Installer ses outils IA

Installer ses outils IA

Ton vault est en place, OpenCode est connecté. Maintenant on va donner des super-pouvoirs à ton IA en lui connectant des outils externes.

C'est quoi un MCP ?

Un MCP (Model Context Protocol) est un standard ouvert créé par Anthropic qui permet à n'importe quelle IA de se connecter à n'importe quel outil. Pense à ça comme un port USB universel pour les IA : un service expose ses capacités (scraper le web, générer une image, requêter une base de données), et ton IA peut s'y brancher sans code custom.

Sans MCP, l'IA n'a accès qu'à son entraînement et à tes fichiers locaux. Avec MCP, elle peut agir sur le monde : envoyer un email, créer une issue GitHub, transcrire une réunion, fouiller toutes tes notes. Elle choisit toute seule quel outil utiliser selon ta demande.

Les 3 types de MCP

Un MCP, ça peut tourner à 3 endroits différents. C'est utile à comprendre parce que ça change comment tu l'installes et où vont tes données.

Tu n'as pas besoin de retenir les détails techniques. Retiens juste : local (le plus fréquent, install via Node) vs remote (URL, zéro install, ce qui se généralise).

Comment installer un MCP

On t'a préparé un skill qui fait tout le boulot.

/connect-mcp firecrawl
/connect-mcp le MCP GitHub officiel
/connect-mcp playwright pour l'automatisation web

Si tu veux comprendre ce qui se passe sous le capot (format du opencode.json, différences entre OpenCode et Claude Code, etc.), le skill est lisible : Second Cerveau/4 TOOLS/skills/connect-mcp/SKILL.md.

Les outils qu'on te recommande

Maintenant que tu sais ce qu'est un MCP et comment l'installer, le mieux est de parcourir un à un les articles ci-dessous. On y détaille pour chaque outil : à quoi il sert concrètement, pourquoi on l'a sélectionné parmi les alternatives, et la procédure d'installation pas à pas avec les bons réglages.

Tu n'es pas obligé de tous les installer tout de suite — mais lis-les tous pour avoir une vue d'ensemble de la trousse à outils. Tu sauras quoi activer le jour où tu en as besoin.

Firecrawl : Accès au web

Ce que ça fait : Ton IA peut lire n'importe quelle page web, faire des recherches, extraire du contenu.

Coût : Gratuit (500 pages). Largement suffisant pour commencer.

→ Voir le complément Configurer Firecrawl

Playwright MCP : Contrôle du navigateur

Ce que ça fait : Ton IA peut naviguer sur le web comme un humain, cliquer, remplir des formulaires, prendre des screenshots. Standard officiel Microsoft, le plus utilisé en 2026.

Coût : Gratuit (open-source @playwright/mcp, tourne en local).

→ Voir le complément Configurer Playwright MCP (contrôle navigateur)

fal.ai : Génération d'images et de vidéos

Ce que ça fait : Donne à ton IA accès à tous les modèles SOTA de génération images (Nano Banana, Seedream, FLUX, Ideogram, Recraft, Qwen Image) et vidéos (Veo 3, Kling 2.5, Wan 2.5, Hailuo) via un seul MCP officiel. L'IA pioche le bon modèle selon ta demande.

Coût : Pay-as-you-go, des fractions de centime par image, de quelques centimes à quelques euros par vidéo. Pas d'abonnement.

→ Voir le complément Générer des images et des vidéos avec ton IA (fal.ai)

Fathom + Granola : Transcription de réunions

Ce que ça fait : Enregistre et transcrit automatiquement tes réunions. Génère des résumés et action items. Deux outils complémentaires : Fathom (un bot qui rejoint Zoom, Meet, Teams, multi-plateforme) ou Granola (sans bot, capte l'audio directement sur ton Mac, marche aussi en présentiel).

Coût : Plans gratuits pour les deux. Fathom : enregistrements illimités, 5 résumés IA/mois. Granola : 25 réunions/mois sur le plan gratuit.

→ Voir le complément Configurer Fathom + Granola

QMD : Recherche sémantique dans ton vault (optionnel)

Ce que ça fait : Ton IA peut fouiller dans toutes tes notes d'un coup et trouver les passages pertinents, même s'ils n'utilisent pas les mêmes mots.

Coût : Gratuit et open-source. Tourne sur Mac M1+, Linux, ou Windows via WSL2.

→ Voir le complément Vectoriser ton coffre avec QMD

Par où commencer

Ordre recommandé :

Tu n'es pas obligé de tout installer maintenant. Commence par Firecrawl et Playwright MCP. Ajoute les autres au fil du bootcamp.

• Je comprends ce qu'est un MCP et la différence entre local (stdio) et remote (HTTP / SSE)
• Je sais que `/connect-mcp` fait l'installation pour moi sur OpenCode, Claude Code et Claude Desktop
• J'ai parcouru les articles complémentaires de chaque outil
• J'ai installé au moins Firecrawl et Playwright MCP
• J'ai noté les outils que j'activerai plus tard selon mes besoins

Configurer Firecrawl

Firecrawl donne à ton IA la capacité de lire le web. Sans lui, ton IA est aveugle à tout ce qui se passe en ligne. Avec lui, elle peut scraper des pages, faire des recherches, extraire du contenu automatiquement.

Étape 1 : Créer un compte et obtenir ta clé API

1. Va sur firecrawl.link/eliott-meunier (mon lien : -10% sur ton abonnement)
2. Clique sur Get Started
3. Crée un compte
4. Va dans API Keys et génère une clé
5. Copie la clé (format : fc-xxxxx)

Coût : Le plan gratuit (500 pages) suffit largement pour commencer. Si tu passes en payant plus tard, le lien ci-dessus te garde le -10%.

Étape 2 : Installer le MCP avec /connect-mcp

C'est ton premier MCP, et on utilise pour lui la même méthode que pour tous les autres du bootcamp (Playwright, Beeper, Microsoft 365...) : le skill /connect-mcp fourni dans ton vault.

Dans OpenCode (ou Claude Code), lance simplement :

/connect-mcp firecrawl

Le skill te demande ta clé API (fc-xxxxx), détecte tes outils installés (OpenCode, Claude Code, Claude Desktop), patche la config tout seul et vérifie que tout est en place. Tu n'as rien à éditer à la main.

Si /connect-mcp n'est pas dispo chez toi, demande-le directement à OpenCode :

J'aimerais que tu installes le MCP Firecrawl pour pouvoir scraper et
rechercher sur le web. Voici ma clé API : fc-xxxxx

Il configure le MCP et patche sa propre config, tu n'as rien à faire manuellement.

Étape 3 : Utiliser

Maintenant tu peux demander directement à ton IA :

Scrape la page https://exemple.com et résume le contenu

Recherche sur le web les dernières tendances en IA et fais-moi une synthèse

Extrais toute la documentation de ce site et crée des notes dans mon vault

L'IA choisira automatiquement d'utiliser Firecrawl quand ta demande concerne le web.

Les 3 modes de Firecrawl

Cas d'usage concrets

Veille automatisée

Recherche les 5 derniers articles sur [mon domaine].
Résume chaque article en 3 bullet points.
Crée une note de veille dans mon vault.

Extraire une documentation

Crawle la documentation de [outil] sur https://docs.exemple.com
Crée des notes atomiques pour chaque concept important.

Analyser un concurrent

Scrape la page pricing de [concurrent].
Compare avec notre offre.
Liste les différences clés.

• J'ai créé mon compte Firecrawl
• J'ai obtenu ma clé API
• J'ai installé le MCP via `/connect-mcp firecrawl` (ou demandé à OpenCode)
• J'ai testé une recherche web dans OpenCode

Configurer Playwright MCP (contrôle du navigateur)

Playwright MCP donne à ton IA un vrai navigateur web. Contrairement à Firecrawl qui lit le HTML d'une page, Playwright peut naviguer, cliquer, remplir des formulaires, se connecter avec ton login, prendre des screenshots — exactement comme toi devant ton écran.

C'est le standard de fait pour le contrôle navigateur via MCP en 2026 : maintenu par Microsoft (qui maintient aussi Playwright depuis des années), local, sécurisé, et il « voit » les pages via l'arbre d'accessibilité plutôt que via screenshots — ce qui est beaucoup plus économe en tokens (3 à 4x moins cher qu'une approche screenshot-only).

Pourquoi en plus de Firecrawl ?

Firecrawl est excellent pour lire des pages publiques. Mais certains usages nécessitent un vrai navigateur :

• Pages avec login — Firecrawl ne peut pas se connecter à ton compte
• Applications web dynamiques — Certaines apps chargent tout en JavaScript après login
• Workflows multi-étapes — Cliquer, remplir, valider, télécharger
• Screenshots — Capturer visuellement une page (utile pour de la veille concurrentielle)
• Tester un site qu'on est en train de développer — Naviguer dedans, signaler des bugs

En pratique : installe les deux. L'IA choisit automatiquement le bon outil selon ta demande.

Installation via /connect-mcp

Le plus simple : utiliser le skill /connect-mcp fourni dans ton vault. Lance-le dans OpenCode (ou Claude Code) :

/connect-mcp playwright

Le skill détecte tes outils installés (OpenCode, Claude Code, Claude Desktop), patche le bon fichier de config (opencode.json ou ~/.claude.json), et configure Playwright MCP via npx (rien à installer manuellement).

Le package officiel utilisé est @playwright/mcp (Microsoft).

Coût : Gratuit. Open-source, tourne 100 % en local sur ta machine.

Si /connect-mcp n'est pas dispo chez toi, demande à OpenCode :

Installe le MCP officiel Playwright (@playwright/mcp). Patche mon
opencode.json (ou ~/.claude.json) pour l'activer. Pas besoin de clé API.

Tester

Demande à ton IA :

Ouvre le site https://example.com dans le navigateur,
prends un screenshot, et décris-moi ce que tu vois.

Tu peux aussi tester des interactions plus avancées :

Va sur https://news.ycombinator.com, lis les 5 premiers titres,
et résume-les.

Sur ton tout premier lancement, Playwright va télécharger les binaires du navigateur (~150 Mo) en arrière-plan. C'est normal et ça ne se reproduira plus.

Cas d'usage concrets

Extraire des données d'une app avec login

Connecte-toi à mon compte [service] avec l'email xxx et le mot de passe xxx
(que tu peux récupérer via `bw get password "service"`).
Va dans la section "Rapports".
Télécharge le rapport du mois dernier et range-le dans 0 INBOX/.

Astuce sécurité : plutôt que de coller tes credentials, branche le CLI Bitwarden (cf. la leçon Zoom sur la sécurité). L'IA récupère le mot de passe à la volée, sans qu'il transite dans ton prompt.

Documenter un process visuel

Ouvre [url de mon app].
Prends un screenshot de chaque étape du process d'inscription.
Crée une note dans mon vault avec les screenshots et un descriptif.

Veille visuelle / concurrentielle

Ouvre la page d'accueil de [concurrent].
Prends un screenshot et range-le dans 3 RESSOURCES/Veille/.
Compare avec le dernier screenshot que tu as de ce site.
Dis-moi ce qui a changé.

Tester un site qu'on développe

Le site que je suis en train de coder tourne sur http://localhost:3000.
Va dessus, navigue dans le menu principal, signale-moi tout ce qui
semble cassé ou bizarre visuellement.

Alternatives à connaître

Playwright MCP couvre 95 % des cas. Si tu as un besoin spécifique :

Migré depuis l'ancien Browser MCP ? L'ancien projet browser-mcp (basé sur Puppeteer) est moins maintenu et plus coûteux en tokens. Bascule sur @playwright/mcp — la migration prend 30 secondes via /connect-mcp.

Sécurité

Playwright MCP tourne en local sur ta machine. Tes identifiants ne sont pas envoyés à un serveur tiers. Le navigateur se ferme après chaque session. Tu peux le lancer en mode --headless (sans fenêtre visible) ou avec fenêtre pour suivre ce que l'IA fait en temps réel.

Pour les workflows sensibles, combine avec Bitwarden CLI (cf. Zoom sur la sécurité) : l'IA pioche les credentials au moment d'exécuter, jamais en clair dans ton prompt.

• J'ai installé Playwright MCP via /connect-mcp (ou demande à OpenCode)
• J'ai testé une navigation simple + un screenshot
• Je comprends quand utiliser Firecrawl (lecture) vs Playwright (actions)
• Je sais que je peux mixer Bitwarden CLI + Playwright pour les pages avec login

Générer des images et des vidéos avec ton IA

Tu veux que ton IA puisse créer des images et des vidéos directement depuis ton coffre — pour illustrer une note, mocker un visuel produit, générer un asset LinkedIn, faire la miniature d'une vidéo YouTube, animer une photo de produit, ou produire un clip teaser. La logique est simple : on lui donne un outil. Cet outil, c'est fal.ai.

Pourquoi fal.ai et pas X autre provider :

• Tous les modèles SOTA en un seul endroit, images comme vidéos
• Une seule facture à la consommation, pas d'abonnement fixe
• MCP officiel hosté prêt à brancher sur Claude Code, OpenCode, Cursor — l'IA appelle elle-même les modèles, choisit le bon, télécharge les résultats dans ton coffre
• Les nouveaux modèles arrivent généralement chez fal avant chez les concurrents

Étape 1 : Créer un compte fal.ai et générer une clé

1. Va sur fal.ai et crée ton compte (Google ou GitHub)
2. Va dans Dashboard → Keys et génère une API key
3. Mets quelques euros de crédit pour commencer (10 € suffisent pour des centaines d'images ou plusieurs dizaines de secondes de vidéo)
4. Stocke la clé dans Bitwarden ou ton keyring

Aucun abonnement. Tu paies à la consommation, des fractions de centime par image, quelques centimes par seconde de vidéo.

Étape 2 : Laisse ton IA brancher le MCP fal.ai

fal propose un MCP officiel hosté (HTTP remote, pas besoin d'installer un package). Le plus simple : tu colles le prompt ci-dessous dans OpenCode (ou Claude Code), ton IA détecte ta config, patche le bon fichier, vérifie que ça marche.

J'aimerais que tu branches le MCP officiel fal.ai sur mon système
pour que tu puisses générer des images et des vidéos.

1. Voici ma clé API fal : YOUR_FAL_KEY
   (récupérée sur https://fal.ai/dashboard/keys, garde-la en sécurité)

2. Détecte mes outils IA installés (OpenCode, Claude Code, Claude Desktop)
   et patche le bon fichier de config pour chacun. Le MCP est en
   transport HTTP remote, à l'URL :
   https://mcp.fal.ai/mcp
   avec header : Authorization: Bearer <ma clé>

3. Documentation officielle si tu as un doute sur le format :
   https://fal.ai/docs/documentation/setting-up/mcp

4. Une fois patché, indique-moi clairement qu'il faut que je
   redémarre OpenCode / Claude Code pour que le MCP soit pris en compte.

5. Au redémarrage, fais un petit test de génération (par exemple une
   image de chat avec Nano Banana) pour valider que ça marche.

Ne touche pas aux autres MCPs déjà configurés. Si la config existe
déjà, fais juste un merge propre.

Si tu as le skill /connect-mcp du vault, tu peux aussi lancer simplement /connect-mcp fal-ai — il fait pareil mais avec son propre workflow.

Ce que ça donne

Une fois connecté, ton IA a accès à :

• Search models : elle explore le catalogue fal pour trouver le modèle adapté à ta demande
• Check schemas : elle lit la doc d'un modèle pour appeler les bons paramètres du premier coup
• Run inference : elle déclenche la génération (image ou vidéo)
• Upload files : pour les modèles image-to-image et image-to-video
• Browse docs : elle reste à jour sans que tu doives lui expliquer

Concrètement : tu dis « génère-moi une image de... » ou « anime cette photo en clip 5s », l'IA choisit le modèle pertinent, appelle fal, télécharge le résultat, range-le dans 3 RESSOURCES/Images/ ou la casquette pertinente.

Étape 3 : Découvre les modèles disponibles

Le paysage des modèles bouge chaque mois. Plutôt que de te donner une liste qui sera périmée dans 8 semaines, va voir ce qui est dispo aujourd'hui directement à la source :

Tu y trouves toujours les derniers modèles SOTA pour :

• Image text-to-image : génération à partir d'un prompt texte
• Image editing / image-to-image : modifier une image existante (changer le fond, retoucher, styliser)
• Texte dans l'image : pour les visuels avec slogan, titre, logo
• Vidéo text-to-video : génération de clip à partir d'un prompt
• Vidéo image-to-video : animer une photo
• Lipsync / avatar parlant : faire parler un visage
• Audio / musique : voix off, jingles, ambiances

Tu n'as pas à mémoriser les noms — ton IA explore le catalogue via search models et choisit la bonne option. Si tu veux forcer un modèle précis, mentionne-le dans le prompt (« génère avec Ideogram », « utilise Veo 3 »).

Étape 4 : Expérimente et fabrique tes propres skills

L'IA a accès à fal. Tu vas vite identifier 3-5 cas que tu refais souvent : miniature YouTube, asset LinkedIn, mockup produit, illustration de note, clip teaser, animation produit. Crée un skill par cas. Tu lances /miniature-youtube, l'IA sait exactement quel modèle utiliser, quel ratio, où ranger le résultat.

Exemple : prompt pour qu'elle te crée un skill

J'ai connecté fal.ai. Je veux un skill /miniature-youtube qui :
- Me demande le titre de la vidéo + 2-3 mots-clés visuels
- Va voir sur fal.ai/explore quel est le meilleur modèle SOTA
  pour du texte propre dans une image à l'été 2026
- Génère au format 1280x720, style dynamique
- Range le résultat dans 2 CASQUETTES/Contenus/Youtube/miniatures/
- Renvoie le path final + coût estimé

Crée ce skill dans 4 TOOLS/skills/miniature-youtube/SKILL.md
en suivant la convention de mes autres skills.

L'IA crée le skill, tu valides, et la prochaine fois tu lances juste /miniature-youtube au lieu de re-spécifier tout.

Autres skills typiques à créer pour toi-même :

• /asset-linkedin — visuel carré ou portrait pour post LinkedIn
• /mockup-produit — photo produit en lifestyle ou e-commerce
• /clip-pub — clip vertical 9:16 de 6-8s pour social
• /anim-produit — image-to-video à partir d'une photo
• /broll-ia — clips d'illustration courts pour vidéos longues

Cas d'usage typiques

Image — miniature avec texte

Génère une miniature YouTube pour ma vidéo intitulée
"Pourquoi je vide mon coffre Obsidian tous les mois".
Style : dynamique, visage humain au centre, texte court bien lisible.
Choisis le meilleur modèle dispo sur fal pour du texte dans l'image
(genre Ideogram). Range dans Youtube/miniatures/.

Image — édition d'une photo existante

J'ai pris une photo de mon nouveau produit dans 5 ATTACHMENTS/photo-produit.jpg
Génère 3 variantes :
- même produit sur un fond blanc épuré (e-commerce)
- même produit en lifestyle dans une cuisine moderne
- même produit en gros plan macro
Utilise un modèle d'édition qui garde le produit identique
(genre FLUX Kontext si toujours dispo, sinon ce que fal recommande).

Vidéo — clip teaser

Génère un clip vertical 9:16 de 6 secondes pour annoncer le lancement
de mon coaching. Style authentique, lumière naturelle, plans visage et
mains qui prennent des notes. Choisis le bon rapport qualité/prix sur
fal (Kling, Wan ou équivalent). Range dans 2 CASQUETTES/Marketing/clips/.
Dis-moi le coût exact avant de générer.

Vidéo — animer une photo

J'ai une photo de mon produit dans 5 ATTACHMENTS/produit.jpg
Anime-la en image-to-video pour faire un clip de 5s :
rotation lente, fond progressivement net. Format 1:1 pour Instagram.
Prends le meilleur modèle image-to-video dispo sur fal aujourd'hui.

Sécurité et coûts

• Clé API : dans Bitwarden ou keyring système. Jamais dans un repo public.
• Fichiers générés : range-les dans 3 RESSOURCES/ ou la casquette concernée. Ton IA peut le faire automatiquement si tu le précises dans AGENTS.md.
• Coût : surveille le dashboard fal le 1er mois pour calibrer. La plupart restent sous 20 €/mois en usage perso. Les vidéos (surtout Veo 3) montent vite — demande toujours à l'IA d'estimer le coût avant de lancer une série.
• Modération : fal applique les politiques des modèles upstream (visages célèbres, contenu sensible). Certaines générations peuvent être bloquées.

• J'ai créé un compte fal.ai et généré une clé API
• J'ai branché le MCP fal-ai dans OpenCode (ou Claude Code)
• J'ai lancé une première génération d'image pour valider la chaine
• J'ai lancé une première génération vidéo pour valider la chaine
• Je vais voir fal.ai/explore quand je veux savoir quels modèles sont SOTA aujourd'hui
• J'ai créé au moins 1 skill custom pour mon cas d'usage récurrent

Configurer Fathom + Granola (transcription de réunions)

Tes réunions sont une mine d'or pour ton second cerveau. Le défi : capturer ce qui s'y dit sans avoir à prendre des notes pendant que tu parles. Deux outils font le job de façon complémentaire : Fathom et Granola. Ils enregistrent, transcrivent, résument, et tu retrouves tout dans ton coffre.

Lequel choisir ?

Option A : Granola (Mac uniquement, sans bot)

Étape 1 : Installer

1. Va sur granola.ai
2. Télécharge l'app macOS (Apple Silicon ou Intel)
3. Crée ton compte et connecte ton calendrier (Google ou Microsoft)
4. Autorise l'app à accéder au micro et à l'audio système

Coût : Plan gratuit avec 25 réunions/mois. Plan Pro à 18 $/mois pour de l'usage intensif.

Étape 2 : Utiliser

Granola est invisible pendant tes réunions. Tu lances ton call comme d'habitude (Zoom, Meet, Teams, FaceTime, ou rien du tout pour du présentiel), tu cliques sur "Start" dans Granola, et c'est parti. Pendant la réunion, tu peux prendre tes notes habituelles dans l'app : à la fin, Granola fusionne tes notes avec la transcription IA pour produire un compte-rendu propre.

Étape 3 : Récupérer dans ton vault

Plusieurs options :

• Copier-coller : le plus simple pour démarrer, les notes Granola sont en Markdown propre
• Export : Granola exporte en Markdown, vers Notion, ou via webhook
• Automatisation n8n : en semaine 3, on branchera un webhook qui pousse automatiquement les comptes-rendus dans 0 INBOX/

Option B : Fathom (multi-plateforme, avec bot)

Étape 1 : Créer un compte

1. Va sur fathom.video
2. Clique sur Get Fathom Free
3. Connecte ton compte Google ou Microsoft (celui de tes réunions)
4. Autorise Fathom à accéder à ton calendrier

Coût : Gratuit (enregistrements illimités, transcriptions illimitées, 5 résumés IA/mois).

Étape 2 : Configurer

Dans les Settings de Fathom :

1. Auto-join : Active pour que Fathom rejoigne automatiquement tes calls
2. Recording preferences : Choisis si tu enregistres toutes les réunions ou seulement certaines

Fathom affiche un message aux participants pour les informer de l'enregistrement.

Étape 3 : Tester

Lance une réunion de test (même seul) :

1. Crée un meeting Google Meet ou Zoom
2. Fathom devrait rejoindre automatiquement
3. Parle pendant 2 minutes
4. Termine la réunion
5. Vérifie dans Fathom que l'enregistrement apparaît

Étape 4 : Préparer le webhook (pour plus tard)

Fathom peut envoyer automatiquement les résumés vers ton vault via un webhook. Tu configureras ça en semaine 3 quand tu auras ton serveur n8n.

Pour l'instant, note juste ceci :

1. Dans Fathom, va dans Settings → API Access
2. Génère une clé API (copie-la quelque part)

Tu t'en serviras quand tu créeras l'automatisation n8n qui envoie les transcripts dans ton 0 INBOX/.

Le flux Réunion → Vault (commun aux deux)

Bonnes pratiques

Nomme tes réunions clairement

Le titre de la réunion devient le titre de la note. Utilise un format cohérent :

• [Client] Kickoff projet X
• Weekly sync - Équipe produit
• Pas juste "Meeting" (trop vague)

Retrouver un moment précis

Dans Fathom comme dans Granola, tu peux :

• Rechercher par mot-clé dans la transcription
• Cliquer sur un passage pour voir l'audio/la vidéo à ce moment
• Créer des "highlights" pour les moments importants

Et la confidentialité ?

Fathom comme Granola annoncent le respect du chiffrement en transit et du SOC 2. Pour des réunions vraiment sensibles (juridique, médical, RH), pose-toi la question avant d'enregistrer, demande le consentement des participants, et vérifie les paramètres de rétention de ton outil.

• J'ai choisi entre Fathom, Granola, ou les deux selon mon usage
• J'ai créé mon compte et connecté mon calendrier
• J'ai fait une réunion test
• Pour Fathom : j'ai généré ma clé API (pour plus tard avec n8n)

L'accès mobile à ton système

On est en semaine 4 : ton serveur est en place (installé en semaine 3) et ton IA y tourne. Résultat, ton téléphone devient une vraie télécommande, en plus de rester ton antenne de capture. Deux usages en mobilité, tous les deux disponibles dès maintenant :

• Capturer : attraper l'idée, le lien, la note vocale au moment où ils arrivent, avant qu'ils ne disparaissent.
• Piloter à distance : lancer de vraies sessions IA sur ton serveur depuis ton téléphone. Le serveur fait le boulot, ton téléphone envoie les instructions et reçoit les résultats.

Capturer en mobilité (le socle)

Le trio de capture est normalement déjà en place depuis l'installation technique : Obsidian Mobile ouvert sur ton coffre, Obsidian Sync actif, et une app de dictée vocale (SuperWhisper ou Wispr Flow) pour dicter au lieu de taper avec les pouces.

Le flow : une idée arrive, tu ouvres Obsidian Mobile, ta daily note du jour (ou une note dans 0 INBOX/), tu dictes en vocal. La note remonte sur ton ordi et ton serveur via la sync. C'est tout.

Le détail des processus de capture (vocal, web, lecture, déplacement) est dans la leçon dédiée : Les processus de capture →.

Piloter ton IA à distance (disponible maintenant)

Ton serveur tourne : tu peux lancer des sessions IA complètes depuis ton téléphone, pas seulement capturer. La façon de t'y connecter dépend de ta stack.

Si tu utilises Claude Code

Claude Code a une commande intégrée : /remote-control. Tu la lances sur ton ordi et tu prends la main depuis l'app Claude mobile.

1. Installe l'app Claude (iOS / Android), connecte-toi avec le même compte que ton abonnement
2. Sur ton ordi, dans Claude Code lancé dans ton vault, tape /remote-control et suis les instructions
3. Depuis l'app Claude sur ton téléphone (sidebar gauche, onglet Code), envoie tes instructions

Ton ordi exécute, ton téléphone reçoit le résultat. Limite : ton ordi doit rester allumé, Claude Code ouvert, et il faut une connexion Internet des deux côtés.

Si tu utilises Codex

L'app ChatGPT sur ton téléphone pilote à distance tes sessions Codex lancées sur ton ordi. Même principe que /remote-control côté Claude : l'ordi fait le boulot, le téléphone envoie les instructions.

Si tu utilises OpenCode (la stack par défaut du bootcamp)

C'est là que le serveur change tout. Comme il est déjà installé, tes sessions OpenCode tournent dessus (pas sur ton Mac qui dort) et tu les pilotes depuis ton téléphone. Le plus simple : l'interface web de ton serveur (par exemple opencode.ton-domaine.com), que tu ouvres dans ton navigateur mobile et que tu ajoutes à ton écran d'accueil comme une app.

Le setup complet est détaillé dans la leçon dédiée, avec les trois façons de te connecter (interface web sur l'écran d'accueil, Termius en SSH, bot Telegram pour les questions rapides) : Accès mobile : piloter ton IA à distance →.

Checklist

• Obsidian Mobile installé, Sync actif et coffre visible sur mon téléphone
• Une app de dictée vocale (SuperWhisper, Wispr Flow ou la dictée native) prête à l'emploi
• J'ai testé : dicter une note dans Obsidian Mobile et la retrouver sur mon ordi
• Si Claude Code : /remote-control testé depuis l'app Claude mobile (onglet Code)
• Si Codex : app ChatGPT installée et liée à mes sessions
• Si OpenCode : session lancée sur le serveur depuis mon téléphone (interface web / Termius / Telegram)

Vectoriser ton coffre avec QMD

Cette leçon est optionnelle. Ton système fonctionne parfaitement sans cette étape. Mais si tu as un gros coffre (100+ notes) et que tu veux que ton IA puisse fouiller dans toutes tes notes d'un coup, c'est un add-on très puissant.

Tu veux aller plus loin que QMD ? Si tu as des PDFs, des EPUBs, des docs Word, ou des données à partager en équipe, la section "Aller plus loin : le paysage RAG complet" en bas de cette leçon présente les autres options.

Le problème

Quand l'IA cherche une info dans ton coffre, elle ouvre des fichiers un par un et les lit en entier. Avec un petit coffre, ça marche. Mais quand tu as des centaines de notes :

• Il ne peut lire que 10 à 15 notes à la fois
• Il gaspille des tokens en lisant des notes entières pour trouver 5% d'info utile
• Il cherche par mots-clés exacts : s'il ne connaît pas le mot, il ne trouve rien

La solution : la recherche sémantique

QMD transforme toutes tes notes en coordonnées mathématiques (on appelle ça des "vecteurs"). Résultat : ton IA peut chercher par sens, pas juste par mots-clés, dans toutes tes notes en moins d'une seconde.

Exemple : tu cherches "comment gérer mon stress avant une présentation". Sans QMD, ton IA ne trouve rien si aucune note ne contient ces mots. Avec QMD, elle trouve ta note "Techniques de relaxation pour la prise de parole" parce qu'elle comprend que c'est la même idée.

Avant vs après

Prérequis

QMD fait tourner de petits modèles d'IA localement (~2 Go). Il faut une machine correcte :

• RAM : 8 Go minimum (16 Go recommandé)
• Processeur : Mac M1+ ou Intel/AMD récent
• OS : macOS ou Linux (Windows via WSL2)

Si ta machine est trop limitée : pas de panique. Tu pourras toujours l'installer plus tard ou sur ton serveur (semaine 3).

Installation

Ouvre OpenCode dans ton vault et donne-lui ce prompt :

J'aimerais que tu m'installes QMD (https://github.com/tobi/qmd) pour
vectoriser mon coffre Obsidian et pouvoir faire de la recherche sémantique.

Installe QMD, ajoute mon vault comme collection, lance l'indexation,
et configure le MCP pour que tu puisses l'utiliser directement.

Mon vault Obsidian est dans : [CHEMIN DE TON VAULT]

Remplace [CHEMIN DE TON VAULT] par le chemin réel de ton coffre (par exemple /Users/tonnom/Documents/MonVault).

OpenCode va :

1. Installer QMD
2. Ajouter ton vault comme collection
3. Lancer l'indexation (quelques minutes la première fois)
4. Configurer le MCP
5. Tester avec une recherche

Utiliser

Une fois installé, tu n'as rien de spécial à faire. Quand tu poses une question, ton IA utilise QMD automatiquement pour chercher dans tes notes.

Retrouve ce que j'ai écrit sur la gestion de projet

Quel est l'état de mon index QMD ?

Maintenir l'index à jour

Quand tu ajoutes ou modifies des notes, il faut mettre à jour l'index. Tu peux soit le faire toi-même (qmd embed dans le terminal), soit demander à OpenCode :

Mets à jour l'index QMD de mon vault

QMD ne re-indexe que les fichiers modifiés : c'est rapide.

Aller plus loin : le paysage RAG complet

QMD couvre 90% des besoins pour un vault de notes Markdown. Mais il a des limites : il ne gère pas les PDFs, les EPUBs, les fichiers Word, et ce n'est pas conçu pour être partagé en équipe.

Voici une carte du paysage pour que tu saches quoi utiliser selon ta situation.

Quand QMD ne suffit plus

Les briques : comprendre le pipeline RAG

Un système RAG (Retrieval-Augmented Generation) se compose de plusieurs briques. QMD les fait toutes en une, pratique mais limité. Si tu veux aller plus loin, tu peux assembler les briques toi-même.

QMD fait les étapes 3 et 4 pour du Markdown. Pour du PDF ou de l'EPUB, il faut d'abord passer par l'étape 1 (Docling) avant.

Les options en détail

QMD : Le point d'entrée (ce qu'on vient d'installer)

Ce que c'est : moteur de recherche sémantique local, conçu pour les notes Markdown. Idéal pour : ton vault Obsidian, uniquement des fichiers .md. Limite principale : ne gère pas les PDFs, EPUBs, fichiers Word. Souveraineté : 100% local, rien ne quitte ta machine.

Docling : Le convertisseur universel de documents

Ce que c'est : un SDK open-source créé par IBM (maintenant sous LF AI) qui convertit n'importe quel format de document en texte structuré exploitable par un RAG.

Formats supportés : PDF, EPUB, Word (.docx), PowerPoint (.pptx), images avec OCR, HTML, Markdown.

Le cas d'usage type : tu as des thèses en PDF, des rapports Word, des livres en EPUB. Tu les passes dans Docling, il ressort du Markdown propre. Tu ingères ce Markdown dans QMD (ou Qdrant).

# Installer Docling
pip install docling

# Convertir un PDF en Markdown
docling ma-these.pdf --output ma-these.md

# Convertir un dossier entier
docling /dossier/avec/pdfs/ --output /dossier/markdown/

Ensuite, tu ajoutes le dossier Markdown à ton index QMD normalement.

Astuce : Si tu as des EPUBs à vectoriser, la solution la plus simple reste Docling → Markdown → QMD. Pas besoin de solution RAG plus complexe.

Qdrant : La base vectorielle sur serveur

Ce que c'est : une base de données vectorielle haute performance, open-source, déployable sur ton propre serveur.

Différence avec QMD : QMD est un index local sur ta machine. Qdrant est une base de données à part entière : plusieurs personnes peuvent l'interroger en même temps, depuis n'importe quelle machine.

Idéal pour :

• Vectoriser des documents d'équipe accessibles à tous
• Des volumes importants (milliers de documents)
• Intégrer la recherche sémantique dans une app ou un site

Setup typique : Qdrant tourne sur ton serveur (via Docker), ton interface IA l'interroge via son MCP.

# Lancer Qdrant avec Docker
docker run -p 6333:6333 qdrant/qdrant

Chez Perspectives : Alexandre (dans la discussion) utilise Qdrant sur son serveur pour indexer ses cours en ligne et des livres de biologie. C'est le bon choix dès que tu veux partager l'index avec d'autres personnes.

pg_vectorize : Si tu as déjà PostgreSQL

Ce que c'est : une extension PostgreSQL qui ajoute la vectorisation directement dans ta base de données.

Idéal pour : tu as déjà une app avec une base PostgreSQL (Supabase, NocoDB, etc.) et tu veux ajouter de la recherche sémantique sans déployer un nouveau service.

Avantage : tout reste dans ta base de données existante. Pas de service supplémentaire à gérer.

EdgeQuake : Graph-RAG pour les cas complexes

Ce que c'est : un système RAG de type "graphe de connaissances", écrit en Rust pour la performance.

Différence avec un RAG classique : un RAG vectoriel cherche "les chunks les plus proches sémantiquement". Un Graph-RAG comprend aussi les relations entre les concepts : il peut répondre à des questions comme "quels sont les liens entre le concept A et le concept B dans ma base de connaissance ?"

Idéal pour : des corpus très riches où les connexions entre idées comptent autant que les idées elles-mêmes (bases de connaissance expert, documentation technique dense).

À retenir : c'est la solution la plus puissante, mais aussi la plus complexe à mettre en place. À explorer quand QMD ou Qdrant ne suffisent plus.

Stack recommandée par Emmanuel Salomon pour des documents experts : Docling (parsing) → EdgeQuake (Graph-RAG) → PostgreSQL.

Trieve : La plateforme RAG clé en main

Ce que c'est : une plateforme full-stack qui combine recherche vectorielle, recommandations et interface de chat. Open-source et auto-hébergeable.

Idéal pour : tu veux construire un moteur de recherche ou un chatbot basé sur tes documents, avec une interface utilisateur incluse, sans assembler toi-même les briques.

Différence avec Qdrant : Qdrant est une brique (la base vectorielle). Trieve est un produit complet avec recherche, suggestions, analytics, et API prête à l'emploi.

DocuMind : Pour les PDFs en mode desktop

Ce que c'est : une application desktop (Mac, Windows, Linux) qui permet de faire du RAG sur des PDFs directement depuis ton ordinateur, sans serveur.

Idéal pour : tu travailles principalement avec des PDFs et tu veux une interface graphique simple, sans toucher à un terminal.

Limite : application desktop uniquement, pas de partage en équipe.

Quel chemin prendre ?

• Ma machine a la config minimum (8 Go RAM, Mac M1+ ou équivalent)
• J'ai demandé à OpenCode d'installer QMD
• L'indexation est terminée
• J'ai testé une recherche dans OpenCode via QMD
• (Optionnel) J'ai converti mes PDFs/EPUBs avec Docling et indexé le résultat dans QMD
• (Optionnel) J'ai déployé Qdrant sur mon serveur pour un index partagé en équipe

Connecter les services Google

Imagine pouvoir dire à ton IA : « Lis mes emails d'aujourd'hui et résume les urgences », « Quels sont mes rendez-vous cette semaine ? », ou encore « Mets à jour mon Google Sheet avec les chiffres du mois », et qu'elle le fasse vraiment.

C'est exactement ce que permet gogcli : un CLI maintenu par la communauté openclaw qui donne à ton IA un accès direct à tous tes services Google via une seule commande gog.

Concrètement, une fois installé, tu pourras dire à ton IA des choses comme :

• « Lis mes emails d'aujourd'hui et résume les urgences »
• « Crée un brouillon de réponse pour l'email de Jean »
• « Quels sont mes rendez-vous cette semaine ? Y a-t-il des conflits ? »
• « Trouve le fichier X dans mon Drive et résume-le »
• « Mets à jour ce Google Sheet avec les chiffres du mois »
• « Prépare-moi un compte-rendu de standup avec mes tâches récentes »

Tutoriel vidéo

Cette vidéo te montre l'installation et la mise en route de gogcli pas à pas. Regarde-la une fois avant de lancer le prompt ci-dessous, ça te donne le tour d'horizon.

Important : ce qu'on installe ici, c'est uniquement gogcli (le CLI Google), pas le bundle openclaw en entier. Tu n'as pas besoin de cloner openclaw/openclaw. Une seule commande d'install bien faite suffit. Le prompt ci-dessous le précise à l'IA.

Comment ça s'installe ?

L'installation se fait avec l'aide de ton IA. Tu n'as pas besoin de comprendre chaque étape technique : l'IA lit la doc officielle, détecte ton OS, et te guide.

Le prompt à donner à l'IA

Ouvre ton IA dans ton vault et copie-colle ce prompt :

J'aimerais installer gogcli (le CLI Google Workspace de openclaw) pour
connecter mes services Google (Gmail, Calendar, Drive, Docs, Sheets, Contacts,
Tasks) à mon IA.

IMPORTANT : on installe UNIQUEMENT gogcli, pas le bundle openclaw entier.
La doc officielle est ici : https://github.com/openclaw/gogcli
La commande binaire s'appelle `gog`.

Étape 1 : Install
1. Va lire le README à https://github.com/openclaw/gogcli
2. Détecte mon OS (macOS / Linux / Windows) et choisis la méthode
   d'installation la plus simple recommandée par la doc :
   - macOS : Homebrew (avec le tap openclaw si nécessaire)
   - Linux : binaire depuis les releases ou source build
   - Windows : ZIP depuis les releases + ajout au PATH
3. Installe et vérifie que `gog --version` fonctionne.

Étape 2 : Setup Google Cloud (côté navigateur)
Guide-moi pas à pas, en m'attendant à chaque étape, pour :
1. Créer un projet sur https://console.cloud.google.com (nom : "Mon IA")
2. Activer les APIs : Gmail, Calendar, Drive, Docs, Sheets, Contacts, Tasks.
   Lien rapide d'activation :
   https://console.cloud.google.com/apis/enableflow?apiid=gmail.googleapis.com,calendar-json.googleapis.com,drive.googleapis.com,docs.googleapis.com,sheets.googleapis.com,people.googleapis.com,tasks.googleapis.com
3. Configurer l'écran de consentement OAuth :
   - Type d'utilisateur : External
   - Nom de l'app : "Mon IA"
   - Email d'assistance + email développeur : mon adresse Gmail
   - Utilisateur test : mon adresse Gmail
4. Créer un identifiant OAuth :
   - Type : "Application de bureau"
   - Télécharger le fichier JSON dans ~/Downloads/

Étape 3 : Auth gogcli
1. Charge le JSON dans gog :
   `gog auth credentials ~/Downloads/client_secret_*.json`
2. Authentifie mon compte :
   `gog auth add MON_EMAIL@gmail.com --services gmail,calendar,drive,docs,sheets,contacts,tasks`
   (un navigateur s'ouvre, j'accepte)
3. Vérifie que tout marche :
   `gog auth doctor --check`

Étape 4 : Test
Lance une commande simple pour valider :
`gog calendar agenda --today`
ou
`gog gmail list --max-results 5`

À chaque étape, ATTENDS ma confirmation avant de passer à la suivante.
Si la doc officielle a évolué depuis ton entraînement, fais confiance à
la doc (lis-la) plutôt qu'à ta mémoire.

L'IA va lire la doc, détecter ton OS, faire les bons choix et te guider clic par clic sur les étapes navigateur.

Sécurité

• Les credentials sont chiffrés et stockés dans le keyring de ton OS (Keychain sur macOS, secret-tool sur Linux, Credential Manager sur Windows).
• Tu peux révoquer l'accès à tout moment depuis myaccount.google.com/permissions.
• L'IA ne peut utiliser que les APIs que tu as activées dans Google Cloud Console.
• Tu peux ajouter ou enlever des services après coup avec gog auth add / gog auth remove.

• J'ai regardé la vidéo tutoriel
• J'ai donné le prompt d'installation à l'IA
• gogcli est installé et `gog --version` répond
• J'ai créé un projet Google Cloud
• J'ai activé les APIs (Gmail, Calendar, Drive, Docs, Sheets, Contacts, Tasks)
• J'ai configuré l'écran de consentement OAuth
• J'ai créé un OAuth Desktop, téléchargé le JSON et lancé `gog auth credentials`
• J'ai lancé `gog auth add MON_EMAIL --services ...` et accepté dans le navigateur
• `gog auth doctor --check` est tout vert
• J'ai testé avec `gog calendar agenda --today` ou `gog gmail list`

Connecter tous tes messages avec Beeper (WhatsApp, Instagram, Telegram, LinkedIn, Slack...)

Tes messages sont dispersés sur 10 apps : WhatsApp, Instagram, Telegram, Signal, Messenger, LinkedIn, X, Google Messages, Discord, Slack. Pour ton IA, c'est l'enfer. Elle ne peut rien faire de centralisé : tu dois copier-coller, switcher d'app, perdre du temps.

Beeper résout ce problème en amont (côté humain) et côté IA. C'est une app desktop qui agrège toutes tes conversations dans une seule interface, et qui expose un MCP officiel pour que ton IA puisse lire, chercher et répondre dans n'importe lequel de ces canaux.

Pourquoi c'est puissant

Tout ça est exposé via un seul MCP que ton IA peut interroger : "Liste mes messages WhatsApp non lus", "Cherche dans toutes mes convos LinkedIn celles qui parlent du projet X", "Réponds à ce message Instagram dans mon style". Sans switcher d'app, sans copier-coller.

Cas d'usage typiques

Installation

Étape 1 : Installer Beeper Desktop

1. Va sur beeper.com/download
2. Télécharge l'app pour ton OS (macOS, Windows, Linux)
3. Crée un compte (gratuit) et connecte tes apps de messagerie une par une (WhatsApp via QR code, Instagram via login, etc.)
4. Vérifie que tes messages remontent bien dans Beeper

Coût : Beeper est gratuit. Une option Premium (10 $/mois) débloque les fonctions IA on-device et quelques bonus, mais pas nécessaire pour utiliser le MCP.

Étape 2 : Activer l'API + MCP local

L'API et le MCP sont intégrés à Beeper Desktop, mais en mode experimental. Tu dois les activer dans les paramètres :

1. Dans Beeper Desktop, ouvre Settings
2. Va dans Advanced → Desktop API
3. Active l'API locale et copie le token d'accès généré
4. Note l'URL locale (par défaut http://localhost:23373)

Étape 3 : Connecter à OpenCode (ou Claude Code) via /connect-mcp

Dans ton IA, tape :

/connect-mcp beeper

Le skill va te demander le token de l'étape 2 et patcher ton opencode.json (ou ta config Claude Code). Tu peux aussi le faire à la main :

{
  "mcp": {
    "beeper": {
      "type": "remote",
      "url": "http://localhost:23373/mcp",
      "headers": {
        "Authorization": "Bearer TON_TOKEN_BEEPER"
      },
      "enabled": true
    }
  }
}

Étape 4 : Tester

Dans OpenCode :

Liste mes 10 derniers messages reçus, toutes apps confondues.

Si tu vois des résultats réels, c'est gagné. Sinon, vérifie que Beeper Desktop est bien ouvert (le MCP n'existe que quand l'app tourne).

Important : confidentialité

Beeper, c'est tes messages. Ce qu'il y a de plus sensible.

• Le MCP tourne 100 % en local. Tes messages ne quittent jamais ta machine pour aller chez Beeper, ni chez nous.
• MAIS quand ton IA interroge le MCP, le contenu des messages part chez ton modèle. Si tu utilises ChatGPT Plus ou Claude.ai, OpenAI/Anthropic reçoivent tes messages dans la requête. Pour ce type d'usage, route plutôt via OpenRouter en mode Privacy avec un modèle ZDR (DeepSeek V4 Flash, GLM 5.2). Voir Zoom sur la sécurité.
• Désactive l'auto-tool-use dans OpenCode pour ces requêtes : tu veux valider à la main avant que l'IA fasse une recherche dans WhatsApp ou envoie un message en ton nom.

Alternative : MCP communautaire

Si tu n'as pas envie d'activer l'API Beeper "experimental", il existe un MCP communautaire : github.com/tetmin/mcp-beeper-texts (Node.js, install via npm). Mêmes fonctionnalités sur WhatsApp/Telegram/Signal/Insta/X/LinkedIn, install et auth indépendantes du flow officiel. Choix valable si tu veux un setup plus stable et open source.

• J'ai installé Beeper Desktop et connecté mes apps de messagerie
• J'ai activé l'API locale dans Beeper et récupéré le token
• J'ai connecté le MCP Beeper dans OpenCode (via /connect-mcp ou config manuelle)
• J'ai testé une requête simple (liste messages, recherche conversation)
• Je sais que pour des messages sensibles, je route via OpenRouter ZDR plutôt que ChatGPT Plus

Connecter Microsoft 365 (Outlook, OneDrive, Teams, Excel, SharePoint)

Si ton travail tourne autour de la suite Microsoft (mail Outlook, fichiers OneDrive, réunions Teams, fichiers SharePoint, Excel, OneNote, Tasks/Planner), tu veux que ton IA puisse y accéder directement. Pas via du copier-coller, pas via des exports manuels. Directement, comme elle accède à ton coffre Obsidian.

C'est exactement ce que fait le MCP Microsoft 365 (ms-365-mcp-server) : un MCP open source qui parle à toute la suite Microsoft via la Graph API officielle. 90+ tools, un seul plug-in, et ton IA gère tes mails, tes events, tes fichiers et tes feuilles Excel pour toi.

Ce que ça débloque concrètement

C'est exactement la contrepartie Microsoft de la leçon Connecter Google Workspace. Si tu vis dans l'écosystème Microsoft, c'est ce MCP que tu installes.

Cas d'usage typiques

Une fois branché, ton IA peut faire ce genre de choses sans que tu sortes d'OpenCode :

Installation : 3 chemins, du plus simple au plus contrôlé

Option A : via le skill /connect-mcp (recommandé)

C'est le chemin le plus simple, parce que le skill du bootcamp connaît déjà ce MCP.

Dans OpenCode (ou Claude Code), tape simplement :

/connect-mcp microsoft 365

Le skill va :

1. Ajouter @softeria/ms-365-mcp-server à ton opencode.json
2. Te demander si tu utilises ton compte Microsoft perso ou un compte Entra ID d'entreprise
3. Lancer l'auth Device Code Flow : un code à coller sur microsoft.com/devicelogin depuis ton navigateur
4. Vérifier que les tools sont bien chargés

C'est plié en 2 minutes. Passe à la section "Tester" plus bas.

Option B : commande Claude / OpenCode directe

Si tu veux le faire à la main sans passer par le skill, une seule commande dans ton terminal :

# macOS / Linux
claude mcp add ms365 -- npx -y @softeria/ms-365-mcp-server

# Windows
claude mcp add ms365 -s user -- cmd /c "npx -y @softeria/ms-365-mcp-server"

Puis dans Claude Code (ou OpenCode), tape /mcp pour vérifier que ms365 est listé. Au premier appel d'un tool, tu seras invité à te connecter via Device Code Flow.

Option C : configuration manuelle dans opencode.json

Pour ceux qui veulent maîtriser exactement le contenu de leur config :

{
  "mcp": {
    "ms365": {
      "type": "local",
      "command": ["npx", "-y", "@softeria/ms-365-mcp-server"],
      "enabled": true
    }
  }
}

Pour limiter à certains scopes (ex : juste mail + calendar) :

{
  "mcp": {
    "ms365": {
      "type": "local",
      "command": ["npx", "-y", "@softeria/ms-365-mcp-server", "--enabled-tools", "mail,calendar"],
      "enabled": true
    }
  }
}

Presets disponibles : mail, calendar, files, personal, work, excel, contacts, tasks, onenote, search, users, all.

Compte Microsoft perso ou Entra ID d'entreprise ?

Si tu es dans un contexte pro et que tu n'es pas sûr, demande à ton équipe IT avant l'installation. C'est une bonne pratique de sécurité, et beaucoup d'entreprises veulent garder le contrôle sur les apps qui touchent à leur tenant.

Tester en 1 minute

Une fois connecté, lance OpenCode dans ton vault et essaie :

Donne-moi un résumé de mes 5 derniers mails reçus en boîte de réception.

Liste mes prochains rendez-vous Outlook pour cette semaine.

Cherche dans mon OneDrive le dernier fichier modifié contenant "budget" et résume-le.

Si tu vois des résultats réels (et pas une excuse du type "je n'ai pas accès à"), c'est gagné. Sinon, demande à l'IA elle-même de débugger : pourquoi le MCP ms365 ne répond pas ? Elle ouvrira la config et te dira ce qui manque.

Alternative officielle : Microsoft Work IQ

Microsoft a sorti ses propres MCP servers sous le nom Work IQ (anciennement Agent 365). C'est de la solution officielle Microsoft, intégrée directement avec Copilot Studio et Azure AI Foundry.

Quand le choisir : tu as déjà une licence Microsoft 365 Copilot active sur ton compte (entreprise principalement), et tu veux le support et la garantie Microsoft sur le canal officiel.

Quand garder Softeria : tu n'as pas de licence Copilot (cas le plus courant pour les indépendants et la majorité des entreprises), tu veux 200+ tools couvrant tout le Graph, et tu veux rester open source.

Plus d'infos : github.com/microsoft/work-iq et Microsoft Learn - Work IQ MCP overview.

Bonnes pratiques

Active le mode read-only au démarrage

Au premier setup, lance le serveur avec --read-only pour explorer sans risque d'écriture accidentelle. Tu désactives ce flag quand tu es confiant.

Limite les scopes à ce dont tu te sers

Si tu n'utilises jamais Excel ni OneNote via l'IA, ne charge pas ces tools (--enabled-tools mail,calendar,files). Ton IA est plus rapide et plus précise quand son menu d'outils est court.

Pense à la confidentialité

Le MCP donne à ton IA un accès à des données sensibles (mails clients, documents internes, calendrier perso). Avant de connecter, vérifie ton modèle : si tu passes par un modèle non ZDR (ChatGPT Plus, Claude.ai), les contenus de tes mails peuvent transiter par leur infra. Pour ce type d'usage, route plutôt via OpenRouter en mode Privacy avec un modèle open source (DeepSeek V4 Flash, GLM 5.2). Cf. Zoom sur la sécurité.

• J'ai installé le MCP via /connect-mcp microsoft 365 (ou la commande claude mcp add)
• Je me suis authentifié via Device Code Flow
• J'ai testé une lecture de mail et une requête calendrier dans OpenCode
• J'ai limité mes scopes aux services que j'utilise vraiment
• Je sais que pour des données sensibles, je route via OpenRouter ZDR plutôt que ChatGPT Plus

Connecter ses emails (non-Google) avec Himalaya

Tu n'es pas sur Gmail / Google Workspace ? Tu utilises Proton Mail, Outlook, iCloud Mail, FastMail, Infomaniak, OVH ou n'importe quelle adresse en IMAP/SMTP ? Alors la leçon précédente (gogcli) ne te concerne pas. À la place, tu vas connecter ton IA à ta boîte mail via Himalaya : un CLI open source qui parle IMAP/SMTP nativement et qui s'utilise comme une commande shell normale.

Pourquoi un CLI plutôt qu'un MCP ? Parce que c'est beaucoup plus fiable. Le CLI tourne en local, parle directement à IMAP/SMTP, et l'IA appelle simplement la commande shell. Pas de couche API tierce à maintenir, pas d'auth qui peut casser, pas de quotas. Himalaya existe depuis longtemps, gros support communautaire, marche avec tous les providers.

Une fois en place, tu peux dire à ton IA :

• « Résume-moi les emails non lus d'aujourd'hui »
• « Cherche tous les mails de [client] des 30 derniers jours »
• « Réponds à cet email avec ce template »
• « Archive tous les newsletters non lues »

Et elle le fait via la commande himalaya, exactement comme gog pour Google.

Pour qui c'est

Tu as les deux ? Installe les deux. L'IA appellera la bonne commande selon l'adresse que tu lui mentionnes.

Étape 1 : Laisse l'IA installer Himalaya pour toi

C'est la voie la plus simple. Tu colles le prompt ci-dessous dans OpenCode (ou Claude Code), et ton IA détecte ton OS, installe le binaire, lance le wizard, et te guide jusqu'à ce que ta boîte mail soit connectée.

J'aimerais que tu installes Himalaya CLI sur ma machine pour que tu
puisses accéder à mes emails directement depuis le terminal.

1. Détecte mon OS et installe Himalaya avec le bon package manager
   (brew sur macOS, scoop sur Windows, cargo/pacman/nix sur Linux).
   Si ces options ne marchent pas, télécharge le binaire pré-compilé
   depuis https://github.com/pimalaya/himalaya/releases

2. Lance `himalaya account configure` pour créer mon premier compte.
   Demande-moi mon email et mon provider avant de lancer.

3. En fonction de mon provider, suis les instructions spécifiques
   du README officiel (en particulier Proton Mail qui nécessite
   Proton Bridge) :
   https://github.com/pimalaya/himalaya#proton-mail

   - Proton Mail → installe Proton Bridge, host 127.0.0.1, port IMAP
     1143, SMTP 1025, SSL/TLS désactivé (Bridge fait le chiffrement)
   - iCloud → mot de passe d'application Apple, login IMAP sans le
     domaine (juste la partie locale)
   - Outlook → host outlook.office365.com port 993, OAuth2 ou mot
     de passe d'application si MFA activé
   - Autres providers IMAP/SMTP standards → le wizard détecte tout

4. Pour le mot de passe, propose-moi le keyring système (Keychain
   macOS / gnome-keyring / Windows Credential Manager) plutôt que
   le stockage en clair. Si j'utilise Bitwarden CLI, propose-le
   aussi en alternative.

5. Une fois configuré, lance `himalaya envelope list` pour
   vérifier que ça marche et montre-moi les 5 derniers emails.

6. Ajoute une ligne dans AGENTS.md du vault : « Quand l'utilisateur
   parle de ses mails (lire, chercher, répondre, archiver), utilise
   la commande CLI `himalaya`. »

Si tu rencontres une erreur, ne la cache pas, dis-moi exactement
ce qui bloque pour qu'on résolve ensemble.

L'IA va exécuter ces étapes une par une, te poser les questions au fur et à mesure, et te livrer un système opérationnel.

Si tu préfères installer à la main

brew install himalaya

# Arch / Manjaro
pacman -S himalaya

# Nix
nix-shell -p himalaya

# Cargo (toutes distros)
cargo install himalaya

scoop install himalaya

himalaya --version

himalaya account configure

himalaya envelope list

Provider-specific : les pièges à connaître

Étape 3 : Plusieurs comptes

Tu peux ajouter autant de comptes que tu veux (pro + perso, par exemple) :

himalaya account configure -a pro
himalaya account configure -a perso

Puis tu choisis lequel utiliser via -a :

himalaya -a pro envelope list
himalaya -a perso envelope list

Tu peux aussi définir un compte par défaut dans ~/.config/himalaya/config.toml (clé default = true sous le compte voulu).

Étape 4 : Sécuriser le mot de passe

Par défaut, le wizard stocke le mot de passe en clair dans la config. À éviter. Deux options propres :

Option A : keyring système (recommandée)

Himalaya peut récupérer le mot de passe depuis ton trousseau système (Keychain macOS, gnome-keyring Linux, Windows Credential Manager).

Dans ~/.config/himalaya/config.toml, remplace :

passwd = "monmotdepasse"

par :

passwd.keyring = "himalaya-pro"

Puis stocke le mot de passe une seule fois :

himalaya account configure -a pro
# choisis "keyring" comme méthode quand demandé

Option B : Bitwarden CLI

Si tu utilises déjà Bitwarden CLI (cf. Zoom sur la sécurité) :

passwd.cmd = "bw get password 'Mon email pro'"

Himalaya appelle bw au runtime pour récupérer le mot de passe. Aucun secret en clair sur disque.

Étape 5 : Donner accès à ton IA

Dans OpenCode (ou Claude Code), tu peux maintenant lui dire :

Utilise la commande `himalaya` pour lire mes emails non lus,
résume les 5 plus urgents.

Quelques commandes que l'IA va apprendre vite :

# Lister les enveloppes (sujets + expéditeurs)
himalaya envelope list

# Filtrer par expéditeur, date, sujet... (requête intégrée)
himalaya envelope list from contact@perspectives.ac
# Cibler un dossier précis
himalaya envelope list --folder INBOX

# Lire un email
himalaya message read <id>

# Marquer comme lu / non lu
himalaya flag add <id> seen

# Archiver / déplacer
himalaya message move <id> --to Archive

# Envoyer (composer via stdin)
echo "Salut, voici ma réponse..." | himalaya message send

Bonus : Himalaya a aussi un mode REPL (himalaya-repl) pratique pour des sessions interactives.

Cas d'usage concrets

Triage quotidien

Liste tous mes mails non lus de la journée.
Pour chacun, dis-moi en une phrase ce que c'est et si je dois
y répondre, archiver, ou ignorer. Propose-moi une action par mail.

Recherche dans tes archives

Cherche tous les mails avec [client] des 6 derniers mois.
Extrais les décisions importantes qu'on a prises et range
ça dans 2 CASQUETTES/Clients/[client]/notes-mails.md.

Réponse automatisée à partir d'un template

Réponds à cet email avec mon template "demande devis" (que tu
trouves dans 4 TOOLS/Modèles/email-devis.md). Adapte-le au
contexte de la demande, et laisse-moi valider avant d'envoyer.

Suivi de conversation

Sors-moi tous les mails échangés avec [contact] sur le sujet
"projet X" depuis le début. Synthétise la timeline et les
points en suspens.

Sécurité

• Himalaya tourne 100 % en local. Aucun email ne passe par un serveur tiers — c'est ta connexion IMAP/SMTP directe.
• Stocke le mot de passe via keyring ou Bitwarden CLI (pas en clair).
• L'IA n'a accès qu'à ce que tu lui demandes : si tu veux limiter, ajoute une règle dans AGENTS.md du genre « ne supprime jamais un mail sans confirmation explicite ».

• J'ai installé Himalaya (brew, scoop, cargo selon mon OS)
• J'ai configuré au moins un compte via `himalaya account configure`
• Mon mot de passe est dans le keyring ou via Bitwarden CLI (pas en clair)
• J'ai testé `himalaya envelope list` et je vois bien mes mails
• J'ai demandé à mon IA de lire mes mails non lus via la commande `himalaya`

Traiter les fichiers PowerPoint, Word et Excel avec l'IA

OpenCode ne peut pas lire nativement les fichiers .pptx, .docx ou .xlsx. Ce sont des formats binaires compressés (du XML dans un ZIP) : quand l'IA essaie de les ouvrir directement, elle obtient du charabia. C'est une limite de tous les agents code, pas juste d'OpenCode.

Il y a deux limites à bien distinguer, parce que beaucoup s'y cassent les dents :

• L'agent lit du texte. Les fichiers Office (.pptx, .docx, .xlsx) et les PDF sont des binaires. Sans conversion, l'IA voit du charabia. C'est vrai pour tous les agents code.
• Le modèle derrière compte aussi. La plupart des modèles open source que tu utiliseras via OpenRouter (DeepSeek, GLM...) sont text-only : ils ne lisent ni les binaires (PDF, Word, Excel, PowerPoint) ni les images. Les modèles multimodaux (GPT, Gemini, Claude) voient les images, mais ont quand même besoin d'une conversion pour les fichiers Office.

Bonne nouvelle : il existe une solution simple pour chaque cas. Et surtout, une philosophie : aller vers des fichiers libres que l'IA peut éditer directement.

Quel outil pour quel cas

• PDF, Word, Excel, PowerPoint : MarkItDown (Solution 1). Ta solution par défaut.
• EPUB et formats exotiques : pandoc.
• PDF complexe (colonnes, tableaux denses, scans) : pdfjs-dist.
• Images dans le document (schéma, capture, photo) : bascule sur un modèle multimodal (GPT, Gemini) qui voit les images.

Solution 1 : MarkItDown MCP (par Microsoft), pour lire les fichiers Office

Microsoft a créé un outil open-source (160k+ stars sur GitHub) qui convertit automatiquement les fichiers Office en Markdown lisible par l'IA. C'est la solution recommandée pour importer du contenu existant.

Formats supportés : PDF, PowerPoint, Word, Excel, images, audio, HTML, CSV, JSON, XML, ZIP, YouTube...

Installation

Ouvre OpenCode et demande-lui :

Installe le MCP markitdown pour que tu puisses lire les fichiers PowerPoint, Word et Excel.
Voici la config :

{
  "mcpServers": {
    "markitdown": {
      "command": "uvx",
      "args": ["markitdown-mcp"]
    }
  }
}

Installe la version à jour. MarkItDown évolue vite, et une vieille version alpha (type 0.0.1a1) qui traîne dans certains tutos plante ou rate des formats. uvx markitdown-mcp récupère normalement la dernière version. Si tu l'avais installé il y a longtemps, demande à OpenCode de forcer la mise à jour (uvx markitdown-mcp@latest).

Utilisation

Une fois installé, tu peux simplement dire :

Lis le fichier presentation.pptx et résume-le en notes dans mon vault

Extrais le contenu de rapport.docx et crée une note de synthèse

Convertis le tableau budget.xlsx en fichier CSV lisible

L'IA convertira automatiquement le fichier en Markdown avant de le traiter.

Solution 2 : Convertir en PDF (zéro installation)

Si tu ne veux rien installer, le plus simple :

1. Ouvre ton fichier dans PowerPoint, Word ou Excel
2. Fichier → Enregistrer sous → PDF
3. Place le PDF dans ton vault ou dossier de travail
4. OpenCode sait lire les PDF nativement

Solution 3 : l'app Claude sur claude.ai

Sur claude.ai (le chat web), tu peux directement glisser-déposer tes fichiers PowerPoint, Word et Excel en pièce jointe. L'IA les lit et les comprend sans aucune configuration.

C'est la méthode la plus rapide pour une analyse ponctuelle.

Cas particuliers : EPUB, PDF complexes et images

MarkItDown couvre l'immense majorité des besoins. Pour le reste, voici les bons outils.

EPUB et livres numériques

MarkItDown (comme docling) gère mal les EPUB : le résultat est souvent incomplet ou cassé, ne t'y fie pas. Pour les EPUB, la solution fiable c'est pandoc. C'est l'outil de référence pour convertir un livre numérique en Markdown propre.

Demande à OpenCode :

Installe pandoc et convertis mon-livre.epub en Markdown

PDF complexes

Certains PDF passent mal avec MarkItDown : colonnes multiples, tableaux denses, mises en page tordues, scans. Dans ce cas, pdfjs-dist (la librairie PDF de Mozilla, celle qui fait tourner Firefox) extrait le texte de façon plus robuste.

Demande à OpenCode d'extraire le texte de ton PDF avec pdfjs-dist.

Images dans un document

Si l'information que tu cherches est dans une image (schéma, capture d'écran, photo, graphique), aucune conversion en texte ne la fera apparaître. Il te faut un modèle qui voit les images, donc un modèle multimodal : bascule sur GPT ou Gemini. Un modèle text-only (DeepSeek, GLM...) restera aveugle à l'image, même convertie.

Le plus simple : glisse l'image (ou le PDF qui la contient) directement dans claude.ai, ChatGPT ou Gemini. Sinon, configure OpenCode avec un modèle multimodal.

La vraie philosophie : aller vers des fichiers libres

L'objectif à moyen terme, c'est de sortir petit à petit des fichiers propriétaires. Pourquoi ?

• Les fichiers Markdown, HTML et CSV sont directement éditables par l'IA, sans conversion ni MCP supplémentaire
• Tu n'as plus besoin d'un abonnement Microsoft Office ou Google Workspace
• L'IA peut modifier le contenu en direct, pas juste le lire
• Tes fichiers sont légers, versionnables (Git) et pérennes

Exemple : remplacer PowerPoint par des slides HTML

Avec le skill frontend-slides, l'IA peut créer des présentations HTML animées directement depuis OpenCode. Le résultat est souvent bien plus beau qu'un PowerPoint classique :

• Animations fluides et personnalisées
• Design responsive (fonctionne sur mobile)
• Zéro logiciel requis : s'ouvre dans n'importe quel navigateur
• L'IA peut les modifier en direct, slide par slide

Pour l'installer, demande simplement à OpenCode :

Installe le skill frontend-slides depuis ce repo :
https://github.com/zarazhangrui/frontend-slides

Puis pour créer une présentation :

Crée une présentation de 10 slides sur [ton sujet]

Et la commande /done dans tout ça ?

La commande /done met à jour le contexte de ton projet en fonction de ce que l'IA a fait pendant ta session de travail. Elle ne "lit" pas tes fichiers PowerPoint ou Word : elle résume les actions effectuées durant la session (fichiers créés, modifiés, décisions prises, etc.).

Si tu as travaillé avec l'IA sur un fichier Office (via MarkItDown ou une conversion PDF), alors oui, ce travail sera reflété dans le contexte mis à jour par /done.

• Je comprends pourquoi OpenCode ne lit pas les fichiers Office nativement
• J'ai installé le MCP MarkItDown (ou je sais convertir en PDF)
• J'ai testé la lecture d'un fichier Office dans OpenCode
• Je comprends l'intérêt de migrer vers des fichiers libres (Markdown, HTML, CSV)

Créer de belles slides sans toucher au CSS

frontend-slides est un plugin Claude Code (qui marche aussi très bien avec OpenCode) pour générer des présentations HTML autonomes : un seul fichier .html, zéro dépendance, esthétique propre. Pas de PowerPoint, pas de Google Slides, pas de Reveal.js à configurer. Tu décris ce que tu veux, ton IA produit le fichier, tu l'ouvres dans ton navigateur ou tu le présentes en plein écran.

L'installer en une commande

Ouvre ton IA dans ton vault (Claude Code ou OpenCode) et colle ce prompt :

J'aimerais installer le plugin frontend-slides de zarazhangrui pour
générer des présentations HTML autonomes avec toi.

Repo officiel : https://github.com/zarazhangrui/frontend-slides

1. Va lire le README à l'URL ci-dessus.
2. Détecte si je suis sur Claude Code (commandes /plugin disponibles)
   ou OpenCode (installation manuelle dans le dossier skills).
3. Installe la méthode officielle recommandée par le README pour mon outil.
4. Vérifie que la commande `/frontend-slides` est dispo et fais un test
   rapide pour valider que tout fonctionne.

Si la doc a évolué depuis ton entraînement, fais confiance au README
plutôt qu'à ta mémoire.

L'IA fait le reste.

L'utiliser

Une fois installé, tu lances :

/frontend-slides

Et tu décris ta présentation : sujet, audience, ton, structure souhaitée. L'IA génère un fichier HTML autonome. Tu l'ouvres dans ton navigateur, tu présentes en plein écran. Fini.

Cas d'usage typiques :

• Une pitch deck pour un appel client
• Un support pour un live ou un atelier
• Une présentation interne pour ton équipe
• Un cours, une formation
• Une explication visuelle pour un client ou un prospect

• J'ai installé frontend-slides via le prompt
• La commande /frontend-slides est disponible
• J'ai testé la création d'une slide d'exemple