Présentation

Medium, historiquement une plateforme de blogs, a annoncé le lancement de TK, une application dédiée à la prise de notes et au journal intime. Disponible gratuitement sur le web, Android et iOS, l’outil se veut minimaliste, rappelant les fonctions de base d’Evernote tout en ajoutant une couche de réseau privé. L’initiative s’inscrit dans la stratégie de l’entreprise visant à réduire sa dépendance au trafic provenant de Google.

Fonctionnement et intégration IA

TK intègre un modèle de langage large accessible via le raccourci "TK". L’utilisateur tape les lettres T et K dans le texte, ce qui déclenche l’IA pour rechercher, résumer ou enrichir le contenu. Cette interaction s’apparente à des "pipes" Unix, où la sortie d’une commande alimente directement l’entrée d’une autre, mais appliquée à du texte généré. Le modèle peut ainsi classer les notes, proposer des tags ou répondre à des questions spécifiques, offrant un soutien automatisé à la gestion de la connaissance personnelle.

Architecture de partage et modèle de communauté

Les notes créées dans TK peuvent être partagées via un lien ou par e‑mail, à la manière d’un document Google. Les destinataires disposent de droits d’édition, de commentaire et d’ajout d’émoticônes. Le concept de "Libraries" regroupe les écrits autour d’un thème commun, créant des espaces de "blogging privé" où les participants peuvent contribuer sans visibilité publique. Aucun compteur de pages vues n’est enregistré, ce qui élimine les incitations liées au trafic. La structure repose sur des groupes de taille variable, de quelques membres à plusieurs centaines, et fonctionne comme un chat de groupe orienté texte.

Perspectives et limites

Le modèle économique de TK reste à définir. Medium évoque la monétisation via du contenu payant ou des abonnements à des bibliothèques spécialisées, à l’instar du modèle newsletter. L’absence de métriques publiques pourrait compliquer l’évaluation de l’engagement utilisateur, un facteur habituel pour les plateformes de contenu. De plus, la dépendance à un modèle IA externe introduit des risques de latence, de coût d’inférence et de biais algorithmique, qui ne sont pas détaillés dans l’annonce. Enfin, la version desktop annoncée n’est pas encore disponible, ce qui limite l’adoption sur les postes de travail.