Wiki vivant — Pattern LLM Wiki

Depuis un gist public d'Andrej Karpathy, une même idée traverse plusieurs implémentations : un agent IA lit des sources et les distille dans un wiki markdown qu'il possède et met à jour, plutôt que de tout redécouvrir à chaque conversation. Ce site rassemble le pattern d'origine et quatre familles d'extensions qui en sont nées : la gouvernance des contradictions et les agents planifiés qui le font tenir dans la durée, l'Open Knowledge Format qui le rend interopérable entre agents, la méthode des trois couches (spécification, vérification, environnement) pour fiabiliser une tâche ponctuelle confiée à une IA, et llm-wiki, une implémentation mature qui systématise audit, mémoire de session et recherche pilotée par thèse.

31 pages publiées, organisées en 6 rubriques.

Par où commencer

Chaque section ci-dessous vous dit ce qu'elle couvre et par où entrer.

Fondamentaux
5 pages · 5 concepts
Le pattern d'origine et ses principales extensions (gouvernance, Open Knowledge Format, méthode des trois couches) — le point de départ pour comprendre chaque architecture avant d'en adopter les mécanismes.
Pour commencer : Architecture hub et wikis thématiques isolés · LLM Wiki v2 (rohitg00) · Méthode des trois couches pour un travail fiable avec l'IA
Explorer la rubrique →

Concepts
3 pages · 3 principes
Les principes qui gouvernent la rédaction et la fiabilité des notes dans un wiki maintenu par une IA, et les frontières entre les différentes couches de stockage d'une base de connaissances.
Pour commencer : Frontières entre sources, wiki, inventaire et datasets · Principe du coffre orienté IA · Vérification systématique de présence ou d'absence avant réponse
Explorer la rubrique →

Méthodes
14 pages · 14 méthodes
Les mécanismes concrets de maintenance et de fiabilisation d'un wiki vivant ou d'une tâche ponctuelle : gouvernance des contradictions, agents planifiés, audit, recherche par thèse, ingestion en masse.
Pour commencer : Agents de maintenance planifiés · Audit et bibliothécaire : deux couches de contrôle qualité · Construire un environnement de travail cumulatif pour l'IA
Explorer la rubrique →

Comparaisons
1 page · 1 comparaison
Les arbitrages d'implémentation tranchés à l'usage, avec leurs critères.
Pour commencer : Recherche vectorielle vs grep+lecture dans un wiki markdown personnel
Explorer la rubrique →

Outils
2 pages · 2 outils
Les implémentations open source de référence du pattern.
Pour commencer : llm-wiki (nvk) · obsidian-second-brain
Explorer la rubrique →

Acteurs
6 pages · 6 acteurs
Les auteurs des sources traitées et des extensions du pattern.
Pour commencer : Cole · Dan Shipper · Ethan Nelson
Explorer la rubrique →

Questions fréquentes

Qu'est-ce que le pattern LLM Wiki de Karpathy ?

Une architecture en trois couches — sources brutes immuables, wiki markdown réécrit par une IA, fichier de règles — où le wiki devient la cible de récupération de connaissance plutôt que la conversation elle-même.

Qu'est-ce que l'Open Knowledge Format (OKF) ajoute au pattern d'origine ?

Une double convention minimale — organisation en bundles indexés à deux niveaux, champ de métadonnée type obligatoire — pour que des bases de connaissances construites indépendamment restent lisibles par n'importe quel agent. Détail dans Open Knowledge Format (OKF).

La méthode des trois couches de Karpathy, c'est la même chose que le pattern LLM Wiki ?

Non : sujets adjacents mais distincts. Le pattern LLM Wiki maintient une base de connaissances persistante ; la méthode des trois couches (aussi appelée système ARC) fiabilise une tâche ponctuelle confiée à une IA par spécification, vérification et environnement.

Pourquoi réécrire les pages plutôt que simplement en ajouter ?

Un wiki qui se contente d'ajouter des pages accumule des affirmations obsolètes et des contradictions plus vite qu'elles ne sont résolues. La gouvernance des contradictions et de l'obsolescence détaille les mécanismes retenus : marqueurs de confiance, réconciliation, élagage — et audit et bibliothécaire va plus loin avec des verdicts explicites.

Faut-il une base de données vectorielle pour un wiki personnel ?

Non, à l'échelle d'un wiki curé de 50 000 à 100 000 tokens : grep suivi d'une lecture trouve la bonne note plus vite et plus prévisiblement qu'une recherche par embeddings. Le détail est dans recherche vectorielle vs grep+lecture.

Existe-t-il une implémentation prête à l'emploi de ce pattern ?

Deux : obsidian-second-brain, un skill Claude Code (31 commandes, 4 agents planifiés), et llm-wiki, plus mature (hub multi-sujets, audit, recherche par thèse, mémoire de session), distribué pour Claude Code, Codex et OpenCode.