présentation

Pendant des années, donner des connaissances à un système d'IA signifiait construire une infrastructure. Les entreprises voulaient que leurs agents connaissent des choses sur leur entreprise, leurs données, leurs décisions. Pour cela, elles utilisaient les méthodes traditionnelles : découper les documents, choisir un modèle d'embedding, créer une base de données vectorielle, ajuster la récupération, et encapsuler le tout dans un SDK.

contexte technique

Cependant, cette approche a conduit à verrouiller les connaissances derrière des outils et des frameworks. Les documents sont devenus des embeddings, les relations sont devenues des arêtes dans une base de données, et les connaissances sont devenues illisibles pour les humains. Chaque équipe a dû reconstruire cette infrastructure à partir de zéro, ce qui a conduit à une redondance et à une perte de temps.

implications et limites

Il existe une alternative plus simple : utiliser le markdown. Les utilisateurs d'agents comme Claude Code ou Codex ont commencé à écrire des fichiers markdown pour décrire leur projet, les conventions à suivre, et les choses à ne pas toucher. Cela a permis aux agents de mieux comprendre le contexte et de prendre de meilleures décisions. Le format markdown est suffisamment structuré pour que les modèles puissent le naviguer, mais suffisamment simple pour que les humains puissent le lire et le comprendre.

Andrej Karpathy a popularisé cette idée avec son modèle de wiki LLM, qui consiste à créer un répertoire de fichiers markdown pour stocker les connaissances. Les modèles de langage peuvent alors lire et mettre à jour ces fichiers pour maintenir les connaissances à jour. Cela permet d'éviter la redondance et la perte de temps associées à la reconstruction de l'infrastructure.

---
type: BigQuery Table
title: Orders
description: Une ligne par commande client complétée.
resource: https://console.cloud.google.com/bigquery?...
tags: [sales, revenue]
timestamp: 2026-05-28T14:30:00Z
---

Le format Open Knowledge (OKF) de Google Cloud est une spécification ouverte qui formalise le modèle de wiki LLM dans un format portable et interopérable. Les fichiers markdown peuvent être lus et écrits par n'importe quel outil, sans nécessité de traduction. Cela permet de libérer les connaissances de la prison des outils et des frameworks, et de les rendre accessibles à tous.

analyse scientifique

L'utilisation du markdown et du format OKF peut avoir des implications importantes pour la façon dont nous stockons et partageons les connaissances. En effet, cela permet de créer un système de connaissances ouvert et interopérable, qui peut être lu et mis à jour par les humains et les machines. Cela peut également réduire la redondance et la perte de temps associées à la reconstruction de l'infrastructure, et permettre aux entreprises de se concentrer sur la création de valeur plutôt que sur la gestion des connaissances.