Graphify : transformer n'importe quelle base de code en graphe de connaissances interrogeable, sans base vectorielle

Les bases de code grossissent, et avec elles les notes, articles et captures d'écran qui les entourent. Pourtant, un agent de programmation relit en général les mêmes fichiers bruts à chaque nouvelle session. Cela consomme beaucoup de tokens et ne laisse aucune mémoire durable d'une session à l'autre. Graphify est un projet open source qui s'attaque à ce problème. C'est une compétence (skill) de Claude Code : on tape /graphify dans Claude Code, l'outil lit les fichiers d'un dossier, construit un graphe de connaissances et restitue une structure dont on ignorait l'existence. Selon le README du projet, une requête coûte 71,5 fois moins de tokens que la lecture des fichiers bruts, le graphe persiste d'une session à l'autre, et l'outil distingue ce qu'il a trouvé de ce qu'il a deviné. Le README évoque aussi Andrej Karpathy, qui garde un dossier /raw où il dépose articles, tweets, captures et notes. Graphify se présente comme la réponse au problème que crée un tel dossier : la matière s'accumule, mais personne ne peut s'en servir efficacement. Une réserve s'impose. Le chiffre de 71,5 vient de la description du projet lui-même. Nous ne l'avons pas reproduit : il faut y voir un ordre de grandeur, pas une garantie.

Premier trait distinctif : l'outil est entièrement multimodal. L'entrée ne se limite pas au code source. Des PDF, des fichiers Markdown, des captures d'écran, des schémas, des photos de tableau blanc et même des images contenant du texte dans d'autres langues peuvent être déposés tels quels. Graphify s'appuie sur la vision de Claude pour extraire concepts et relations de cette matière hétérogène, puis relie le tout dans un seul graphe. Concrètement, un croquis d'architecture dessiné à la main, un PDF de revue de conception et le code d'un module central deviennent des nœuds liés dans la même structure, au lieu de rester dans trois dossiers étanches. Pour les équipes qui comparent sans cesse ce que disent les documents et ce que fait le code, une représentation unifiée a une vraie valeur. Ce choix explique aussi la mention « sans base vectorielle » dans le titre. Les requêtes reposent sur des nœuds et des arêtes explicites, et non sur des scores de similarité dans un espace d'embeddings. On échange le flou de la recherche de voisins contre des relations qu'un humain peut inspecter et contester.

Deuxième trait : le soin apporté aux sorties. Lancer /graphify sur un dossier produit un répertoire graphify-out aux rôles bien séparés. Le fichier graph.html est une vue interactive où l'on clique sur les nœuds, cherche et filtre par communauté. Le dossier obsidian s'ouvre directement comme coffre Obsidian. Avec l'option --wiki, l'outil écrit aussi des articles de style Wikipédia destinés à la navigation des agents. GRAPH_REPORT.md est un rapport qui liste les « god nodes », c'est-à-dire les concepts centraux les plus densément connectés, ainsi que des liens surprenants et des questions à poser ensuite. Le fichier graph.json contient le graphe persistant : on peut l'interroger des semaines plus tard sans relire les sources. Enfin, un dossier cache stocke des empreintes SHA256, si bien qu'une nouvelle exécution ne traite que les fichiers modifiés. Ces sorties servent deux publics, la personne qui veut parcourir et l'agent qui veut naviguer, et le cache incrémental limite le coût des itérations quotidiennes.

L'installation reste légère. Il faut Claude Code et Python 3.10 ou plus récent, puis pip install graphifyy suivi de graphify install. Un détail piège : le paquet PyPI s'appelle provisoirement graphifyy, avec deux y, car le nom graphify est en cours de récupération. L'outil en ligne de commande et la commande du skill gardent le nom graphify. Sous Windows, si la commande n'est pas reconnue, il faut ajouter le dossier Scripts de Python au PATH, ou utiliser pipx. Sous macOS, l'erreur d'environnement géré de l'extérieur se résout aussi avec pipx. Une voie manuelle existe : télécharger le fichier SKILL.md avec curl dans ~/.claude/skills/graphify, puis l'enregistrer dans ~/.claude/CLAUDE.md. Ensuite, on ouvre Claude Code dans n'importe quel répertoire et l'on tape /graphify suivi d'un point.

Du point de vue du secteur, Graphify signale une piste à suivre. Plutôt que de confier toute la mémoire longue à une base vectorielle, il demande au modèle de « compiler » une fois la matière en un graphe explicite, puis les requêtes ne lisent que ce graphe. Les avantages : des résultats auditables, une mise à jour incrémentale, une stabilité d'une session à l'autre. Le coût : la qualité du graphe dépend de la justesse de l'extraction par le modèle, et une arête fausse, une fois écrite, sera réutilisée. L'insistance du projet sur la séparation entre faits trouvés et suppositions répond à ce risque, mais son efficacité doit être vérifiée sur votre propre corpus. La première construction d'un grand dossier fait appel au modèle, surtout pour l'extraction visuelle, donc le coût n'est pas négligeable, et le cache SHA256 n'allège que les exécutions suivantes. Notre conseil est pratique. Testez d'abord sur un dépôt de taille moyenne, comparez les god nodes de GRAPH_REPORT.md avec votre propre compréhension du système, puis remontez quelques arêtes jusqu'à leurs sources. Décidez ensuite seulement de l'intégrer au flux de travail quotidien. Si les résultats tiennent, un tel graphe peut devenir une couche de contexte commune pour le code, les documents et les supports visuels.