Automatisation de NotebookLM, quelqu’un l’a enfin fait

Un projet open source non officiel.

En 4 mois, les étoiles GitHub sont passées de 0 à plus de 14 000.

Pour être honnête, ce genre de performance est assez rare dans l’espace des outils d’IA.

Il s’appelle notebooklm-py, et ce qu’il fait est simple : il permet aux développeurs de contrôler par programmation le NotebookLM de Google.

Certains amis ne saisissent peut-être pas immédiatement l’importance.

Imaginons d’abord un scénario :

Vous avez 50 documents PDF sous la main. Vous devez utiliser NotebookLM pour les organiser tous en notes d’étude.

Une tâche qui aurait pu prendre tout un après-midi. Avec notebooklm-py, elle peut être terminée en quelques minutes.

En termes de fonctionnalités, il couvre pratiquement toutes les capacités de l’interface web de NotebookLM.

01 Gestion des sources

Il prend en charge une grande variété de sources de contenu :

Liens URL, vidéos YouTube, documents PDF, audio, vidéo, images et fichiers Google Drive.

Vous pouvez même coller directement un extrait de texte, et il peut aussi le gérer.

Auparavant, si vous vouliez importer le contenu d’une vidéo YouTube dans NotebookLM, vous deviez soit copier manuellement les sous-titres, soit d’abord préparer un résumé.

Maintenant, ces opérations peuvent être effectuées directement avec une seule commande.

02 Génération de contenu

Les podcasts Audio qu’il génèrent se présentent sous 4 formats, y compris des analyses approfondies, des briefings, des commentaires et des débats.

Il prend en charge 3 longueurs de durée différentes et couvre plus de 50 langues.

Les résumés vidéo offrent 3 options de format, avec 9 styles visuels différents.

Même pour l’exportation de diapositives, il propose à la fois des options PDF et PPTX, contrairement à l’interface web qui ne prend en charge que le PDF.

De plus, pour les guides d’étude et les flashcards, il peut exporter au format JSON, Markdown et même HTML, plutôt que de fournir simplement un lien partageable comme avant.

03 Révision individuelle des diapositives

Cela est en fait un grand soulagement.

Auparavant, sur l’interface web, si vous vouliez modifier une seule diapositive, vous deviez soit régénérer toutes les diapositives, soit l’exporter manuellement et la modifier dans PowerPoint.

Maintenant, avec cet outil, vous pouvez directement spécifier une diapositive particulière et faire en sorte que l’IA régénère spécifiquement celle-ci.

04 Outils de recherche

Prend en charge les modes de recherche Web et de recherche Drive.

Il peut automatiquement rechercher sur le Web ou dans votre Google Drive personnel des documents liés à un sujet, puis les importer dans votre cahier.

05 Intégration d’agent IA

Outre ces fonctionnalités de base, la partie intégration d’agent IA est probablement son aspect le plus avant-gardiste actuellement.

En tirant parti du MCP (Model Context Protocol), il permet aux agents IA comme Claude Code et Codex de contrôler directement NotebookLM via le langage naturel.

Par exemple, vous pourriez simplement dire à Claude Code :

« Aide-moi à importer cet article dans NotebookLM, puis génère un podcast de 10 minutes. »

Claude Code appellerait alors les interfaces fournies par notebooklm-py et terminerait automatiquement l’ensemble du flux de travail.

Cette capacité d’« utiliser l’IA pour contrôler l’IA » n’est en effet pas très courante dans le paysage open source actuel. Sur Reddit, j’ai vu quelqu’un commenter qu’il a essentiellement formé un « pipeline de connaissances programmable ». Cette évaluation n’est pas exagérée.

Il fournit trois méthodes d’utilisation, correspondant à différents scénarios.

Premièrement, le chemin de l’API Python. Si vous êtes développeur, vous pouvez l’appeler directement dans votre code Python. Ce chemin est particulièrement adapté pour l’intégrer dans vos propres applications ou pour construire des pipelines de traitement automatisés complets.

Ensuite, l’outil en ligne de commande (CLI). Si vous êtes plus à l’aise avec les opérations en terminal, le CLI couvre pratiquement la plupart des opérations quotidiennes. Il est pratique pour écrire des scripts par lots ou exécuter des tâches automatisées.

Puis, il y a la direction de l’intégration d’agent IA. Si vous utilisez régulièrement des outils comme Claude Code ou Codex, vous pouvez intégrer via Skill, permettant à ces agents IA de contrôler directement NotebookLM. Cela signifie que vous pouvez accomplir une série de tâches assez complexes rien qu’en parlant naturellement.

Limites à noter

Après avoir examiné toutes ces fonctionnalités, il y a bien sûr quelques limites à mentionner.

• Il s’appuie sur des API non officielles et non documentées de Google. Cela signifie que Google pourrait changer la logique de l’interface à tout moment, risquant de casser cette bibliothèque. L’auteur du projet est clair dans la documentation : actuellement, cet outil convient mieux au prototypage, à la recherche/l’apprentissage et aux projets personnels. Il n’est pas recommandé pour le déploiement en production.
• L’authentification nécessite un compte Google. Vous devez vous connecter via un navigateur ou importer manuellement les cookies. Bien que le projet lui-même fournisse un mécanisme de maintien des cookies, si vous n’exécutez pas de tâches pendant longtemps, les cookies peuvent quand même expirer, vous obligeant à les actualiser.
• Actuellement, il ne prend en charge que la version grand public (Consumer). Les API d’entreprise ne sont pas prises en charge. Donc, si vous êtes un utilisateur professionnel, vous devrez peut-être chercher d’autres alternatives.

Démarrage rapide

À ce stade, je crois que beaucoup d’entre vous sont probablement impatients de l’essayer.

01) D’abord, installez les dépendances.

Premièrement, installez le package :

bashbashpip install "notebooklm-py[browser]"

Ensuite, installez également le composant navigateur :

bashbashplaywright install chromium

Ce processus prendra environ 170 Mo, soyez donc patient un petit moment.

02) Ensuite, gérez l’authentification de connexion.

Exécutez la commande suivante :

bashbashnotebooklm login

Cela ouvrira une fenêtre de navigateur sur votre système, vous permettant d’autoriser avec votre compte Google.

03) Vérifiez éventuellement l’état de la connexion.

Utilisez la commande suivante pour confirmer :

bashbashnotebooklm auth check --test --json

Une fois que l’écran indique une authentification réussie, vous pouvez officiellement commencer à l’utiliser.

Dès lors, que vous utilisiez le CLI ou l’API Python pour des opérations spécifiques – créer un nouveau cahier, importer des sources ou générer un podcast – l’ensemble du processus peut devenir automatisé.

Réflexions finales

Honnêtement, lorsque j’utilisais NotebookLM auparavant, le plus ennuyeux était l’incapacité d’exporter. Les podcasts et diapositives péniblement générés ne pouvaient pas être facilement utilisés ailleurs sans copier-coller manuel. Pour le traitement par lots, c’était tout simplement impossible.

notebooklm-py résout ce point de douleur.

Bien qu’il utilise des méthodes non officielles, et que Google puisse changer les API à tout moment, au moins, il peut maintenant être contrôlé avec du code. Pour moi, cela suffit.

Il est open source sous la licence MIT. Si vous êtes intéressé, vous pouvez le consulter sur GitHub.

Adresse Open Source :​ https://github.com/teng-lin/notebooklm-py