Notion 3.0 : Comment l’IA transforme Notion en système d’exploitation pour le travail

Depuis l’arrivée de l’IA dans Notion et particulièrement depuis l’annonce de Notion 3.0, une question émerge : comment profiter de toutes ces nouvelles fonctionnalités “magiques” et hyper productives sans créer du chaos ?

L’IA intégrée peut désormais quasiment tout faire - transcription automatique, génération et remplissage automatique de bases de données, aide à la production de contenus et recherche étendue - mais pour vraiment en bénéficier, il faut une méthode et une approche structurée.

Lors de notre dernier live sur Discord, Ulrich a partagé deux mois d’expérimentation intensive avec Notion 3.0 depuis son lancement en septembre 2025, identifiant six domaines où l’IA de Notion change radicalement la manière de travailler.

Des notes de réunion qui alimentent progressivement des bases de données stratégiques, aux bases personnalisées créées en quelques minutes sans templates.

Le fil rouge : expérimenter d’abord pour comprendre, puis architecturer intelligemment.

🎯 L’essentiel en 5 points

• Transcription comme point de départ : Les meetings enregistrés deviennent la matière première pour alimenter automatiquement des bases de données stratégiques (tâches, projets, fondations…)
• Fin des templates marketplace : L’IA crée des bases personnalisées complexes (avec relations) en quelques prompts, rendant potentiellement obsolète l’économie des templates Notion
• Master prompt pour apporter du contexte précis à toutes les interactions avec l’IA : Définir contexte, objectifs, et ce que l’IA ne doit PAS faire - avec validation obligatoire avant exécution
• Notion devient un système d’exploitation : La plateforme fonctionne de plus en plus comme un OS de travail, un organisme vivant qui évolue avec vos interactions
• Méthode avant technique : Préparer le terrain correctement avec des bases de “fondation” structurées permet de vraiment bénéficier des apports de l’IA

📚 Ce que vous allez apprendre

✓ Comment créer un master prompt efficace qui définit contexte, objectifs et limites pour votre agent IA

✓ La méthode pour profiter des notes de meeting quand on en accumule beaucoup - de la transcription aux bases actionnables

✓ Une approche structurée avec bases de données pour préparer intelligemment les usages de l’IA

✓ Comment créer une base de fondation organisationnelle qui évolue avec vos projets

1. No more notes de réunions : Transcription d’abord, données actionnables ensuite

De la quête de solution idéale à la solution native

Ulrich expérimente depuis deux ans avec un objectif quasi obsessionnel : transformer les transcriptions de réunions en données exploitables. Au-delà du simple PV, l’enjeu est de pouvoir analyser l’évolution d’un projet après dix meetings, identifier ce qui manque, générer automatiquement des tâches depuis les discussions.

Pendant longtemps, cela nécessitait des outils tiers. Ulrich a testé cinq ou six solutions avant de s’arrêter sur Granola, qu’il utilise toujours aujourd’hui. Pourquoi encore Granola alors que Notion intègre désormais la transcription native ? Parce que la complémentarité fonctionne : Granola sauve parfois la mise quand Notion rate certains passages, et vice-versa. Les deux outils tournent en parallèle systématiquement.

La transcription en action : multilingue et sourcée

La démonstration était méta : le live Discord lui-même était enregistré dans Notion. La transcription s’affichait en temps réel, avec une précision bluffante. Lorsque Timo a basculé en anglais puis en allemand, la transcription a capté chaque langue correctement, même si le paramétrage initial était en français. Le système transcrit dans la langue détectée puis traduit le résultat final dans la langue configurée.

La fonctionnalité la plus récente - sortie il y a seulement une semaine - transforme complètement l’usage : les citations vers la source. Chaque point du résumé généré est cliquable, renvoyant directement au passage exact de la transcription. Vérifier une affirmation, retrouver le contexte, approfondir un point : tout devient instantané.

Voici une capture d’écran de la transcription de notre session Open Research:

Cas concret : Des meetings qui alimentent les fondations projet

L’exemple concret est la base des “fondations” d’Audiogami, générée progressivement depuis les meetings du projet. L’objectif n’est pas d’avoir instantanément des données actionnables, mais d’abord d’accumuler des transcriptions de qualité. Une fois qu’on a plusieurs meetings enregistrés, on peut alors extraire des patterns, générer des bases structurées.

Résultat : après une vingtaine de meetings de trois heures, Ulrich disposait d’une matière première riche. Il a ensuite demandé à l’IA de structurer cette masse d’informations en base “Fondations Audiogami” - mission, valeurs, historique détaillé, phases du projet. Pour un dossier de subventions récent, il a simplement puisé dans cette base plutôt que de tout réécrire.

Un exemple complémentaire : générer une base d’analyse stratégique SWOT (forces, faiblesses, opportunités, menaces) depuis ces mêmes discussions d’équipe, pour faire du pilotage projet au fil de l’eau plutôt qu’attendre un workshop trimestriel formel.

Le workflow mise à jour automatique

Le graal, pas encore totalement automatisé mais en voie de l’être : un trigger mensuel ou bimensuel qui analyse tous les meetings du mois, toutes les tâches créées, et met à jour automatiquement la base de fondations selon des règles prédéfinies. Un agent qui stabilise l’information en continu, transformant les discussions volatiles en connaissance pérenne.

Dans les grandes organisations, des équipes entières sont dédiées à cette fonction de stabilisation : extraire l’essentiel, formaliser, documenter. Avec les agents Notion, ce travail devient perpétuel et proportionnel au volume d’activité, pas au nombre d’heures humaines disponibles.

2. No more templates : Créer sur-mesure plutôt qu’adapter du générique

L’économie de la marketplace Notion et ses limites

L’écosystème Notion s’est construit en partie autour d’une marketplace de templates : kits préfabriqués pour start-ups, restaurants, agences créatives, avec bases de données et workflows prêts à l’emploi. Chaque verticale professionnelle a ses solutions packagées. Cette marketplace représente une économie entière pour les créateurs Notion, qui vendent ces systèmes clés en main.

Pour débuter sur Notion, télécharger des templates est inspirant, pédagogique. On voit ce qui est possible.

Mais très vite, un pattern émerge : adapter un template prend plus de temps que créer from scratch. On passe des heures à supprimer des champs inutiles, ajouter ceux qui manquent, repenser l’architecture. Pour Ulrich, démonter un template a été formatif - comme démonter une horloge pour comprendre la mécanique - et une fois la logique assimilée, créer ses propres bases devient plus efficient.

Le problème : créer manuellement des bases complexes reste chronophage. Ajouter les champs un par un, configurer les relations, définir les formules, créer les vues - cela prend facilement plusieurs heures pour une architecture sophistiquée.

Avec l’arrivée de l’IA Notion 3.0, cette marketplace entière est en péril. Pourquoi acheter un template générique qu’il faudra adapter, quand on peut prompter une base sur-mesure en quelques minutes ?

L’IA crée des architectures complexes en quelques minutes

Avec l’IA native de Notion, cette friction disparaît. Ulrich démontre avec un exemple du matin même : créer une base de données de skills pour Claude (les “skills” sont des instructions formatées qui définissent le comportement d’agents Claude sur des tâches spécifiques).

Le workflow est systématique :

1. Contextualiser : Ulrich a uploadé la documentation officielle des skills et un fichier PDF montrant la structure attendue, pour que l’IA comprenne exactement le besoin.

2. Décrire le besoin : Un prompt expliquant l’objectif - cataloguer les skills, les organiser, suivre leur évolution.

3. Recevoir un plan : L’IA propose une architecture. Dans ce cas, trois bases de données liées : un catalogue de skills, un historique de versions, et un système d’interviews internes pour documenter les cas d’usage.

4. Raffiner : Ulrich valide ou corrige. Ici, il a éliminé la troisième base (trop complexe) et le système d’interviews (inutile pour un usage solo). L’IA ajuste.

5. Génération : L’IA crée les bases avec tous les champs, relations, propriétés configurées. Deux bases liées : “Skills catalogue” et “Agent Center Notion”.

Une capture d’écran du skill utilisé pour générer le texte que vous lisez actuellement, géré depuis une base de données Notion, avec versionning

Le bonus : fond et forme simultanément

L’exemple de la base SWOT d’Audiogami va plus loin : non seulement l’IA a créé la structure de la base (les champs Strengths, Weaknesses, Opportunities, Threats), mais elle l’a simultanément remplie avec les informations extraites des meetings. Faire d’une pierre deux coups : architecture ET données en une seule interaction.

Cette capacité transforme radicalement l’approche. On ne crée plus une base vide qu’on remplit péniblement. On génère directement une base peuplée, fonctionnelle, exploitable.

3. No more prompts kilométriques : Contextualiser l’agent avec un master prompt

Les master prompts permettent de personnaliser le comportement de l’agent IA principal dans Notion. Plutôt que de répéter les mêmes instructions à chaque interaction, on définit une fois de manière centralisée les règles permanentes.

L’objectif principal d’un master prompt : donner le contexte et les objectifs. L’agent doit comprendre dans quel environnement il opère, quels sont les buts, quelle est la manière de travailler préférée. Et parmi les éléments à définir, il y a également ce que l’IA ne doit PAS faire - une dimension souvent négligée mais importante.

Règle #1 : Ne jamais agir sans autorisation

L’instruction la plus critique dans le master prompt d’Ulrich : l’IA doit d’abord faire un plan, le soumettre, attendre validation et raffinement, puis seulement exécuter. Jamais d’action directe sans permission explicite.

Pourquoi ? Parce que l’IA a naturellement tendance à en faire trop, voulant plaire et impressionner. Elle génère trois bases de données alors qu’une suffit. Elle ajoute des champs “au cas où”. Elle crée de la complexité inutile. Imposer un workflow Plan → Validation → Raffinement → Exécution évite cette inflation.

Voici une capture d’écran d’une partie du master prompt de l’agent principal

4. No more copier-coller fastidieux : Mise à jour automatique des bases

La quatrième transformation concerne l’alimentation des bases de données. Plutôt que copier-coller manuellement depuis des notes, emails, discussions, l’agent Notion peut injecter directement les informations dans les bonnes tables.

Par exemple, après une conversation où des tâches sont mentionnées, un simple “ajoute cette tâche à notre kanban avec tel responsable” suffit. L’IA crée l’entrée, remplit les champs, assigne la personne. Le copier-coller manuel disparaît.

Cette fonctionnalité s’étend aux mises à jour contextuelles : demander à l’IA de prendre une transcription de meeting et mettre à jour une base existante selon certaines règles. Le workflow “fond et forme” mentionné plus tôt.

Et on peut même dicter de vive voix à Notion une tâche, avec remplissage automatique dans les bons champs…! En utilisant une application comme Wispr Flow, il est possible de parler à sa base de données Notion. On fera une présentations plus détaillée de ce type de fonctionnalité lors d’une prochaine session Open Research, vu que ça touche de très près Audiogami…

5. No more remettre le contexte : La bible organisationnelle vivante

La cinquième friction éliminée : répéter sans cesse le contexte à chaque nouveau prestataire, collaborateur, ou même à soi-même après quelques mois sans toucher un projet.

La solution : créer une base de données “fondations” - une bible organisationnelle qui capture mission, valeurs, historique, décisions structurantes. Mais contrairement à un document Word poussiéreux, cette bible se maintient vivante.

Pour Audiogami, Ulrich a construit cette base progressivement via plusieurs canaux : discussions avec l’équipe, documents uploadés, historique reconstitué depuis d’anciens fichiers. L’IA a synthétisé le tout en phases et documents clés. Quand un dossier de subvention nécessitait de présenter l’expertise sous un angle particulier, il a simplement puisé dans cette base plutôt que tout réécrire.

L’objectif : l’organisme qui apprend seul

Le rêve - partiellement réalisable aujourd’hui, totalement demain : un trigger automatique (mensuel, bimensuel, ou sur demande) qui analyse toutes les interactions du mois et met à jour la base fondations selon des règles prédéfinies.

Comme l’exprime Ulrich : considérer Notion comme un organisme qu’il faut nourrir. Pas un outil passif, mais un système vivant qui grandit en parallèle de l’équipe. Notion commence à fonctionner comme un système d’exploitation pour le travail, où toutes les données, tous les processus, toutes les interactions s’orchestrent. Il faut comme faire de la gymnastique avec lui, l’entraîner régulièrement. Cette relation continue crée une mémoire organisationnelle vivante.

6. No more limites Claude/OpenAI : Choisir le bon modèle au bon moment

Dans Notion AI, plusieurs modèles sont disponibles : Sonnet 4.5, GPT-5, et d’autres (update: Gemini 3 et Opus 4.5 ont été ajoutés tout dernièrement). Le conseil pragmatique d’Ulrich : par défaut, utiliser Sonnet 4.5, qui donne généralement les meilleurs résultats pour les tâches Notion éditoriales et générales, Gemini 3 pour les tâches aux contours flous, GTP-5 pour les tâches qui ont une définition bien laser-focus et Opus 4.5 pour des tâches complexes nécessitant une réflexion approfondie.

Mais parfois, les modèles “n’ont plus la pêche” - ils sont saturés, lents, ou produisent des réponses de qualité moindre. Dans ce cas, basculer sur un autre modèle sauve la situation. Avoir le choix élimine la frustration d’être bloqué par les limites d’un seul modèle.

Teaser : MCP et les interactions externes

Ulrich mentionne brièvement une dimension qui fera l’objet d’un prochain live : interagir avec Notion depuis l’extérieur via MCP (Model Context Protocol). Faire des choses avec Notion, dans Notion, mais orchestrées depuis des outils externes - par exemple Claude d’Anthropic. C’est là que Notion en tant que système d’exploitation de travail commence à révéler tout son potentiel, mais le sujet mérite une exploration dédiée.

Préparer le terrain : Méthode et structure avant de profiter de l’IA

Un fil rouge traverse ces six domaines : il faut préparer le terrain correctement pour vraiment bénéficier des apports de l’IA. Ce n’est pas une question de gouvernance abstraite, mais de méthode concrète : structurer l’information de manière intelligente, créer des bases qui pourront évoluer, définir le contexte pour l’IA.

Notion devient de plus en plus un système d’exploitation pour le travail, où toutes les interactions, tous les documents, toutes les données s’orchestrent dans un même environnement. Mais cette transformation ne s’improvise pas.

L’investissement architectural

Ulrich illustre cette tension avec l’exemple de sa base de données de skills : il n’en avait qu’un seul skill créé quand il a décidé de construire toute l’architecture de catalogage. Était-ce prématuré ? Non, car il pariait que d’ici vingt, trente skills, il serait content d’avoir structuré dès le départ.

C’est un pari permanent : investir dans des bonnes pratiques qui seront utiles plus tard, sans non plus tomber dans la sur-ingénierie. Trouver la balance entre le nécessaire et le “trop” n’est pas évident. Parfois on pense avoir besoin de quelque chose, finalement non. Mais on peut toujours enlever. L’important est de formaliser suffisamment pour permettre l’évolution organique.

Expérimenter d’abord, puis architecturer

Une nuance importante : les Custom Agents ne sont pas encore publiés et il n’y a pas encore d’automation complète dans Notion 3.0. L’agent principal peut exécuter des tâches complexes, mais pas encore en mode totalement automatique sur déclencheur.

L’avantage de Notion 3.0 : si malgré tout on dérive vers le chaos, l’intelligence disponible permet de traiter l’énorme volume d’informations pour refermer le cadre, rediriger vers un meilleur chemin. La capacité de correction existe, mais préparer correctement dès le départ reste préférable.

🎯 Takeaways pratiques

Pour bien démarrer avec Notion 3.0 :

1. Workflow de validation imposé : Configurez votre master prompt avec contexte, objectifs, et règle obligatoire : l’IA ne peut jamais (hors exceptions à spécifier) agir sans avoir proposé un plan et reçu votre validation explicite
2. Créez sur-mesure, pas à partir de templates marketplace : Décrivez votre besoin à l’IA, validez le plan, raffinez, générez - c’est plus rapide qu’adapter du générique
3. Investissez dans la structure dès le départ : Même avec peu de données, préparez le terrain correctement avec des bases de fondation bien pensées - vous remercierez votre vous-passé dans six mois
4. Pensez organisme vivant, pas outil mort : Notion nécessite une maintenance continue, une alimentation régulière, comme un système qui apprend avec vous et devient progressivement votre système d’exploitation de travail

La question centrale reste :

Avez-vous la méthode et l’approche structurée pour transformer cette puissance en clarté plutôt qu’en chaos ? Préparer le terrain correctement fait toute la différence.

Si besoin, nous sommes là avec un accompagnement personnalisé pour profiter à fond de Notion:

Notion: la colonne vertébrale de votre transformation numérique

Transformation numérique réussie : centraliser pour décentraliser. Notion devient votre colonne vertébrale avec nos "Little Helpers IA". Méthode éprouvée, ROI immédiat.

memoways.com

Pour aller plus loin :

Cette session fait partie de notre série Open Research sur les nouveaux paradigmes de travail avec l’IA.

Vous expérimentez avec Notion 3.0 ? Partagez vos découvertes et tensions avec nous au sein de la communauté Memoways sur Discord - nous apprenons collectivement.

Rejoindre la communauté MemoWays sur Discord

Références

Outils mentionnés :

• Notion - Plateforme tout-en-un pour organisation et collaboration
• Granola - Outil de transcription et prise de notes pour meetings
• Claude - Assistant IA d’Anthropic avec système de skills

Concepts clés :

• Notion comme système d’exploitation - Approche où Notion devient la plateforme centrale orchestrant toutes les données et processus de travail
• Master Prompt - Configuration permanente définissant le comportement de l’agent IA
• PRD (Product Requirement Document) - Document de spécification avant développement
• MCP (Model Context Protocol) - Protocole permettant interactions externes avec Notion