LLI Wiki — My Digital Knowledge Base

Migrer environ 1 000 notes Joplin vers un wiki Wiki.js avec des agents IA : retour d'expérience

Anonymisation locale avant tout modèle, agents rédacteurs en parallèle, scanner de fuites, bilingue FR/EN, captures relues et floutées, publication sans écrasement.

J'avais environ un millier de notes techniques personnelles dans Joplin, accumulées pendant de nombreuses années : commandes, procédures, mémos de dépannage. Je voulais les publier dans un wiki Wiki.js public et bilingue. Le faire à la main était exclu, et envoyer les notes brutes à un modèle d'IA l'était tout autant : des années de notes contiennent des noms de machines, des identifiants, des mots de passe et des noms d'anciens employeurs et clients. Voici comment j'ai procédé avec des agents IA, et ce que j'en retiens.

Le pipeline

flowchart LR
    A["Base Joplin : lecture seule"] --> B["Verrou d'exclusion : carnets privés"]
    B --> C["Anonymiseur local : sans modèle"]
    C --> D["Agents rédacteurs en parallèle : FR et EN"]
    D --> E["Scanner de fuites"]
    E -->|propre| F["Publication : création seule"]
    E -->|détection| G["Rapport des blocages"]
    G --> H["Réécriture ou rejet"]
    H --> E
    F --> I["Relecture de contrôle"]
    I --> J["Index des catégories"]
    K["Captures : revue et floutage"] --> F

Étape 1 : anonymisation locale avant tout modèle

Première règle : aucune note brute n'atteint un modèle. Un script Python local ouvre la base Joplin en lecture seule, écarte les carnets exclus dans la requête SQL elle-même (leur texte n'est donc jamais chargé en mémoire) et n'écrit que du texte anonymisé. Il remplace les noms de machines, adresses, e-mails, identifiants, chaînes ressemblant à des clés et une liste de noms de sociétés, clients et personnes par des valeurs neutres (SERVER01, 192.0.2.x, <PASSWORD>).

Une liste d'exclusion ne suffit pas, et le script s'est trompé. Il a transformé un -p tcp en marqueur de mot de passe, un nom de fichier de configuration en faux domaine, et des colonnes de base de données en noms de serveurs. J'ai comparé chaque page publiée à sa source pour retrouver ces dégâts, et les agents avaient en grande partie rétabli les bonnes valeurs. Leçon : un anonymiseur automatique est un filet de sécurité, pas une réécriture ; testez-le sur le texte qu'il peut abîmer.

Étape 2 : agents rédacteurs en parallèle

Les notes sont regroupées en lots d'environ cinq mille mots, les notes proches ensemble. Un agent rédacteur par lot transforme chaque note en un article français et un article anglais avec titre, slug, catégorie, tags et description, puis un fichier JSON. Règles données aux agents :

Des modèles moins coûteux ont traité les notes courtes et routinières, des modèles plus puissants les longues. Une relecture de sécurité séparée par lot n'a plus valu son coût une fois le scanner en place ; je l'ai supprimée.

Étape 3 : un scanner de fuites avant publication

Un script indépendant analyse chaque article et ne rapporte que les noms de fichiers et les catégories de détections, jamais le texte trouvé : noms de la liste d'exclusion, adresses IP hors plages de documentation, GUID, e-mails, affectations de mots de passe ou de jetons, en-têtes de clés et de clés privées, domaines internes. Tout ce qui est signalé va dans un rapport de blocages plutôt que sur le wiki. Un tiers des notes signalées étaient de fausses alertes, vérifiées à la main. Les notes bloquées parce qu'elles concernaient une société n'ont pas été jetées : une passe dédiée les a réécrites pour garder la technique et remplacer tout ce qui était spécifique par des noms génériques.

Étape 4 : les captures d'écran

Les captures rendent souvent une note compréhensible, mais ce sont elles qui fuient le plus. Je les ai extraites dans un dossier de revue et examinées une par une. La décision par image est garder, masquer ou écarter. Le masquage pixellise et floute les rectangles sensibles assez fort pour que le texte ne puisse pas être relu, et le fichier masqué est revu à son tour. Sur 232 images, 83 ont été gardées, les autres écartées parce qu'un nom d'utilisateur, de serveur ou de domaine restait visible. Les images gardées sont réduites, converties en WebP, envoyées comme fichiers et référencées dans la bonne section avec une légende, dans les deux langues. Ne pas les intégrer en blocs de texte garde les pages légères.

Étape 5 : publier sans rien casser

Le publieur dialogue avec l'API de Wiki.js et n'écrase jamais : si une page existe déjà à un chemin, elle est ignorée. Chaque page créée est relue et comparée à ce qui a été envoyé. Un journal enregistre chaque action pour qu'une exécution interrompue reprenne. Les pages d'index des catégories sont régénérées après chaque publication. Au final, 656 notes sont devenues 1 312 pages (français et anglais), le reste ayant été rejeté comme trop court, en double, interne ou déjà couvert.

Retour d'expérience

Mastodon LLIMastodon SocialFosstodon