SMF·RECALL
Un prompt peut-il remplacer Recall ?
Lecture différée et RSS — read-later, bookmarks and RSS
Bordereau de suivi des pièces
Verdict
La moitié sauvegarde et résumé est un travail ordinaire. Le graphe est ce qui rend Recall distinctif, et bien le construire veut dire résister à l’approche évidente : relier uniquement par similarité d’embeddings produit une pelote où tout se connecte à tout. Extraire des entités nommées et relier sur des entités partagées donne un graphe qui a un sens, ce qui représente une session de travail en plus et fait la différence entre un outil utile et une jolie image.
Pièce A — Le prompt
Reçu le31.07.2026Construis un graphe de connaissances personnel alimenté par les choses que tu sauvegardes, où les liens viennent d’entités partagées plutôt que d’une similarité brute.
Sources : une page web par URL, une vidéo YouTube par URL (en utilisant sa transcription), un PDF importé, et du texte collé. Récupère poliment, respecte le robots.txt, fais tourner Readability pour les pages web, et ne tente jamais de contourner un paywall ou une connexion.
Extraction, par élément sauvegardé :
- Un résumé de quelques phrases, et trois à cinq points clés.
- Des entités nommées, typées : personnes, organisations, produits, lieux, et concepts. Demande-les au modèle comme une liste structurée, et normalise chacune — en minuscules, suffixes courants retirés, et rapprochée des entités déjà dans le graphe pour que « OpenAI » et « Open AI » deviennent un seul nœud plutôt que deux.
- Le propre thème de l’élément, choisi dans la liste de thèmes existante de l’utilisateur quand l’un convient, et proposé comme nouveau seulement quand aucun ne convient. La création de thèmes non contrôlée est ce qui transforme un graphe en bruit.
Le graphe : les éléments et les entités sont tous deux des nœuds. Un élément se lie à chaque entité qu’il mentionne. Deux éléments sont liés quand ils partagent des entités, pondérés par la rareté de l’entité partagée dans toute la collection — une mention partagée d’un chercheur obscur signifie bien plus qu’une mention partagée d’une grande entreprise qui apparaît dans la moitié de ta bibliothèque. Calcule ce poids explicitement et affiche-le, pour qu’une connexion surprenante puisse être expliquée.
Ne relie délibérément pas uniquement par similarité d’embeddings. Ça produit un graphe où tout est vaguement connecté à tout, ce qui a l’air impressionnant et ne répond à aucune question. Les embeddings peuvent être utilisés comme signal secondaire pour la liste d’éléments liés, clairement identifié comme tel.
Vues : une page d’élément avec son résumé, ses points clés, ses entités et les éléments liés classés par poids d’entité partagée. Une page d’entité listant chaque élément qui la mentionne, chronologiquement, ce qui est la vue qui transforme le graphe en recherche. Une visualisation en graphe, délibérément filtrée au voisinage d’une entité plutôt que de tout montrer à la fois.
Demander : répondre à une question à partir de la collection en récupérant les éléments les mieux pondérés pour les entités de la question, en n’envoyant que ceux-ci, et en exigeant que la réponse cite les éléments utilisés, avec un refus franc quand la collection ne contient pas de réponse.
Stockage : PostgreSQL pour les éléments, les entités et les arêtes. Recherche plein texte sur les résumés et le texte original.
Utilise Anthropic pour l’extraction et les réponses. Sans clé, la sauvegarde, le stockage et la recherche doivent continuer à fonctionner, avec l’extraction d’entités désactivée et clairement indiquée.
Hors périmètre : une extension navigateur, les applications mobiles, la synchro, et toute recommandation de contenu que tu n’as pas sauvegardé.L’ouverture pré-remplit le prompt — il ne reste qu’à appuyer sur entrée.
Pièce B — Ce que tu perds
- B.1 l’extension navigateur et la capture mobile
- B.2 la synchro entre appareils
- B.3 l’extraction hébergée qui gère fiablement les sources difficiles
- B.4 la finition d’une vue graphe conçue pour l’exploration
Alternatives existantes
Pièce C — Pourquoi certains continuent de payer : capture polish, sync, and content partnerships
Parce que la capture doit être sans friction sinon le graphe reste vide, et une base de connaissances avec trente éléments dedans n’est pas une base de connaissances.
Questions
Est-ce que je peux importer ma bibliothèque Recall ?
Recall exporte les éléments sauvegardés avec leurs résumés, et les URL et le texte passent bien. Le graphe ne s’exporte pas, mais il n’a pas besoin de le faire — tout l’intérêt, c’est que l’extraction d’entités le reconstruit à partir des éléments à l’import, ce qui prend un appel de modèle par élément.
Pourquoi ne pas simplement relier par similarité d’embeddings ?
Parce que ça produit un graphe où chaque élément est légèrement lié à chaque autre, ce qui est visuellement impressionnant et inutile. La liaison par entité partagée pondérée par la rareté donne des arêtes que tu peux expliquer, et pouvoir répondre à « pourquoi ces deux-là sont connectés » est ce qui rend le graphe utile.
Combien ça coûte à faire tourner ?
Un appel d’extraction par élément sauvegardé — résumé, points clés et entités en une seule requête structurée — ce qui représente une fraction de centime pour un article et quelques centimes pour un long PDF. Sauvegarder cent éléments par mois coûte environ un dollar, plus un petit VPS.
Quelle est la seule chose qui ne survit pas à la reconstruction ?
La capture sans friction. Un graphe de connaissances vaut exactement ce qu’il contient, et sans extension navigateur ni menu de partage sur téléphone, tu ne sauvegardes que les choses dont tu te souviens de coller — ce qui est une fraction de ce que tu lis réellement.
Outils proches
Récépissé