de classement : on ne sait jamais quelle catégorie les possède, et retrouver un seul fait oblige à relire tout le reste. Les petites notes ont un seul emplacement et un seul rôle. Elles se recombinent aussi librement, car chacune se suffit à elle-même.

La puissance des notes atomiques vient de la liaison. Quand chaque fichier ne contient qu'une seule idée, les connexions entre fichiers deviennent significatives. Une note sur "les limites de la fenêtre de contexte" peut pointer vers "stratégie de découpage", "comptage de tokens" et "mise en cache des prompts" sans dupliquer le contenu. Claude Code et des outils comme Graphify (un injecteur de graphe de code utilisé par Pierre) peuvent parcourir ces liens et faire remonter les notes pertinentes sans relire des milliers de lignes.

Points cles
  • Une idée par fichier accélère et précise la récupération
  • Les liens entre notes atomiques remplacent la duplication
  • Les titres descriptifs rendent les notes trouvables sans les ouvrir
  • Pas d'orphelins : chaque note est reliée à au moins une autre

Wikilinks et cartes de contenu

Un wikilink est une référence en double crochets comme [[note-title]] qui crée une connexion cliquable entre deux notes. Dans Obsidian (l'application de prise de notes utilisée comme second cerveau), chaque wikilink que vous écrivez devient une arête visible dans la vue graphique. Quand Claude lit votre vault, ces liens sont aussi des métadonnées lisibles : ils lui indiquent quels concepts sont liés sans que vous ayez à répéter l'explication.

Une carte de contenu (MOC, de l'anglais map of content) est une note dont le seul rôle est de lister et de relier d'autres notes sur un sujet. Considérez-la comme un index constitué à la main. Contrairement à un dossier, une MOC peut apparaître dans plusieurs contextes et créer des liens entre différents sujets. Conventions de nommage courantes : _MOC_projects, _MOC_skills, _MOC_reference.

Ensemble, les wikilinks et les MOC offrent à votre vault deux modes de navigation :

Lorsque vous demandez à Claude Code de mettre à jour la mémoire, lui demander d'ajouter un [[wikilink]] à la MOC pertinente et à MEMORY.md signifie que la nouvelle note est immédiatement accessible depuis deux points d'entrée. Le graphe reste cohérent sans maintenance manuelle.

Points cles
  • Wikilink : lien [[double-crochets]] entre des notes
  • MOC (carte de contenu) : une note hub organisée qui indexe un sujet
  • Retrolinks : index inverse montrant quelles notes référencent une note donnée
  • Cohérence du graphe : chaque nouvelle note reliée à au moins une MOC et à MEMORY.md

Types de mémoire

Claude Code organise la connaissance persistante en quatre types de mémoire, chacun stocké dans un fichier différent et chargé à un moment différent. Comprendre lequel utiliser évite l'encombrement et garantit que le bon contexte arrive au bon moment.

La séparation est importante car la mémoire utilisateur est chargée inconditionnellement à chaque session, elle doit donc rester courte et universelle. La mémoire de projet n'est chargée que lorsque Claude démarre dans ce dépôt. Les notes de retour d'expérience et de référence sont chargées à la demande via des liens dans MEMORY.md, ce qui maintient la fenêtre de contexte active (la mémoire de travail que Claude conserve pendant une conversation) légère.

Une erreur courante consiste à écrire des règles spécifiques à un projet dans la mémoire utilisateur, ou à entasser tous les faits dans un seul fichier énorme. Gardez chaque note atomique (un sujet par fichier), liez-la depuis le bon index, et Claude récupérera exactement ce dont il a besoin sans gaspiller de tokens (l'unité qui mesure la quantité de texte que Claude peut traiter en une fois).

Points cles
  • La mémoire utilisateur est globale, la mémoire de projet est limitée au dépôt
  • Les notes de retour d'expérience capturent les comportements corrigés
  • Les notes de référence sont des tables de consultation, pas des règles
  • Gardez les notes atomiques et liez-les depuis MEMORY.md

Rappel plutôt que relecture

Chaque fois que vous demandez à Claude de relire un fichier source uniquement pour répondre à une question, vous dépensez des tokens (les unités de texte traitées par le modèle) sur un contenu que vos notes résumaient déjà. Au niveau Expert, l'habitude à cultiver est la suivante : interrogez vos notes en premier, ouvrez le fichier brut uniquement si la note est insuffisante.

Un second cerveau bien entretenu (votre vault Obsidian ou tout autre système de notes liées) stocke le sens distillé de chaque fichier : décisions clés, points d'entrée, pièges à éviter et liens croisés. Demander à Claude d'interroger ce graphe coûte une fraction de ce que coûterait la lecture de dizaines de fichiers sources depuis le début. Avec un outil comme Graphify (un constructeur de graphes de code qui cartographie votre dépôt en noeuds et arêtes), une seule requête sur le graphe peut remplacer la lecture de tout un arbre de modules.

Le flux de travail comporte trois niveaux :

Cette approche par niveaux correspond à la façon dont un ingénieur senior travaille avec une grande base de code : le modèle mental d'abord, le fichier source en dernier recours seulement. Vos notes sont votre modèle mental sur disque.

Points cles
  • Interrogez vos notes avant d'ouvrir les fichiers sources pour économiser des tokens
  • Graphify cartographie un dépôt en graphe de noeuds interrogeable
  • Niveau 1 rappel, Niveau 2 portion ciblée, Niveau 3 lecture complète
  • Des notes obsolètes sont la seule raison valable de descendre au Niveau 3

Injecter les conversations dans le cerveau

Chaque session Claude Code que vous avez lancée est un enregistrement riche : prompts, chaînes de raisonnement, modifications de code et résultats. Par défaut, ces sessions sont stockées dans un répertoire de journaux local et ne sont jamais relues. Injecter les conversations dans le graphe de connaissance signifie exporter ces journaux, les analyser et les injecter dans votre vault Obsidian (votre second cerveau) afin que Claude puisse les retrouver lors de sessions futures, sans relire les textes bruts.

L'étape d'export utilise claude-extract, un petit utilitaire Node qui lit les fichiers de session Claude Code (stockés sous ~/.claude/projects/ en tant que fichiers JSONL, où JSONL signifie un objet JSON par ligne). Sous Windows, définissez PYTHONUTF8=1 avant d'exécuter toute variante Python afin d'éviter les erreurs d'encodage avec les caractères accentués.

Une fois exportées, les transcriptions atterrissent dans un dossier (conventionnellement _conversations/ dans votre vault). Graphify les ingère ensuite : il construit un graphe de type AST (AST signifie Abstract Syntax Tree, une carte structurée des relations) qui relie les nœuds de session aux nœuds de projet, aux nœuds de skills et aux notes mémoire. Le graphe résultant peut atteindre des milliers de nœuds et permet à Claude de répondre à des questions comme "qu'avons-nous décidé sur la géométrie des portes dans Plan2Tour ?" en parcourant les arêtes du graphe plutôt qu'en relisant des centaines de fichiers.

Points cles
  • claude-extract exporte les fichiers JSONL de session dans le vault
  • Graphify construit un graphe de nœuds reliant les sessions aux projets et aux notes mémoire
  • PYTHONUTF8=1 évite les erreurs d'encodage sous Windows lors de l'export
  • Les requêtes sur le graphe remplacent la lecture intégrale des transcriptions, réduisant considérablement le coût en tokens

Rafraîchissement nocturne

Un second cerveau (votre vault Obsidian connecté à Claude Code) n'a de valeur que si ses données sont récentes. Le code évolue chaque jour, de nouvelles notes s'accumulent, et le graphe de connaissance (la carte des connexions entre fichiers, fonctions et notes) se désynchronise au fil de la nuit. La consolidation planifiée consiste à lancer des tâches automatisées à heure fixe chaque soir pour tout remettre en phase avant la prochaine session de travail.

Deux tâches complémentaires couvrent ce besoin : un rafraîchissement du graphe (réanalyse de tous les dépôts avec Graphify pour mettre à jour les noeuds et les arêtes AST) et un passage de rêve (un agent de consolidation qui lit les notes récentes, intègre les informations importantes dans la mémoire permanente et tisse de nouveaux wikilinks). Les exécuter dans l'ordre, graphe d'abord puis rêve, garantit que l'agent de rêve raisonne toujours sur le graphe le plus récent.

Sous Windows, le Planificateur de tâches gère les deux. Chaque tâche appelle un script PowerShell qui se place dans le bon répertoire, invoque claude en mode non interactif avec une invite préparée, et consigne le résultat. Les options clés sont :

Le résultat : chaque matin votre index de vault est à jour, vos notes de mémoire portent les informations de la nuit, et Claude Code charge un graphe qui reflète ce qui existe vraiment plutôt qu'un instantané périmé.

Points cles
  • Planifier le rafraîchissement du graphe avant le passage de rêve, pas après.
  • Utiliser --print pour les exécutions non interactives de Claude Code.
  • Opus pour la consolidation à raisonnement intensif, Sonnet pour les résumés.
  • Journaliser chaque exécution pour repérer les échecs silencieux le matin.
Travailler avec moi

Maitrisez Claude, Claude Code et les LLM, de votre premier prompt a l orchestration multi-agents.

Ce cours vous plait ? Je l ai concu de bout en bout. Besoin d une web app, d une app mobile, d une automatisation IA ou de SEO/GEO ? Parlons-en.

Me contacter sur LinkedInVoir un site que j ai realise