Yakki.aiLes favoris Twitter sont l'endroit où le contenu précieux va mourir. Vous sauvegardez un fil sur une stratégie marketing, un insight technique, une recommandation d'outil. Des semaines plus tard, vous en avez besoin. Vous scrollez. Et scrollez. Vingt minutes passent. Vous abandonnez. L'information est là, quelque part, enterrée sous des milliers d'autres sauvegardes sans recherche, sans organisation, sans moyen de récupérer ce dont vous avez besoin.
Le problème s'aggrave : comptes suspendus, tweets supprimés, restrictions d'accès. Vos favoris ne sont pas seulement difficiles à trouver - ils risquent de disparaître complètement.
Nous avons décidé de coder une extension pour résoudre le problème pendant le week-end.
Le cadre Avant/Après
Avant de commencer tout projet, définissez à quoi ressemble le succès. Pour un système de favoris :
Avant : Des milliers de favoris sans méthode de récupération. Aucun moyen d'interagir avec le contenu de manière significative. Trouver d'anciennes sauvegardes nécessite un scroll infini.
Après : Une base de connaissances organisée et recherchable. Contenu groupé par thème. La capacité de créer des documents vivants qui évoluent au fur et à mesure que vous ajoutez des favoris connexes. Un flux de révision hebdomadaire où vous vous asseyez avec vos insights au lieu de les chasser.
L'architecture
Une extension Chrome fournit le chemin le plus simple vers l'implémentation. La boucle principale :
- Naviguer vers les favoris Twitter
- Cliquer sur l'extension
- Le contenu est extrait et sauvegardé en markdown propre localement
- Les métadonnées (auteur, date, URL, média) sont stockées en JSON structuré
- Tout atterrit dans un coffre Obsidian, organisé par année et mois
- Optionnellement, les favoris sont supprimés du compte
L'extraction gère :
- Tweets individuels
- Fils complets (assemblés)
- Articles liés (quand un tweet contient un lien vers un article de blog, il le capture aussi)
- Références média (images, vidéos notées dans les métadonnées)
Un fichier INDEX.md sert de table des matières, organisé par thème :
- IA et Développement
- Marketing et Croissance
- Startups et Produit
- Productivité et PKM
- ...
Pourquoi ce stack
Markdown est éternel. Le texte brut ne pourrit pas. Il n'est pas enfermé derrière des formats propriétaires.
JSON est interrogeable. Les métadonnées structurées permettent de construire sur cette base - outils de recherche, analytiques, intégrations.
Agnostique d'UI. Obsidian fonctionne aujourd'hui. Si quelque chose de mieux émerge demain, la migration est triviale.
Local first. Fonctionne hors ligne. Vos données restent les vôtres.
L'approche Vibe Coding
Construire des outils personnels diffère du logiciel de production. Il n'y a pas de base d'utilisateurs à décevoir, pas de roadmap à suivre. Le critère est simple : est-ce que cela résout le problème mieux que l'alternative ?
Cette approche rend les projets de week-end accessibles. Vous n'avez pas besoin de la bibliothèque parfaite ou de l'architecture optimale dès le départ. Décrivez ce que vous voulez, itérez sur ce que vous obtenez, livrez quand c'est utile. L'expérience en programmation aide, mais la méthodologie fonctionne à tout niveau de compétence.
Limitations actuelles
Aucun outil ne se lance parfait. Celui que nous avons codé a ses défauts :
- Noms de fichiers génériques. Le contenu est sauvegardé comme
content.mdplutôt que d'utiliser la première ligne du tweet. Naviguer nécessite de lire les noms de dossiers. - Tags en JSON, pas en markdown. Le système de tags d'Obsidian lit le frontmatter dans les fichiers markdown. Les tags stockés dans le JSON de métadonnées restent invisibles pour Obsidian sans un script de synchronisation.
- Cas limites dans le crawling. Certains fils ne s'assemblent pas correctement. L'extraction d'articles liés varie selon le site.
La solution à 80%
Un projet de week-end de 10-15 heures produit quelque chose de fonctionnel et utile, pas fini. C'est le but. Les outils personnels n'ont pas besoin de polish - ils ont besoin de fonctionner. La liberté de construire pour soi-même signifie livrer à 80% et itérer quand la friction apparaît.
La question n'est pas « est-ce parfait ? » La question est « est-ce que ça résout le problème ? » Pour un système de favoris qui transforme le chaos de Twitter en une base de connaissances organisée, la réponse est oui.