Cabinet : une base de connaissances open source avec agents IA, fichiers sur disque et zéro lock-in
📌 Cabinet est une “startup OS” open source : une base de connaissances où tout vit sur le disque en fichiers (Markdown, PDF, CSV, HTML), avec une équipe d’agents IA qui lit, écrit, planifie et exécute des tâches directement dans ce même espace. L’idée n’est pas de remplacer un wiki par un chatbot, mais de donner une mémoire persistante et actionnable à des agents, au plus près des fichiers réels d’un projet.
Le point de départ est volontairement simple : un répertoire de travail devient la source de vérité. Les pages sont des fichiers, l’historique est traçable, et la portabilité est immédiate : copier le dossier, le versionner, le chercher avec un simple outil de ligne de commande. Ce choix “fichiers d’abord” évite la sensation de boîte noire et réduit le risque de dépendance à une plateforme.
Au quotidien, Cabinet sert de cockpit pour des tâches qui se répètent et qui gagnent à être automatisées. Exemples concrets : surveiller des retours utilisateurs (Reddit, avis, support), faire un scan concurrentiel hebdomadaire, générer et maintenir des pages produit, préparer une newsletter, mettre à jour une roadmap, consolider des résultats dans des tableaux CSV, ou produire des rapports internes à partir d’un corpus de documents.
Cabinet mise aussi sur une organisation “par agents” plutôt que par simples prompts. Chaque agent a un rôle, des objectifs et des routines planifiées. Un agent peut écrire dans un dossier dédié, déposer des notes, créer des missions, proposer des tâches, puis itérer. L’intérêt devient tangible quand ces sorties s’accumulent : une base de connaissances qui s’enrichit au fil des jours, et non une série de conversations jetables.
Points clés
• 🗂️ Base de connaissances sur disque : pages en Markdown, documents et médias stockés en fichiers, facilement exportables.
• 🔁 Historique Git : les modifications sont traçables et restaurables, avec une logique de “diff” plutôt qu’un contenu opaque.
• 🤖 Agents IA “en équipe” : rôles, compétences, espaces de travail et exécutions récurrentes.
• ⏰ Jobs planifiés : automatisations type cron pour des veilles, rapports et tâches récurrentes.
• 🧩 Apps HTML embarquées : déposer un index.html et l’afficher comme une app/dash dans l’interface.
• 🧾 PDF/CSV natifs : consultation et édition de tables, rendu de PDF, recherche et navigation rapides.
• 💻 Terminal web : exécuter des commandes sans quitter l’interface quand un flux “IDE” est utile.
Pour un usage “productivité personnelle”, Cabinet peut remplacer un empilement d’outils dispersés : notes, dossiers de docs, scripts de veille, tableurs, et un chat IA sans mémoire. Pour un usage “projet”, il devient une couche de connaissance et d’exécution : un endroit unique où s’alignent décisions, specs, contenus, sources de données, et automatisations.
L’expérience est pensée pour rester légère : si l’interface commence à ressembler à un logiciel de workflow d’entreprise, c’est le signe que l’on s’éloigne de l’objectif. La métaphore est plutôt celle d’un espace de travail vivant, où humains et agents se croisent : canaux de discussion internes, mentions d’agents, missions à suivre, et un tableau de bord qui montre “ce qui s’est passé” et “ce qui tourne”.
Une différence marquante est la possibilité d’intégrer des mini-applications HTML dans la base. Concrètement, un dossier peut contenir une page HTML/JS/CSS et s’afficher comme un tableau de bord : scoring de leads, vue de métriques, visualisation de CSV, petite console d’aide, etc. Comme ces fichiers vivent dans le même arbre, ils se versionnent, se partagent et se répliquent comme le reste.
Démarrage : Cabinet se lance localement et se self-host. Le flux typique consiste à générer un workspace, répondre à quelques questions d’onboarding, puis laisser l’outil proposer une équipe d’agents (CEO, éditeur, marketing, QA, etc.). Une fois le système en place, les dossiers deviennent la structure de travail : produit, marché, data, contenus, opérations. Les agents viennent ensuite alimenter ces dossiers, selon des routines (quotidiennes, hebdomadaires) ou à la demande.
Pour une mise en route rapide, l’installation se fait via une commande qui scaffold le projet, puis un lancement en mode développement. L’approche “un dossier = une base de connaissances” permet d’expérimenter sans risque : supprimer le dossier suffit à repartir de zéro, et cloner le dossier suffit à dupliquer un setup.
Côté confidentialité, l’intérêt du self-hosted et des fichiers sur disque est clair : la base de connaissances reste sous contrôle, sans dépendre d’un service SaaS pour accéder à ses propres notes et documents. Les données étant des fichiers, il est possible d’appliquer des règles simples : chiffrer le disque, isoler la machine, segmenter des répertoires, ou versionner certains dossiers et pas d’autres. Les implications liées aux modèles IA et à leurs fournisseurs dépendent de la configuration choisie, mais le “cœur” de la connaissance (les fichiers) n’a pas besoin d’être externalisé.
Cabinet s’adresse particulièrement aux cas où l’IA doit agir, pas seulement répondre. La logique est : un agent lit la base, produit un artefact (un fichier, un tableau, un rapport), le range au bon endroit, puis le système conserve une trace exploitable. C’est ce qui permet à la connaissance de “composer” dans le temps : des scans de marché deviennent des dossiers, des briefings deviennent des pages, des KPIs deviennent des CSV, et ces éléments peuvent ensuite être relus et améliorés.
À retenir : Cabinet est un choix solide quand l’objectif est de bâtir une mémoire projet durable et utilisable par des agents IA, sans enfermer les contenus dans une base de données propriétaire. En pratique, la valeur se révèle quand les routines tournent et que la base s’enrichit : moins de redites, plus d’automatisations, et des fichiers qui restent lisibles et transportables.
