Guide complet NotebookLM open source : 35K étoiles — docs, Q&R et podcasts automatisés
Q&R documentaire et podcasts IA sans envoyer vos données à Google ? open-notebook (35K étoiles, MIT) : alternative auto-hébergée, Docker en 2 minutes, 1–4 locuteurs, API REST complète.
Vous voulez une base de connaissances conversationnelle à partir de vos documents — sans envoyer ces données à Google ? Ce projet open source à 35K stars vous permet de monter votre propre NotebookLM en environ deux minutes.
NotebookLM est excellent. Personne ne le conteste. Mais un problème ne disparaît jamais : chaque PDF et clip audio que vous uploadez vit sur les serveurs Google.
OK pour du contenu public. Docs de projet, fichiers clients, brouillons inédits ? Êtes-vous vraiment à l'aise de tout y mettre ?
C'est alors que j'ai trouvé open-notebook — une alternative open source à NotebookLM avec 35K GitHub stars et une licence MIT.
1. Voyez d'abord : déposez un PDF et posez des questions
Utiliser open-notebook se ressent presque comme Google NotebookLM — sauf que vos données n'ont jamais quitté votre propre serveur.
Uploadez un PDF, demandez « que couvre cette section ? » — les réponses restent ancrées dans le document, pas dans l'invention.
Le Q&A n'est qu'une première étape. Lancez la génération de podcast, choisissez deux voix, et il transforme la source en script de dialogue, puis synthétise un aperçu audio à deux voix.
Vous pouvez choisir 1 à 4 voix, chacune avec persona et voix personnalisées — bien plus flexible que les deux hôtes fixes de NotebookLM.
Les deux missions centrales de NotebookLM — Q&A IA ancré sur les documents et podcasts automatiques — sont toutes deux bien gérées. PDF, pages web, vidéo et audio deviennent des connaissances consultables.
2. Deux vrais avantages sur NotebookLM
D'abord, des podcasts plus flexibles. NotebookLM vous enferme avec deux hôtes IA fixes. open-notebook prend en charge 1–4 voix, chacune avec rôles et voix personnalisés.
Ensuite, une REST API complète. C'est l'écart pratique. open-notebook fournit une REST API complète pour l'automatisation — NotebookLM n'a pas d'équivalent public.
3. Les limites à connaître d'emblée
Les citations restent faibles. NotebookLM peut pointer « la page 3 de ce PDF ». open-notebook n'offre pour l'instant qu'un grounding basique.
Ce n'est pas gratuit. Apportez votre propre API Key IA (paiement à l'usage) ou exécutez Ollama en local (gratuit, mais gourmand en matériel). NotebookLM a au moins un tier gratuit.
En bref, il remplace la capacité de « déposer des docs et laisser l'IA les lire pour vous » — pas « profiter gratuitement sans frais ».
4. Qui devrait essayer — et qui devrait attendre
Ça vaut le coup si : vous connaissez Docker de base et tenez à garder les données hors cloud ; vous voulez des modèles non Google (DeepSeek, Anthropic, Ollama local) pour le Q&A documentaire ; ou vous avez besoin d'une API pour brancher un chat ancré sur les sources dans votre stack.
Mieux vaut attendre si : vous n'avez jamais installé Docker — le chemin de déploiement n'est pas court ; vous avez besoin de citations au niveau page — pas encore prêt ; vous voulez seulement de l'IA gratuite — c'est un outil self-hosted, pas un produit IA gratuit.
Difficulté : moyenne · Docker Desktop + une API Key IA (ou Ollama pour une config entièrement gratuite qui consomme de la VRAM).
5. Démarrage le plus rapide : Docker en environ deux minutes
Récupérez d'abord la config docker-compose :
curl -o docker-compose.yml https://raw.githubusercontent.com/lfnovo/open-notebook/main/docker-compose.yml
Définissez OPEN_NOTEBOOK_ENCRYPTION_KEY sur une chaîne secrète quelconque, puis démarrez :
docker compose up -d
Attendez 15–20 secondes, puis ouvrez http://localhost:8502 dans votre navigateur.
Configurez les modèles : si vous avez une API Key, choisissez un fournisseur sur la page Models — OpenAI, Anthropic, Google, DeepSeek, Mistral et plus (18 fournisseurs). Pour une exécution locale entièrement gratuite, utilisez examples/docker-compose-ollama.yml du dépôt — pas d'API Key requise, mais il faut un GPU.
Lancez-le, déposez un PDF et essayez le Q&A. Vingt minutes suffisent pour décider d'aller plus loin.
Conclusion
La plupart de ce que fait NotebookLM, open-notebook peut le faire aussi — avec les données entièrement entre vos mains.
Si la souveraineté des données, le choix des modèles ou les workflows pilotés par API comptent pour vous, un déploiement open-notebook de deux minutes en vaut la peine.
Projet : github.com/lfnovo/open-notebook