Qu’est-ce que Open Notebook ?
Open Notebook est une alternative open source et auto-hébergée à NotebookLM de Google (renommé Gemini Notebook en juillet 2026). Vous rassemblez des sources dans des carnets, dialoguez avec elles avec citations, lancez des transformations réutilisables qui tirent de chaque source des résumés ou d'autres enseignements, cherchez en texte intégral ou par vecteurs et générez des épisodes de podcast avec une à quatre voix. Tout est accessible par une API REST, et un serveur MCP communautaire permet à Claude Desktop et à d'autres clients de le piloter.
C'est un back-end Python (FastAPI) avec un front-end Next.js et SurrealDB comme base de données, livré sous forme de deux services Docker. Les modèles passent par Esperanto, la bibliothèque du mainteneur, qui couvre plus de 20 fournisseurs, d'OpenAI, Anthropic, Google et Mistral à Ollama, LM Studio et tout serveur compatible OpenAI. Les sources comprennent les fichiers PDF, Office et OpenDocument, l'EPUB, l'audio, la vidéo, les pages web, les transcriptions YouTube et le texte collé.
Le dépôt a été créé en octobre 2024 par Luis Novo (lfnovo), est sous licence MIT, compte environ 41 100 étoiles sur GitHub et a atteint la v1.15.0 le 4 octobre 2026. Le mainteneur ne propose ni édition payante ni service hébergé.
Open Notebook vaut-il le coup ?
Open Notebook est, à notre lecture, la réponse auto-hébergée la plus aboutie à NotebookLM, et ce qu'il cède en échange de cette liberté, c'est la finition et la profondeur de la sécurité. Gemini Notebook de Google est gratuit, hébergé et fermé : il ne fonctionne qu'avec les modèles de Google, et ses productions couvrent désormais Audio et Video Overviews, cartes mentales, fiches, quiz et présentations. Open Notebook fait moins de choses, chat, notes, transformations, recherche et podcasts, mais il fonctionne avec n'importe lequel de plus de 20 fournisseurs, expose chaque fonction par une API REST et garde les carnets sur votre disque. La qualité des réponses et des podcasts est donc celle du modèle que vous choisissez, pas celle d'un produit Google figé.
La fonction podcast est plus paramétrable que le format à deux animateurs de Google. Un profil d'épisode fixe un modèle de plan, un modèle de transcription et de 3 à 20 segments ; un profil d'intervenants fixe une à quatre voix, qui peuvent venir de fournisseurs de synthèse vocale différents, dont OpenAI, Google, ElevenLabs, Mistral, Deepgram, MiniMax et un serveur Speaches local. Les profils fournis n'ont aucun modèle attribué, si bien que rien n'est généré tant que vous ne les avez pas configurés. Le coût, ce sont les deux passes du modèle de langage sur tout le contenu sélectionné plus la voix du script : au tarif tts-1 d'OpenAI, $15 par 1M de caractères, faire lire un script de 30 000 caractères coûte environ $0.45, ou $0.90 avec tts-1-hd. Les sources audio et vidéo exigent elles aussi un modèle de transcription avant de pouvoir être traitées.
La confidentialité n'est meilleure que celle de Google que si vous la configurez. Avec un fournisseur cloud, chaque chat, transformation et étape de podcast envoie le texte de vos sources à ce fournisseur ; la voie entièrement locale associe Ollama pour le chat et les embeddings à Speaches pour la voix, et la documentation demande 8 GB de RAM en prévenant que les petits modèles sur CPU sont lents. Le contexte par défaut d'Ollama, 8 192 tokens, tronque sans prévenir les prompts longs, ce qui se traduit par des réponses qui ignorent vos sources. Le principe affiché du projet est l'absence de télémétrie sans consentement, et nous n'avons trouvé aucun code de télémétrie dans le dépôt.
Les réglages de sécurité par défaut conviennent à une personne sur un portable, et à rien de plus. Le fichier compose fourni publie l'interface sur le port 8502 et l'API sur le 5055 sur toutes les interfaces, authentification désactivée, et sa clé de chiffrement des clés de fournisseur enregistrées est un exemple public dont l'application ne signale rien. La protection optionnelle est un unique mot de passe partagé, sans comptes, rôles, expiration de session, limitation de débit ni journal d'audit ; le navigateur le conserve dans localStorage, et CORS est ouvert à toutes les origines tant que vous n'avez pas défini CORS_ORIGINS. SurrealDB utilise root:root par défaut, mais reste lié à localhost. En avril 2026, CERT-EU a signalé une faille critique d'exécution de code à distance par injection de gabarit et deux bogues graves de lecture et d'écriture de fichiers, corrigés en v1.8.4, après une injection SurrealDB corrigée en v1.8.3. La prise en charge multi-utilisateur est à l'étude, pas construite.
Face à AnythingLLM, qui propose des espaces de travail multi-utilisateurs, Open Notebook est le produit le plus étroit et la copie la plus fidèle du cycle de recherche de NotebookLM. Pour un foyer ou un chercheur seul sur un réseau privé, c'est un choix solide ; une équipe qui a besoin de connexions séparées doit placer devant lui un proxy avec authentification.
Là où il fait la différence
Une journaliste qui travaille sur des documents divulgués qui ne doivent pas passer par Google
Interroger quelques centaines de PDF sans que le texte quitte ma machine
Lancer le fichier compose avec les ports liés à 127.0.0.1, ajouter Ollama avec qwen3 et nomic-embed-text et activer Docling pour les PDF numérisés. Rien n'est envoyé à un fournisseur de modèles ; le prix est une machine d'au moins 8 GB de RAM et des réponses plus lentes qu'avec un modèle cloud.
Un enseignant d'université qui transforme les lectures hebdomadaires en audio pour des étudiants qui font la navette
Produire un court épisode de discussion à partir des articles de chaque semaine
Configurer un profil d'épisode avec un modèle de plan et de transcription bon marché et un profil à deux intervenants sur OpenAI tts-1, sélectionner les sources de la semaine au niveau Summary et laisser le worker assembler l'épisode. Faire lire un script de 30 000 caractères coûte environ $0.45, plus les appels au modèle de langage.
Un développeur qui construit un assistant de recherche interne pour un cabinet de conseil de 10 personnes
Charger automatiquement les rapports clients et les interroger depuis nos propres outils
Envoyer les fichiers par POST /api/sources avec un mot de passe bearer, derrière un reverse proxy HTTPS avec CORS_ORIGINS défini, ou connecter des agents par le serveur open-notebook-mcp. Tout le monde partage un mot de passe, donc un accès par personne exige un proxy ou une passerelle en amont.
Avant de vous engager
- Mise en route
- Télécharger docker-compose.yml, remplacer l'exemple dans OPEN_NOTEBOOK_ENCRYPTION_KEY, puis docker compose up -d et ouvrir localhost:8502 environ 30 secondes plus tard ; ajouter au moins un modèle de langage et un modèle d'embeddings dans Manage, Models. La documentation demande 4 GB de RAM libre, 8 GB avec Ollama en local.
- Intégrations
- OpenAI, Anthropic, Google, Vertex AI, Azure OpenAI, Mistral, Groq, DeepSeek, xAI, OpenRouter, Cohere, Voyage, ElevenLabs, Deepgram, MiniMax et d'autres via Esperanto ; Ollama, oMLX, LM Studio et les serveurs compatibles OpenAI ou Anthropic ; Docling, Crawl4AI, Firecrawl et Jina pour l'extraction ; une API REST et un serveur MCP communautaire.
- Données et confidentialité
- Les carnets sont stockés dans SurrealDB et dans le dossier local notebook_data ; les clés de fournisseur sont chiffrées avec Fernet dérivé par PBKDF2 depuis la v1.15.0. Le texte des sources part chez les fournisseurs que vous configurez. Aucune télémétrie trouvée ; authentification désactivée par défaut ; quatre avis de sécurité, tous corrigés en v1.8.4.
- Coût à grande échelle
- Pas d'offre payante. La dépense, c'est l'usage des modèles, des embeddings et de la voix plus un petit serveur ; les podcasts au tarif tts-1 d'OpenAI coûtent $15 par 1M de caractères de script, et la transcription Whisper environ $0.006 par minute. Les modèles locaux suppriment le coût par appel, mais demandent de la RAM ou un GPU.
- Limites
- 135 issues et 56 pull requests ouvertes ; un seul utilisateur ; ni limitation de débit ni journal d'audit ; YouTube peut bloquer les demandes de transcription du serveur sans proxy ni cookies ; passer en v1.15.0 réécrit les clés enregistrées dans un format que les versions antérieures ne savent pas lire.
Les points forts
- Plus de 20 fournisseurs de modèles, dont Ollama entièrement local
- Podcasts à une à quatre voix, avec un fournisseur TTS par intervenant
- Toutes les fonctions accessibles par une API REST
- Licence MIT et installation Docker à deux conteneurs
Les points faibles
- Ports ouverts sur toutes les interfaces et sans mot de passe par défaut
- Un seul mot de passe partagé ; ni comptes utilisateurs ni rôles
- Quatre avis de sécurité en avril 2026, dont un critique
- Moins de formats de sortie que Gemini Notebook
Idéal pour
Chercheurs, étudiants et petites équipes privées qui veulent des carnets et des podcasts à la NotebookLM sur leurs propres modèles et serveur, et peuvent le garder hors de l'internet ouvert ou derrière un proxy avec authentification.
Alternatives à Open Notebook
Open Notebook : questions fréquentes
- Open Notebook vaut-il le coup ?
- Open Notebook vous offre le déroulé de travail de NotebookLM sur les modèles et le matériel de votre choix, à condition de traiter son unique mot de passe partagé comme un loquet et non comme une serrure. Nous lui donnons 4.0 sur 5.
- Combien coûte Open Notebook ?
- Gratuit et open source (MIT). Auto-hébergé uniquement ; vous payez vos propres fournisseurs de modèles, d'embeddings, de transcription et de synthèse vocale, ou rien par appel avec des modèles locaux.
- Quels sont les inconvénients de Open Notebook ?
- Ports ouverts sur toutes les interfaces et sans mot de passe par défaut; un seul mot de passe partagé ; ni comptes utilisateurs ni rôles; quatre avis de sécurité en avril 2026, dont un critique; moins de formats de sortie que Gemini Notebook.
- À qui s’adresse Open Notebook ?
- Chercheurs, étudiants et petites équipes privées qui veulent des carnets et des podcasts à la NotebookLM sur leurs propres modèles et serveur, et peuvent le garder hors de l'internet ouvert ou derrière un proxy avec authentification.
- Combien coûte Open Notebook pour une équipe ou en production ?
- Pas d'offre payante. La dépense, c'est l'usage des modèles, des embeddings et de la voix plus un petit serveur ; les podcasts au tarif tts-1 d'OpenAI coûtent $15 par 1M de caractères de script, et la transcription Whisper environ $0.006 par minute. Les modèles locaux suppriment le coût par appel, mais demandent de la RAM ou un GPU.
- Open Notebook est-il sûr pour les données de l’entreprise ?
- Les carnets sont stockés dans SurrealDB et dans le dossier local notebook_data ; les clés de fournisseur sont chiffrées avec Fernet dérivé par PBKDF2 depuis la v1.15.0. Le texte des sources part chez les fournisseurs que vous configurez. Aucune télémétrie trouvée ; authentification désactivée par défaut ; quatre avis de sécurité, tous corrigés en v1.8.4.
- Quelles sont les meilleures alternatives à Open Notebook ?
- Les alternatives les plus proches que nous avons testées sont AnythingLLM, Khoj, DeepTutor et notebooklm-py.
Réponses vérifiées le 31 oct. 2026.