TL;DR : votre fenêtre de chat vous montre un historique, pas un contexte. ThoughtDAG affiche la conversation en graphe, vous laisse couper les branches inutiles, et vous montre exactement ce qui part au modèle. Gratuit, open source, et ça tourne en local.
Vous avez forcément vécu ça. Une conversation part dans une direction, vous corrigez, vous repartez ailleurs, et vingt échanges plus tard le modèle répond encore en tenant compte d’une fausse piste abandonnée depuis longtemps. Le problème n’est pas le modèle : c’est que l’interface vous montre un fil déroulant alors que ce qui compte, c’est le paquet de texte réellement envoyé à chaque requête. Il est invisible.
ThoughtDAG attaque exactement ce point. Chaque question et sa réponse deviennent un nœud dans un graphe orienté, et vous manipulez la structure directement :
- Brancher : explorer une autre interprétation sans écraser le chemin d’origine, donc sans repartir de zéro.
- Élaguer : sortir une branche du contexte sans la supprimer, pour la récupérer plus tard si elle redevient utile.
- Fusionner : recombiner plusieurs pistes de raisonnement en une seule.
- Inspecter : voir le contexte exact avant de lancer la génération.
C’est ce dernier point qui justifie l’installation. Prévisualiser ce que le modèle va recevoir, c’est passer du bricolage à l’ingénierie : quand la réponse déraille, vous savez enfin pourquoi.
Côté pratique, le projet est open source sous licence MIT, pensé local d’abord. Il existe en application web utilisable directement dans le navigateur, et en application de bureau pour macOS, Windows et Linux. Il parle aux points de terminaison compatibles Ollama et OpenAI, ce qui couvre à peu près tout ce que vous faites tourner chez vous comme dans le cloud.
Nous ne l’avons pas encore éprouvé sur une longue session de travail, et c’est un projet jeune, présenté ces jours-ci sur Hacker News : attendez-vous à des angles rugueux.
Notre avis : l’idée est de celles qu’on se demande pourquoi personne ne l’a imposée plus tôt. Si vous travaillez sérieusement avec des modèles, en local ou par API, l’inspection du contexte devrait être un réflexe, et cet outil est le premier qui la rend agréable. À essayer un quart d’heure sur une conversation qui a mal tourné : c’est le meilleur test.
