La vraie puissance vient du dialogue dirigé entre plusieurs documents, en les faisant se confronter explicitement pour révéler accords, écarts et contradictions.
- L’utilisateur ne doit plus seulement lire ou résumer des documents, mais organiser une conversation entre eux.
- Il faut sélectionner uniquement les sources utiles pour comparer deux documents précis.
- Nommer clairement les documents dans le prompt permet de forcer une comparaison ciblée et plus rigoureuse.
- Un document peut servir de grille de lecture pour critiquer, tester ou auditer un autre.
- La méthode la plus utile consiste à demander des contradictions précises entre deux sources, puis à vérifier chaque citation.
À ce stade, il ne s’agit plus seulement de lire, mais d’orchestrer.
Jusqu’ici, le travail consistait surtout à poser des questions sur un seul document ou à demander une synthèse de plusieurs sources. Cela reste un travail de bibliothécaire.
La vraie puissance de NotebookLM apparaît avec la synthèse multi-sources. Les sources ne doivent plus être traitées comme des silos isolés, mais comme des interlocuteurs capables d’entrer en discussion.
Vous êtes le modérateur
Votre place est en tête de table. Dans le panneau des sources, les cases à cocher servent à décider quels documents participent à la conversation.
Votre rôle n’est pas d’écouter des monologues. Il consiste à mettre les auteurs en tension, à lancer un point de friction entre eux, puis à laisser l’IA faire apparaître des liens, des écarts ou des conflits que vous n’auriez peut-être pas repérés seul.
Technique clé : la stratégie de nomination
C’est l’élément qui sépare les débutants des utilisateurs expérimentés. Lorsque plusieurs documents sont sélectionnés, le fait de nommer explicitement les sources aide le modèle à resserrer sa recherche et à effectuer une comparaison directe.
Au lieu de demander vaguement : « Compare ceci », il faut demander :
« En vous basant sur le Rapport financier 2023, critiquez la stratégie du Plan marketing 2024. »
La différence est décisive. En procédant ainsi, vous obligez NotebookLM à utiliser les données d’un fichier comme une lentille pour évaluer l’autre. Cela produit une couche d’analyse qui n’existe dans aucun des deux documents pris séparément.
Exemple
L’attaque : entrez le prompt suivant, en adaptant les noms de vos fichiers :
« Agis comme un auditeur strict. Trouve 3 contradictions précises entre [Nom du document A] et [Nom du document B]. Cite les passages exacts du texte où les affirmations entrent en conflit. »
Vérification : lorsque vous recevez une réponse, cliquez sur les numéros de citation gris pour contrôler les passages exacts dans les deux documents que l’IA a utilisés.
Cet exercice fait gagner du temps et permet d’identifier des failles potentielles avant d’en subir les conséquences.
La question pratique est simple : avez-vous deux documents de ce type, suffisamment proches pour devoir s’accorder, mais suffisamment différents pour pouvoir entrer en conflit ?
Conclusion
Vous savez maintenant comment faire « parler » les documents entre eux. Mais un problème apparaît immédiatement : ces insights peuvent disparaître dès que vous actualisez, changez de sujet ou quittez le fil de travail.
La question suivante est donc la conservation. Comment garder ces découvertes au lieu de les perdre ? L’étape suivante consiste à apprendre à enregistrer les informations importantes et à les transformer en connaissance durable.
Auteur : WebToulouse
- SIRET : 534 913 769 00012
- Siège social : 1 impasse Jean-Pierre Blanchard, 31400 Toulouse, France
- Contact : 09 53 32 33 33 — contact@webtoulouse.fr
- Directeur de la publication : WebToulouse
- Dernière mise à jour :28/04/2026
- Corrections : En cas d’erreur ou d’information obsolète contactatwebtoulouse.fr