Comment fusionner plusieurs notebooks NotebookLM en un seul (guide 2026)

Vous voulez fusionner ou combiner des notebooks dans NotebookLM, mais il n'y a pas de bouton pour ça. On explique pourquoi la fusion n'existe pas du tout, à quel moment on se heurte souvent à ce mur, où bloquent les contournements (extension Chrome, sauvegarde JSON, détour par Gemini), et quelle alternative permet de ne jamais diviser ses notebooks au départ.

Vous avez créé plusieurs notebooks dans NotebookLM, puis cherché un bouton « fusionner » pour en réunir deux en un seul — et vous avez fini par tomber sur ce moment ?

[Emplacement capture d'écran : écran réel de NotebookLM — deux notebooks sélectionnés pour être fusionnés, mais aucun menu « Combine/Merge » nulle part. Utiliser un texte alt et un nom de fichier contenant les mots-clés « fusionner combiner notebooks notebooklm » pour capter aussi le trafic de recherche d'images.]

NotebookLM n'a pas de bouton pour fusionner deux notebooks en un seul.

Déroutant, mais ce n'est pas un problème de votre part.

Vous avez douze notebooks, et la bonne réponse se cache toujours quelque part entre eux. Un notebook pour les articles, un autre pour les comptes-rendus de réunion, et vous alternez entre les deux à coups d'alt-tab.

Dernière mise à jour : 2026-07-10

Cet article aborde quatre points : pourquoi la fusion n'existe pas, à quel moment on s'y heurte souvent, où bloquent les contournements, et en quoi une approche qui ne divise pas dès le départ change la donne.

Pourquoi NotebookLM ne fusionne-t-il pas les notebooks

C'est étrange. On peut y ajouter des centaines de sources, mais impossible de fusionner deux notebooks ?

Dans NotebookLM, un notebook est une boîte isolée. Lors d'une réponse, seules les sources de cette boîte sont consultées. Restreindre le périmètre de référence réduit le risque de mélanger des données non pertinentes et de produire des réponses incohérentes. C'est un choix raisonnable.

Mais à cause de cette conception, la « fusion » qui décloisonnerait les boîtes n'a jamais existé dès le départ. Ce n'est pas un bouton manquant, c'est un choix de conception délibéré.

Et ce mur, on le rencontre plus souvent qu'on ne le pense

Vous vous dites peut-être : « moi, un seul notebook me suffit ». Pourtant, ce mur apparaît plus souvent que prévu.

① Quand les sources dépassent la limite (50 en gratuit, jusqu'à 600 au maximum) et qu'il faut diviser le notebook. ② Quand on a organisé par thème, puis qu'une question qui traverse ces thèmes surgit. ③ Quand on veut relier le notebook du semestre dernier à celui de ce semestre. ④ Quand on veut réunir les notebooks créés séparément par chaque membre d'une équipe. ⑤ Quand la recherche est dispersée dans plusieurs notebooks et qu'il faut une conclusion qui traverse l'ensemble.

Vous voyez le point commun ? Plus on divise, plus on a envie de fusionner. C'est ironique : ceux qui organisent le mieux leur travail sont ceux qui se heurtent le plus souvent à ce mur.

Peut-on alors fusionner directement dans NotebookLM ?

Pour aller droit au but : c'est difficile.

Des contournements existent, mais les trois ont un plafond clair.

• Contournement 1 : déplacer les sources via une extension Chrome. Des extensions comme « NotebookLM Tools » permettent de regrouper les sources de plusieurs notebooks dans un seul. Tout est manuel, et il faut confier l'accès à vos données à un service tiers. L'historique des conversations, les résumés audio et les cartes mentales ne suivent pas, et les sources en doublon se dupliquent silencieusement.
• Contournement 2 : sauvegarder en JSON puis restaurer. On exporte, puis on réimporte dans un seul notebook. Les sources se regroupent, mais elles sont simplement déversées dans une même boîte.
• Contournement 3 : passer par Gemini. Au lieu de fusionner, on injecte plusieurs notebooks dans une conversation Gemini et on interroge. C'est astucieux, mais c'est une couche temporaire « hors » notebook. Les données restent dispersées.

Les trois permettent au mieux de regrouper les sources ou de les injecter temporairement. Mais aucun ne permet aux sources de se « connaître » entre elles.

Regrouper des sources dans un même dossier ne les rend pas mutuellement conscientes les unes des autres.

Entasser tous les cartons de déménagement dans une seule pièce ne fait pas le rangement. Même après cinq heures de copier-coller, la question « et si je relie la conclusion A aux données C ? » reste sans réponse.

Consilience adopte une approche différente

En réalité, ce qu'on voulait n'était pas de fusionner des notebooks. C'était « relier la conclusion de ce notebook aux données de cet autre, et obtenir une réponse unique ». Le vrai problème n'est pas la fusion, mais la connexion. Et la connexion ne naît pas du simple fait de tout déverser dans une même boîte.

Consilience résout le problème depuis l'autre bout. Il ne fusionne pas les notebooks. Parce qu'il ne les divise jamais au départ.

Quand vous enregistrez une note, les entités et les relations en sont extraites automatiquement et s'accumulent dans un seul graphe d'ontologie. Voici le point clé : une même entité apparaissant dans des documents différents est automatiquement fusionnée en un seul nœud. Même si « Samsung Electronics » est dispersé entre des notes financières, des comptes-rendus de réunion et des articles, ces trois occurrences ne forment pas trois blocs séparés mais un seul nœud, auquel les trois documents sont rattachés comme sources.

C'est pourquoi la raison même de diviser les notebooks disparaît. À mesure que le corpus grandit, ce ne sont pas les boîtes qui se multiplient, mais une seule structure qui se densifie.

flowchart TB
    subgraph NB["NotebookLM : un silo par notebook"]
      direction TB
      A["Notebook A"]
      B["Notebook B"]
      C["Notebook C"]
      A -. ne se connaissent pas .- B
      B -. ne se connaissent pas .- C
    end
    subgraph CS["Consilience : un seul graphe"]
      direction TB
      S["Toutes les sources<br/>fichiers·URL·CSV·Notion"] --> G{{"Graphe d'ontologie<br/>même entité = un seul nœud"}}
      G --> Q["Questions transversales<br/>(multi-saut)"]
    end
    C ~~~ S

Le canal d'ingestion des sources est également large. Ingest lit non seulement les fichiers, mais aussi les URL, les feuilles de calcul (une ligne CSV = une note), et Notion directement. L'original n'est jamais modifié, et comme c'est un corpus local, il n'y a aucune limite de sources.

Détaillons fonction par fonction.

Alors, concrètement, qu'est-ce que ça donne (mesures réelles, en toute honnêteté)

Affirmer qu'on « répond de manière transversale » doit se prouver par des chiffres. Voici nos benchmarks internes, avec leurs prémisses honnêtes.

Les réponses traversant plusieurs documents sont rendues possibles par un assemblage (EGO_COMBO) qui préserve les arêtes-« ponts » de faible priorité. Sur un graphe dense, le taux de bonnes réponses multi-saut passe de 17 à 100 % par rapport au groupe témoin, et sur un graphe réellement extrait, les réponses transversales passent de 60 à 100 %, et celles incluant la justification de 38 à 94 %. Aucun appel LLM supplémentaire n'est nécessaire, donc le coût est de 0 $, et l'assemblage se fait en millisecondes. Détails dans Raisonnement multi-saut.

La concentration sur des entités similaires (hubness) est corrigée par la normalisation CSLS. Le recall@10 passe d'environ 70 à 97 %, la précision en bout de chaîne de 87 à 97 %, également pour 0 $. Activer l'extraction exhaustive multiplie les relations par environ 2,6.

Une précision honnête : ce gain apparaît quand le graphe est dense. S'il est clairsemé, il n'y a pas d'amélioration (88 reste 88), et les requêtes à un seul saut restent inchangées sans régression (90 reste 90, 92 reste 92). Ce sont des mesures internes, sur un échantillon restreint, et le chiffre le plus spectaculaire (17→100) provient d'un graphe contrôlé et implanté. Pour rester dans la mesure plutôt que dans la publicité, ces prémisses doivent aussi être prises en compte.

Créer un plus gros amas de texte en fusionnant, et faire en sorte que les entités se pointent mutuellement, sont deux choses différentes.

NotebookLM vs Consilience, en un tableau

La ligne sur la localisation des données est écrite sans exagération. Chez Consilience aussi, l'extraction d'entités et les réponses IA passent par un proxy serveur. Le stockage est local, le raisonnement passe par un proxy. Désactiver l'IA rend l'app entièrement hors ligne, et l'embedding cloud n'est utilisé qu'avec votre consentement. Détails dans IA local-first.

Faut-il alors abandonner NotebookLM ?

Non. Ce serait une conclusion malhonnête. Il existe clairement des cas où NotebookLM reste meilleur.

• Quand on veut écouter un résumé audio façon podcast.
• Quand les données circulent déjà dans Google Drive ou Docs.
• Quand il faut ouvrir l'app directement depuis un téléphone. Consilience n'est disponible que sur Mac et Windows pour l'instant.
• Quand quelques notebooks avec des résumés ponctuels suffisent.

Les points faibles de Consilience sont peu nombreux à mentionner. Pas d'application mobile, pas d'écosystème de plugins, pas de collaboration en temps réel, et le gain du multi-saut ne se manifeste que si le graphe est dense. Une comparaison sur sept axes se trouve dans Comparaison honnête des apps second brain 2026.

La ligne de démarcation est claire : pour quelques notebooks avec des résumés ponctuels, NotebookLM suffit. Quand les notebooks se multiplient et que vous voulez des réponses transversales et connectées, c'est le moment de basculer.

Comment migrer ses notebooks existants

Il n'existe pas d'importateur dédié à NotebookLM (on ne prétendra pas le contraire). Le chemin est simple : exportez vos sources depuis NotebookLM en fichiers, puis importez-les via Ingest. Pour les contenus web, vous pouvez directement saisir l'URL. Dès leur arrivée, elles ne sont pas divisées en notebooks mais rejoignent un unique graphe de connaissances. Les entités en doublon ou synonymes sont automatiquement fusionnées en un nœud représentatif (entité canonique).

[Emplacement capture d'écran : capture réelle de l'application montrant des fichiers de sources exportés importés via Ingest, des nœuds s'accumulant dans le graphe d'ontologie, et une même entité provenant de documents différents se fusionnant en un seul nœud]

Questions fréquentes

Peut-on fusionner deux notebooks en un seul dans NotebookLM ?

Il n'existe pas de bouton de fusion de base. Il y a des contournements : déplacer les sources via une extension Chrome, ou sauvegarder en JSON puis restaurer. Cependant, aucun des deux ne crée de lien entre les notebooks. Ils ne font que regrouper les sources en un seul endroit.

En fusionnant les notebooks, l'historique de conversation et les résumés audio suivent-ils aussi ?

Lorsqu'on déplace des sources via un contournement, l'historique de conversation, les résumés audio et les cartes mentales ne suivent généralement pas. Les sources en doublon peuvent aussi se dupliquer silencieusement. Un nettoyage des doublons est nécessaire après le transfert.

Ne suffirait-il pas d'injecter plusieurs notebooks dans Gemini ?

C'est un contournement utilisable. Cependant, Gemini reste une couche temporaire en dehors des notebooks, et les données restent dispersées entre les boîtes. Cela ne permet pas de regrouper les entités en un seul nœud à travers les documents, ni de raisonner par-dessus en multi-saut.

Comment augmenter la limite de sources ?

Passer à un plan supérieur augmente le nombre de sources par notebook (50 en gratuit, 100 en Plus, 300 en Pro, jusqu'à 600 en Ultra). Cependant, cela ne fait que repousser la limite, pas l'éliminer. Les corpus locaux n'ont pas de limite selon le plan.

En migrant vers Consilience, où se trouvent mes données ?

Les notes sont stockées sur votre appareil au format markdown standard. L'extraction d'entités et les réponses IA passent par un proxy serveur. Le stockage est local, le raisonnement passe par le proxy. Désactiver l'IA rend l'app hors ligne, et vous pouvez exporter en markdown à tout moment, sans être enfermé.

Le multi-saut est-il toujours meilleur que NotebookLM ?

Non. Le gain apparaît quand le graphe est dense. Si les relations sont clairsemées, l'amélioration est quasi nulle, et pour les questions à un seul saut, il n'y a pas de différence. La valeur ajoutée est surtout marquée sur des questions connectives traversant plusieurs documents.

Ne créez plus de nouveaux notebooks. Reliez plutôt ce que vous avez déjà. Au lieu de diviser vos données en notebooks, Consilience les place dans un unique graphe d'ontologie rattaché à ses sources, et répond de manière transversale. Ainsi, vous n'avez jamais à chercher un bouton de fusion inexistant.

Sources : les informations concernant la limite de sources, l'absence de fusion et les contournements dans NotebookLM sont basées sur des ressources publiques disponibles en 2026, et sont liées dans le corps du texte. Les chiffres mesurés chez Consilience sont issus de benchmarks internes, avec les prémisses de graphe dense et la taille des échantillons clairement indiquées.