Contexte
Face au volume massif de documentations techniques accumulées en 30 ans de pratique (fichiers d'aide, livres, veille web, extraits de code) et aux risquesdes formats propriétaires (Word, Access, OneNote), le défi majeur résidait dans la pérennisation, l'indexation et l'interrogation rapide de ce savoir sans dépendre de services cloud tiers.
Actions réalisées
- Migration vers des formats souverains & ouverts :
- Structuration progressive des mémos et documentations vers le format ouvert Markdown (via Joplin et moteurs Flat-File) afin d'en garantir la pérennité indépendamment de l'OS ou des logiciels.
- Catégorisation méthodique par étiquettes, arborescences sémantiques et fiches synthétiques réutilisables.
- Déploiement d'une station IA locale dédiée (2025-2026) :
- Assemblage et configuration d'une station de calcul haute performance (RTX 5080, Ryzen 7, 64 GB RAM) dédiée au traitement de données en local.
- Intégration de modèles de langage (LLM locaux) permettant d'interroger, résumer, débugger et nettoyer automatiquement les gros volumes de documentations accumulées, en totale confidentialité.
- Scraping, résumé et nettoyage automatisé :
- Élaboration de scripts de veille et d'extraction de contenu pour synthétiser les meilleures ressources techniques et éliminer la documentation obsolète.
Résultats chiffrés
- Indépendance numérique à 100% : Consultation et recherche instantanées dans 30 ans de base de connaissances sans aucune dépendance envers un cloud propriétaire.
- Productivité de recherche démultipliée : Temps de recherche de solutions techniques ou d'extraits de code divisé par 5 grâce à l'assistance IA locale et à l'indexation plein texte.
- Souveraineté des données : Zéro fuite de données personnelles ou de code source vers des API tierces lors des requêtes IA.