Sommaire11 parties
qmd est un moteur de recherche en ligne de commande qui tourne entièrement sur ta machine. Il indexe tes notes markdown, tes transcriptions de réunion et ta documentation, puis te laisse les interroger avec des mots-clés ou une question. Il peut aussi servir de source de documents à un agent IA.
En bref
- Recherche locale dans tes notes, docs et transcriptions, sans envoi en ligne
- Combine mots-clés (BM25), recherche sémantique et reclassement par un modèle de langage
- Sorties JSON et listes de fichiers pensées pour les agents, plus un serveur MCP
- Installation par npm ou bun, licence MIT
- Version 2.9.0 publiée le 18 novembre 2026
Qu’est-ce que qmd ?
qmd, pour Query Markup Documents, est un moteur de recherche qui fonctionne sur l’appareil. Tu lui indiques des dossiers de notes markdown, de transcriptions de réunion, de documentation ou de bases de connaissances, et il te permet de retrouver un passage avec des mots-clés ou en langage naturel.
Le projet se présente comme idéal pour les flux de travail avec des agents IA. Tout tourne en local via node-llama-cpp et des modèles au format GGUF : l’outil ne demande aucun service en ligne pour chercher dans tes fichiers.
Comment fonctionne qmd
qmd empile trois techniques. La recherche BM25 classe les documents selon les mots-clés qu’ils contiennent. La recherche par vecteurs compare le sens de ta requête à celui des textes indexés. Enfin, un modèle de langage reclasse les meilleurs candidats.
Avant la recherche, une étape d’expansion de requête génère des variantes de ta question. D’après le README, les variantes de type lex partent vers la recherche par mots-clés, celles de type vec et hyde vers la recherche vectorielle. La requête d’origine est envoyée aux deux moteurs, puis les résultats sont fusionnés par Reciprocal Rank Fusion avant le reclassement final.
qmd search: recherche rapide par mots-clésqmd vsearch: recherche sémantiqueqmd query: recherche hybride avec reclassement, présentée comme la meilleure qualité
Installer qmd et lancer une première recherche
qmd s’installe avec Node ou Bun, ou se lance directement avec npx ou bunx. Tu déclares ensuite des collections, c’est-à-dire des dossiers à indexer, puis tu génères les embeddings avec qmd embed.
Le README insiste sur une fonction : le contexte. Chaque collection reçoit une courte description, renvoyée avec les documents correspondants, ce qui aide un modèle de langage à mieux choisir parmi les résultats.
npm install -g @tobilu/qmd
qmd collection add ~/notes --name notes
qmd context add qmd://notes "Personal notes and ideas"
qmd embed
qmd search "project timeline" # Fast keyword search
qmd vsearch "how to deploy" # Semantic search
qmd query "quarterly planning process" # Hybrid + reranking (best quality)
Donner tes documents à un agent avec qmd
Les options --json et --files produisent des sorties structurées pour les agents. Tu peux par exemple lister tous les fichiers pertinents au-dessus d’un seuil de score, ou récupérer le contenu complet d’un document avec qmd get.
qmd expose aussi un serveur MCP (Model Context Protocol), un protocole de connexion entre outils et assistants. Il offre les outils query, get, multi_get, status et metadata. Le README donne une configuration pour Claude Desktop et un plugin pour Claude Code. Un mode HTTP permet un serveur partagé qui garde les modèles chargés.
qmd search "authentication" --json -n 10
qmd query "error handling" --all --files --min-score 0.4
qmd get "docs/api-reference.md" --full
qmd mcp --http # localhost:8181
Utiliser qmd comme bibliothèque
qmd s’utilise aussi comme bibliothèque dans une application Node.js ou Bun, via la fonction createStore. Le README décrit la recherche, la récupération de documents, la gestion des collections et du contexte, l’indexation et la génération d’embeddings.
Le SDK demande un chemin de base de données explicite : aucun défaut n’est supposé, ce qui le rend sûr à intégrer sans effet de bord, selon le README.
Où en est qmd
Au 21 novembre 2026, le dépôt compte 31 312 étoiles, 1 976 copies, 101 contributeurs et 266 tickets et demandes de fusion ouverts. Il a été créé le 8 décembre 2025, et son code a été modifié pour la dernière fois le 20 novembre 2026.
La version 2.9.0, publiée le 18 novembre 2026, ajoute des processeurs de documents, le filtrage par métadonnées et la prise en charge de modèles distants. Elle met à jour llama.cpp et renforce l’indexation concurrente et l’arrêt du serveur MCP. La 2.8.3 (16 août 2026) a surtout apporté des correctifs de sécurité.
Ce qu’il faut savoir avant d’utiliser qmd
qmd est sous licence MIT. Le README ne donne pas de configuration minimale, ni pour la mémoire ni pour la carte graphique, et ne chiffre pas le temps d’indexation.
Côté sécurité, le serveur HTTP écoute sur localhost par défaut et rejette les requêtes dont l’en-tête Origin ou Host n’est pas local. Ses points d’accès ne demandent pas d’authentification : si tu l’ouvres hors de ta machine, il faut placer ta propre authentification devant. Depuis la version 2.8.3, les commandes d’un fichier de configuration local au projet demandent une approbation via qmd trust.
Quelques repères
- Embedding : Représentation d’un texte sous forme de liste de nombres, calculée par un modèle. Deux textes de sens proche donnent des listes proches, ce qui permet une recherche par le sens.
Questions fréquentes
qmd envoie-t-il mes notes sur Internet ?
Non, d’après son README, qmd fonctionne en local via node-llama-cpp et des modèles GGUF. L’indexation et la recherche se font sur ta machine.
Comment installer qmd ?
Avec npm install -g @tobilu/qmd ou bun install -g @tobilu/qmd. Tu peux aussi le lancer sans l’installer avec npx @tobilu/qmd.
Quelle est la différence entre qmd search, vsearch et query ?
qmd search fait une recherche rapide par mots-clés, qmd vsearch une recherche sémantique, et qmd query combine les deux avec un reclassement par modèle de langage.
qmd est-il gratuit et open source ?
Oui, qmd est publié sous licence MIT. Le README ne mentionne aucune offre payante.
À retenir
qmd indexe tes notes, transcriptions et documents markdown et les interroge en local, par mots-clés, par le sens ou avec un reclassement par modèle de langage. Il propose aussi des sorties pour agents IA, un serveur MCP et une bibliothèque, et sa version 2.9.0 date du 18 novembre 2026.






