Open Notebook : alternative open source à Notebook LM

Open Notebook est une application open source, à héberger soi-même, qui sert d’assistant de recherche : tu y ranges tes documents, tu discutes avec eux et tu en tires des notes ou des podcasts. Elle se présente comme une alternative à Notebook LM de Google. Le choix du modèle d’IA reste le tien, en ligne ou en local.

En bref

• Alternative open source à Notebook LM, hébergée chez toi, sous licence MIT
• Plus de 20 fournisseurs d’IA au choix, dont Ollama pour tourner en local
• PDF, vidéos, audio et pages web : recherche et discussion avec tes contenus
• Podcasts de 1 à 4 voix, contre 2 pour Notebook LM selon le projet
• Installation avec Docker Compose, interface disponible en français

Qu’est-ce qu’Open Notebook ?

Open Notebook est un projet publié sur GitHub par lfnovo. Sa documentation le décrit comme un assistant de recherche par IA, auto-hébergé et centré sur la confidentialité. L’idée : réunir tes sources dans des carnets, puis t’appuyer sur une IA pour les interroger, les résumer et en garder des notes.

Le projet se positionne face à Notebook LM de Google, qui fonctionne uniquement sur le cloud de Google et avec ses modèles. Ici, l’application tourne sur ta machine ou ton serveur, et tu décides quels modèles elle utilise. Avec des modèles locaux, selon le README, rien ne quitte ta machine.

Comment fonctionne Open Notebook

Le travail s’organise en carnets (notebooks). Chaque carnet contient des sources (PDF, vidéos, audio, pages web, documents Office), des notes, et un espace de discussion avec l’IA. Tu peux choisir précisément ce que tu partages avec les modèles, ce que le README appelle un contrôle fin du contexte.

Côté technique, l’installation lance deux services : une base de données SurrealDB et l’application elle-même, qui regroupe l’interface, l’API et un worker, un processus qui travaille en arrière-plan. Le projet s’appuie notamment sur Python, FastAPI, Next.js et React.

Ce que sait faire Open Notebook

Le README met en avant la discussion avec tes documents : les réponses citent les sources, notes et éléments dont elles s’inspirent. La recherche combine texte intégral et recherche vectorielle, ce qui permet de retrouver une information dans l’ensemble de tes contenus.

Les podcasts sont générés avec 1 à 4 intervenants et des profils personnalisables, là où Notebook LM, d’après le tableau comparatif du projet, se limite à 2 voix. Les notes peuvent être écrites à la main ou générées avec l’IA.

• Plus de 20 fournisseurs d’IA : OpenAI, Anthropic, Google, Mistral, Ollama, ou tout serveur compatible OpenAI comme LM Studio ou vLLM
• Transformations de contenu, personnalisables, pour résumer ou extraire des idées
• Prise en charge des modèles de raisonnement comme DeepSeek-R1 et Qwen3
• API REST complète et intégration MCP, par exemple avec Claude Desktop ou VS Code
• Protection par mot de passe en option

Installer Open Notebook avec Docker Compose

Il faut Docker Desktop (macOS, Windows) ou Docker Engine avec le plugin Compose (Linux), plus une clé d’API d’un fournisseur d’IA ou un serveur de modèles local comme Ollama. La clé se saisit dans l’interface, pas dans des fichiers de configuration. D’abord, télécharge le fichier de configuration officiel.

Ensuite, ouvre docker-compose.yml et remplace la valeur de OPEN_NOTEBOOK_ENCRYPTION_KEY par un long secret que tu génères toi-même, par exemple avec openssl rand -hex 32. Cette clé chiffre les clés d’API enregistrées : conserve-la. Puis lance les services, attends environ 30 secondes et ouvre l’interface sur le port 8502.

Par défaut, l’interface (port 8502) et l’API (port 5055) sont accessibles sur toutes les interfaces réseau, sans mot de passe. Si d’autres appareils peuvent joindre la machine, le README conseille de limiter les ports à 127.0.0.1 ou d’ajouter la variable OPEN_NOTEBOOK_PASSWORD.

mkdir open-notebook && cd open-notebook
curl -o docker-compose.yml https://raw.githubusercontent.com/lfnovo/open-notebook/main/docker-compose.yml
docker compose up -d

Connecter un fournisseur d’IA

Une fois l’interface ouverte, va dans Models, dans la barre latérale. Choisis ton fournisseur, clique sur Add Configuration, saisis un nom et ta clé d’API (un fournisseur local comme Ollama demande une Base URL à la place), puis teste la connexion avec Test.

Ajoute ensuite au moins un modèle de langage et un modèle d’embedding, c’est-à-dire un modèle qui sert à la recherche. Le bouton Auto-assign Defaults assigne les modèles par défaut. Attention : Anthropic et Groq n’ont pas de modèle d’embedding, il faut les associer à un fournisseur qui en propose. Pour tourner sans clé payante, le projet renvoie vers un guide de démarrage local avec Ollama.

Où en est le projet

Au 29 octobre 2026, le dépôt compte 40 871 étoiles, 4 697 forks, 89 contributeurs et 188 tickets et demandes de fusion ouverts. Il a été créé le 21 octobre 2024, et son code a été modifié pour la dernière fois le 25 octobre 2026.

La dernière version, la v1.15.0 du 4 octobre 2026, apporte une nouvelle identité visuelle, les fournisseurs SiliconFlow et Z.ai, la synthèse vocale MiniMax pour les podcasts et un chiffrement renforcé des clés enregistrées. La v1.13.0 de juillet 2026 avait refondu l’extraction de contenu, avec la prise en charge des fichiers EPUB et des liens Reddit, et deux moteurs optionnels : Docling pour l’OCR des PDF scannés, Crawl4AI pour les pages riches en JavaScript.

Le projet précise que ses priorités actuelles sont de consolider le socle (sources, discussion, recherche, notes, podcasts). Le multi-utilisateur ou de nouveaux formats de sortie restent des pistes, pas des promesses datées.

À savoir avant de se lancer

Open Notebook est sous licence MIT. Le coût dépend du fournisseur d’IA choisi : le projet parle de payer uniquement l’usage de l’IA, ou de passer par Ollama pour éviter ces frais. Le README ne donne pas de configuration matérielle minimale pour les modèles locaux.

L’interface existe en français, parmi une quinzaine de langues. Le mode conteneur unique est signalé comme obsolète dans la documentation, qui recommande Docker Compose.

Quelques repères

• Auto-hébergé : Un logiciel auto-hébergé tourne sur ta propre machine ou sur un serveur que tu contrôles, plutôt que chez un prestataire. Tu gardes la main sur tes données.
• Embedding : Un modèle d’embedding transforme un texte en suite de nombres qui représente son sens. Cela permet de retrouver des passages proches par le sujet, même sans les mêmes mots.
• OCR : La reconnaissance optique de caractères lit le texte présent dans une image ou un document scanné. Elle le convertit en texte exploitable par un ordinateur.

Questions fréquentes

Open Notebook est-il une alternative gratuite à Notebook LM ?

Le logiciel est open source sous licence MIT. Le coût vient du fournisseur d’IA : le projet parle de payer uniquement l’usage de l’IA, ou d’utiliser Ollama en local pour éviter les frais d’API.

Peut-on utiliser Open Notebook en local, sans envoyer ses documents dans le cloud ?

Oui. Open Notebook s’héberge toi-même et, avec des modèles locaux comme ceux d’Ollama, le README indique que rien ne quitte ta machine.

Combien de voix peut-on avoir dans un podcast généré avec Open Notebook ?

De 1 à 4 voix, avec des profils personnalisables. D’après le tableau comparatif du projet, Notebook LM se limite à 2 voix.

Comment installer Open Notebook ?

Avec Docker Compose : télécharge le docker-compose.yml officiel, remplace la clé de chiffrement par un secret à toi, lance docker compose up -d, puis ouvre le port 8502. Il faut ensuite connecter un fournisseur d’IA dans l’interface.

À retenir

Open Notebook est un carnet de recherche IA open source, sous licence MIT, qui reprend l’idée de Notebook LM en la laissant sur ta machine et en te laissant choisir le modèle. Il s’installe avec Docker Compose, et son coût dépend uniquement du fournisseur d’IA choisi.