GuideIntermediate

Graphify · donnez à votre IA la carte complète de votre projet (la pièce la plus avancée)

C'est la pièce la plus avancée de la connaissance de votre IA — le graphe, l'une des trois parties du brain que vous venez de voir. Vous avez déjà donné une mémoire à votre IA, vous sauvegardez déjà sur GitHub, vous savez déjà quand utiliser un RAG et ce qu'est un brain. Mais il arrive un moment où la recherche par ressemblance ne suffit plus : quand votre projet devient SI grand que l'IA ne comprend plus comment tout se connecte — qui dépend de quoi, ce qui casse si vous touchez à une pièce. C'est là qu'elle commence à lire des fichiers à l'aveugle, à gaspiller des tokens en trop, à répéter des erreurs et à casser des choses qui marchaient. Graphify règle ça à la racine : il transforme votre projet entier —code, schémas de base de données, documents, papers, jusqu'aux images et vidéos— en un graphe de connaissance que l'IA consulte en une seule question. C'est open-source, gratuit, et aujourd'hui c'est une « skill » qui s'installe en une commande. Et attention : ce n'est pas seulement pour les programmeurs — vous verrez ici plusieurs scénarios pour différents types d'utilisateurs.

Jun 19, 202611 min

La pièce la plus avancée de la connaissance de votre IA

Ce guide approfondit le graphe, la troisième pièce du brain que vous avez vue dans la ressource précédente : [mémoire](/recursos/memoria-para-tu-ia-herramientas) → [RAG](/recursos/rag-sin-humo-cuando-lo-necesitas) → [brain](/recursos/el-brain-cerebro-de-tu-app) → graphe à fond. Vous n'avez pas besoin de programmer pour la comprendre, et vous verrez des scénarios au-delà du code (documents, recherche, votre business).

Quand le besoin apparaît-il ? (au-delà de la recherche)

Le besoin surgit quand votre projet cesse d'être « un tas de choses à chercher » et devient « un réseau de choses connectées ». Signaux : vous demandez un changement à l'IA et elle casse quelque chose qui se trouvait à l'autre bout du projet ; vous lui demandez « qu'est-ce qui se passe si je change ceci ? » et elle ne sait pas ; ou vous avez tellement d'informations que ni la mémoire ni le RAG ne donnent à l'IA la photo complète de la façon dont tout s'imbrique.

La douleur : l'IA qui « répare » une chose et en casse une autre

C'est la douleur la plus frustrante quand on construit avec l'IA à grande échelle. L'IA touche à un fichier sans savoir que cinq autres pièces en dépendaient → ce qu'elle répare d'un côté, elle le casse de l'autre. Ce n'est pas qu'elle soit bête : c'est qu'elle cherche par ressemblance, mais ne comprend pas les connexions. Le graphe lui donne exactement ce qui lui manque.

Mémoire vs RAG vs graphe · la différence en une phrase

Les trois donnent de la connaissance à votre IA, mais résolvent des choses différentes. Voici la différence que presque personne n'explique clairement :

Les trois, sans les confondre

Mémoire → se souvient de vos règles et de votre projet entre les sessions. (Continuité.)

RAG → cherche par ressemblance et ramène les morceaux de vos documents qui ressemblent à votre question. (Trouver.)

Graphe → comprend les connexions : qui dépend de quoi, ce qui casse si vous changez quelque chose. (Raisonner sur la structure.)

Imaginez-le ainsi · le plan du métro

Sans graphe, votre IA est un touriste dans une ville immense qui demande son chemin à chaque coin de rue (ça gaspille des tokens et elle se perd). Avec un graphe de connaissance, vous lui donnez le plan du métro : elle voit toute la ville d'un coup d'œil, sait quelle station est reliée à quelle autre, et arrive directement. Le RAG vous dit « voici des rues qui ressemblent à celle que vous cherchez » ; le graphe vous dit « cette rue mène à celle-là, et si vous fermez celle-ci, toute cette zone se bloque ».

Qu'est-ce que Graphify ? (en clair)

Graphify est un outil gratuit et open-source qui prend un dossier entier —votre code, vos schémas de base de données, vos documents, papers, même des images et des vidéos— et le transforme en un graphe de connaissance : une carte où chaque chose est un point et chaque connexion une ligne. L'IA, au lieu de lire 50 fichiers à l'aveugle, demande à la carte « comment X se connecte-t-il à Y ? » et obtient la réponse en une seule requête.

Aujourd'hui Graphify fonctionne comme une « skill » (comme celles de la ressource des 5 skills de bureau) : elle s'installe une fois et votre assistant IA —Claude Code, Cursor, Codex, Gemini CLI et d'autres— l'utilise quand il en a besoin. Et elle est multimodale : elle ne comprend pas seulement le code, mais aussi le SQL, les scripts, les documents, les papers et plus encore.

safishamsi/graphify

REPO

Graphify — transforme n'importe quel dossier (code, schémas SQL, scripts, documents, papers, images, vidéos) en un graphe de connaissance consultable, pour les assistants IA (Claude Code, Codex, Cursor, Gemini CLI et d'autres). Open-source, maintenu par Safi Shamsi.

PythonMITView on GitHub

Pour tout type d'utilisateur · 4 scénarios réels

Graphify n'est pas seulement pour ceux qui programment. Quiconque possède un tas d'informations connectées en profite. Voici quatre scénarios différents :

1 · Celui qui construit une app (code)

Le cas classique : votre projet a grandi et l'IA se perd entre les fichiers. Avec le graphe, avant de toucher à quoi que ce soit, elle sait qui dépend de quoi — et cesse de casser ce qui marchait. Moins de bugs, moins de tokens, des changements plus sûrs.

2 · Le chercheur ou l'étudiant (papers et documents)

Vous avez 80 papers ou un tas de documents de thèse. Le graphe connecte les idées entre eux : « quels auteurs sont liés ? », « quel concept relie ce paper à celui-là ? ». Votre IA raisonne sur TOUTE votre bibliothèque, pas document par document.

3 · Le dirigeant d'une entreprise (votre opération)

Vos processus, politiques, produits et clients sont connectés de mille façons. Un graphe permet à votre IA de comprendre ces relations : « si je change cette politique, quels processus sont affectés ? ». Elle passe de répondre à des faits isolés à comprendre votre business comme un système.

4 · Celui qui mélange tout (données + docs + code)

Le plus puissant : Graphify met dans UN seul graphe votre code, votre schéma de base de données et votre documentation. Votre IA voit l'app, les données et les décisions comme un seul réseau — le contexte complet qu'aucun fichier isolé ne lui donne.

Installation · une commande (vous avez besoin de Python)

Graphify s'installe avec une seule commande. Vous devez avoir Python sur votre ordinateur. (Attention : le paquet s'appelle graphifyy, avec un double « y ».)

Installer Graphifybash

pip install graphifyy && graphify install

Si la commande échoue

Sur macOS ou si vous voyez une erreur « externally-managed-environment », utilisez pipx install graphifyy (il gère tout tout seul). Sur Windows, si graphify n'est pas reconnu après l'installation, pipx install graphifyy règle aussi le problème. Et le plus simple : si vous utilisez un agent de code, passez-lui le prompt ci-dessous et laissez-le gérer l'installation.

Comment ça s'utilise · vous interrogez la carte

Une fois installée, Graphify est une skill que vous invoquez avec /graphify. Vous construisez le graphe de votre dossier une fois, puis vous lui posez des questions en langage naturel. Voici à quoi ressemble une requête réelle :

Interroger votre graphe (exemple réel)bash

/graphify query "qu'est-ce qui connecte le login à la base de données des utilisateurs ?"

L'habitude qui le rend précieux

Le graphe n'est pas une chose ponctuelle : faites-en un réflexe de le consulter AVANT un gros changement (« qu'est-ce qui casse si je touche à ça ? ») et de le reconstruire quand le projet change beaucoup. Une carte périmée désoriente ; une carte fraîche vous fait gagner des heures. Comme dans toute la série : l'outil vaut par l'habitude, pas par le fait de l'installer une fois.

Prompt 1 · Que votre IA l'installe et construise le graphe

Si vous ne voulez pas toucher au terminal, laissez votre agent de code tout faire. Copiez-le et collez-le-lui :

Collez-le à votre agent · installer et construire le graphetexte

Je veux utiliser Graphify (https://github.com/safishamsi/graphify) pour transformer ce projet en un graphe de connaissance que tu puisses consulter. Guide-moi et fais-le toi-même là où tu peux, en langage simple.

1. Vérifie s'il est installé ; si non, installe-le (pip install graphifyy && graphify install, ou pipx install graphifyy si pip échoue).
2. Construis-moi le graphe sur la racine de ce projet.
3. Explique-moi ce qu'il a généré (le graphe visuel, le fichier consultable et le rapport) en mots simples.
4. Fais-moi une requête de test pour confirmer que ça marche, par exemple comment se connectent deux parties clés de mon projet.
5. Si je suis le seul à pouvoir faire quelque chose, dis-le-moi avec les étapes exactes.

Prompt 2 · Utilisez-le avant chaque gros changement (anti-casser-des-choses)

C'est celui qui vous épargne vraiment des maux de tête. Avant de demander un changement important à l'IA, faites-lui consulter le graphe d'abord :

Collez-le à votre agent · changer sans cassertexte

Avant de faire ce changement : [décris le changement que tu veux], consulte le graphe de connaissance de Graphify pour comprendre l'impact.

1. Demande au graphe quelles parties du projet dépendent de ce que je vais toucher.
2. Dis-moi ce qui pourrait casser et ce qu'il faut vérifier après le changement.
3. Alors seulement propose le changement, en tenant compte de ces connexions.
4. Quand on aura terminé et que ça marchera, rappelle-moi de sauvegarder le progrès sur GitHub.

L'idée est de ne rien casser qui soit connecté en dessous.

Pourquoi il couronne la connaissance (et booste le C-A-R)

Ici tout se rejoint

Le graphe rend la phase d'audit du protocole C-A-R bien plus puissante : l'IA audite en comprenant comment TOUT se connecte, pas seulement le fichier qu'elle a touché. Et il s'appuie sur les échelons précédents : sauvegardez le graphe et vos changements sur GitHub, utilisez-le quand le RAG est trop court pour comprendre la structure. C'est le sommet de l'échelle de la connaissance de votre IA.

Dans NeuralOS, le graphe fait partie du cerveau

Le graphe de connaissance est exactement le type de « cerveau structurel » que nous apportons à NeuralOS : que chaque projet et agent comprenne comment tout ce qui lui appartient se connecte, sans que vous ayez à monter quoi que ce soit. La vision est déjà dessinée dans l'interface ; le moteur fait partie du chemin que nous construisons.

Le RAG sans blabla · l'échelon précédent

Avant le graphe, ce dont vous avez besoin la plupart du temps, c'est d'un bon RAG. Commencez par là si vous l'avez sauté.

Le protocole C-A-R · construire sans bugs

La méthode qui se combine parfaitement avec Graphify pour un logiciel à toute épreuve.

#contexte#graphe#open-source#claude-code

Ready to build?