2e cerveau IA : pourquoi ça ne marche pas pour 80% des gens

Un 2e cerveau IA qui s’efface à chaque session, c’est pas un 2e cerveau. C’est une app.

Introduction : le concept vs la réalité

Le concept cartonne sur LinkedIn. Notion + Make + Claude. Obsidian branché sur GPT. Un « second brain » qui retient tout à ta place pendant que tu te concentres sur l’essentiel.

Dans la pratique : une belle interface vide et un agent qui ne sait pas qui tu es quand tu reviens le lendemain.

Ce n’est pas un problème d’outil. C’est un problème d’architecture. Voici les trois raisons pour lesquelles le 2e cerveau IA ne fonctionne pas pour la plupart des gens, et ce qu’il faut faire à la place.

Raison 1 : pas de mémoire persistante entre sessions

C’est la première erreur architecturale. Les agents conversationnels (Claude, ChatGPT, Gemini) fonctionnent par fenêtre de contexte. Ils lisent les messages de la conversation en cours. Quand la conversation se ferme, tout disparaît.

Pour que l’agent se souvienne de quelque chose entre deux sessions, il faut un stockage externe explicite. Le minimum viable : un fichier Markdown que l’agent peut lire au début de chaque conversation.

Ce fichier contient ce que l’agent doit savoir sur toi et sur ton contexte : qui tu es, sur quoi tu travailles, tes règles de travail, tes décisions récentes. Tu le maintiens à jour manuellement ou via une automatisation Make/N8N qui capture les informations importantes après chaque session.

Sans ce fichier, tu reconstruis le contexte à chaque conversation. C’est épuisant. Et personne ne le fait plus d’une semaine.

Raison 2 : le contexte n’est pas structuré

Avoir un fichier ne suffit pas. Encore faut-il que son contenu soit structuré de manière exploitable.

Un fichier qui contient « j’aime travailler le matin » et « je suis dans le commerce » n’aide pas un agent à te rédiger un devis adapté à un client spécifique. Un fichier qui contient ton ICP (profil client idéal), les objections courantes dans ton secteur, tes modèles de prix et les exemples de deals conclus – ça, c’est un contexte actionnable.

La structure fait la différence. Un bon fichier de contexte n’est pas un journal de bord. C’est un document de référence organisé par catégories : profil de l’entreprise, personas, offres, règles de décision, exemples concrets.

Un bon fichier de contexte n’est pas un journal de bord. C’est un document de référence organisé par catégories.

C’est ce qu’on appelle un historique de conversation structuré : chaque session importante alimente un fichier de référence, pas un flux de notes non organisées. La différence tient à une discipline de 5 minutes après chaque session de travail.

Raison 3 : le cerveau n’est activé qu’à la demande

Le troisième problème, c’est le modèle d’invocation.

Un 2e cerveau IA classique attend que tu le sollicites. Tu poses une question, il répond. C’est utile. Mais ce n’est pas un système qui travaille pendant que tu travailles.

Pour aller plus loin, il faut connecter l’agent à des flux d’information entrants. Un email important arrive : Make capture l’essentiel et l’ajoute à ton fichier de contexte. Un client répond à un devis : la fiche client est mise à jour automatiquement. Une réunion se termine : un workflow génère un compte rendu structuré et le stocke au bon endroit.

C’est là qu’intervient le MCP (Model Context Protocol). Ce protocole permet à un agent conversationnel de lire et d’écrire dans tes outils directement : Notion, Google Drive, ton CRM. Sans MCP, l’agent reste dans sa bulle. Avec MCP, il devient une couche d’intelligence connectée à tes process réels.

La méthode qui fonctionne vraiment

Un 2e cerveau IA opérationnel repose sur trois composants distincts.

1. Un fichier Markdown comme mémoire de contexte

C’est la base. Document structuré, mis à jour régulièrement, lu par l’agent en début de session. Sans ça, rien ne tient. Ce fichier peut être stocké localement, dans Notion ou dans Google Drive – peu importe tant que l’agent peut y accéder.

2. Un historique de conversation structuré

Pas les transcriptions brutes de tes échanges. Une synthèse organisée des décisions prises, des informations importantes capturées, des règles qui ont émergé de tes sessions de travail. Tenu à jour après chaque session importante, soit manuellement en 5 minutes, soit via une automatisation Make.

3. Le MCP comme couche d’accès

Le protocole qui branche l’agent sur tes outils. Notion MCP, Google Drive MCP, CRM MCP. L’agent peut alors lire tes données en temps réel et les mettre à jour, sans que tu aies à tout recopier dans le chat. C’est la différence entre un agent qui répond à des questions sur du contexte figé et un agent qui travaille dans ton environnement réel.

Ces trois éléments ensemble constituent une architecture de mémoire agentique. Ce n’est pas de la science-fiction. C’est ce que font les équipes TPE/PME qui ont un 2e cerveau IA qui fonctionne vraiment – et pas une app vide qui s’efface toutes les 24 heures.

Make.com permet de construire ces automatisations de capture et de mise à jour de contexte sans coder.

Pour aller plus loin sur la structuration de cette mémoire de contexte, voir comment le Markdown change ta façon d’utiliser l’IA.

Par où commencer cette semaine

Si tu pars de zéro, un seul objectif pour cette semaine : créer ton fichier Markdown de contexte.

Pas besoin de Make, pas besoin de MCP. Un fichier texte dans Notion ou sur ton bureau. Tu le remplis avec ce que ton agent devrait savoir sur toi pour t’être vraiment utile : qui tu es, ton activité, tes clients types, tes projets en cours, tes règles de décision.

Ensuite, tu commences chaque session en chargeant ce fichier dans la conversation – via Projects Claude, en le collant manuellement, ou via n’importe quel outil qui le charge automatiquement.

Ce n’est pas parfait. C’est le début. Et c’est déjà dix fois plus efficace qu’une conversation qui repart de zéro à chaque fois. Pour aller plus loin vers l’architecture agentique complète, la prochaine étape c’est de connecter ce fichier à tes outils via Make et MCP.