Claude Code et NotebookLM : monter un système RAG gratuit pour la recherche approfondie

Analyser un gros corpus de documents reste l'un des problèmes les plus irritants de Claude Code : la recherche web intégrée livre des résultats superficiels, et les tokens fondent à vue d'œil. La parade, qui gagne en popularité dans la communauté des développeurs russophones, consiste à associer Claude Code d'Anthropic et NotebookLM de Google pour en faire un système RAG, sans dépenser un seul rouble de plus.

Pourquoi Claude Code patine sur les gros documents

Claude Code est un assistant AI en ligne de commande : il écrit du code, analyse des projets et interagit avec le système de fichiers. Son point faible, c'est l'exploitation de connaissances externes. La recherche web intégrée manque souvent de profondeur, et chaque requête puise dans le quota de tokens. Au lieu d'une recherche approfondie, on obtient un survol coûteux.

Le RAG, et ce que NotebookLM vient y faire

Le RAG (Retrieval-Augmented Generation) est une approche d'architecture dans laquelle le modèle de langage ne répond pas uniquement à partir de ses « connaissances » : il extrait d'abord les informations pertinentes d'une base de données externe, puis génère sa réponse sur cette base. Les solutions RAG d'entreprise coûtent de l'argent et exigent une infrastructure : bases de données vectorielles, pipelines d'indexation, paramétrage des embeddings.

NotebookLM est un produit expérimental de Google, conçu à l'origine comme un assistant de recherche personnel. Il ingère documents, fichiers PDF, pages web et notes, puis répond aux questions strictement dans le cadre du contexte chargé. C'est, en somme, un système d'extraction d'informations clé en main, avec citation des sources.

Le schéma d'intégration

Le schéma décrit sur Habr fonctionne ainsi : l'utilisateur charge dans NotebookLM les documents utiles (spécifications techniques, articles de recherche, documentation d'API et autres contenus qui exigent une analyse approfondie). Il se sert ensuite de NotebookLM pour une recherche préliminaire : il pose ses questions, rassemble les conclusions clés et les citations avec leurs sources. Ces synthèses structurées sont transmises à Claude Code comme contexte. Le modèle d'Anthropic travaille alors sur une information déjà concentrée et pertinente, au lieu de dépenser des tokens à chercher et filtrer.

Économie et limites de l'approche

NotebookLM est gratuit et généreux en quotas. Dans le cadre de l'abonnement Claude Pro, Claude Code dispose d'un volume de tokens déterminé, et chacun compte. Quand le modèle reçoit un contexte déjà filtré et pertinent plutôt que des résultats bruts de recherche web, l'efficacité d'utilisation des tokens est multipliée. Dans ce schéma, NotebookLM joue le rôle de préprocesseur : il élimine le bruit informationnel avant que la génération, coûteuse, n'entre en jeu.

Le marché des outils AI pour développeurs se fragmente d'ailleurs à grande vitesse : GitHub Copilot, Cursor, Windsurf, Claude Code, Google Gemini Code Assist… Chaque produit excelle dans un domaine, mais aucun ne couvre tous les besoins. Les développeurs assemblent donc de plus en plus leurs propres « stacks » de plusieurs outils AI.

L'approche a aussi ses limites. Le transfert manuel du contexte entre les deux outils ajoute une étape qui casse le flux de travail. NotebookLM impose ses propres limites de volume pour les documents chargés et ne gère pas toujours correctement les mises en forme complexes. Par ailleurs, Google peut modifier les conditions d'utilisation du service à tout moment : les produits gratuits n'offrent aucune garantie. Pour les développeurs indépendants et les petites équipes sans budget d'entreprise consacré à la recherche approfondie, la solution semble néanmoins opérationnelle.

Qu'est-ce que l'approche RAG utilisée par ce duo ?

Le RAG (Retrieval-Augmented Generation) est une approche dans laquelle le modèle de langage extrait d'abord les informations pertinentes d'une base de données externe, puis génère sa réponse sur cette base, au lieu de répondre uniquement à partir de ses « connaissances ». Dans le duo Claude Code et NotebookLM, NotebookLM se charge de l'extraction d'informations, tandis que Claude Code travaille sur le contexte obtenu.

Combien coûte le duo Claude Code et NotebookLM ?

La solution fonctionne sans un seul rouble de dépense supplémentaire : NotebookLM est gratuit et généreux en quotas, et Claude Code s'utilise dans le cadre d'un abonnement Claude Pro existant, qui fournit un volume de tokens déterminé.

Quelles sont les limites de cette approche ?

Le transfert du contexte entre les outils se fait manuellement et casse le flux de travail ; NotebookLM impose ses propres limites de volume pour les documents chargés et ne gère pas toujours correctement les mises en forme complexes ; enfin, Google peut modifier les conditions d'utilisation du service à tout moment, et les produits gratuits n'offrent aucune garantie.