Karakeep : une caverne à liens auto-hébergée, avec un peu d'IA pour ranger le bazar
Une application de favoris auto-hébergable (liens, notes et images) avec marquage automatique basé sur l'IA et recherche de texte intégral
En bref
- De quoi s’agit-il ?
- Karakeep, anciennement Hoarder, est une application auto-hébergeable pour accumuler liens, notes et images, avec recherche plein texte, tagging automatique par LLM et archivage anti-lien mort. Le projet est bien vivant, mais son coût opérationnel et sa dépendance à l'IA méritent d'être examinés avant de l'adopter.
- À qui s’adresse-t-il ?
- Adoptez Karakeep si vous êtes un auto-hébergeur prêt à gérer plusieurs services (base de données, Meilisearch, Puppeteer, et un LLM si vous voulez le tagging automatique) et si vous acceptez un projet dont l'interface et la documentation évoluent vite. Ne l'adoptez pas si vous cherchez une simple liste de favoris sans infrastructure lourde, ou si vous voulez éviter de dépendre d'APIs externes pour les fonctions intelligentes.
- Puis-je l’utiliser commercialement ?
- Oui, sous conditions strictes. AGPL-3.0 est une licence à copyleft réseau : si des personnes utilisent une version modifiée via un réseau, par exemple comme service hébergé, vous devez leur proposer son code source sous la même licence.
- Est-il encore maintenu ?
- Oui. Les derniers commits datent d’il y a 2 jours.
- En quel langage est-il écrit ?
- Principalement TypeScript, d’après les statistiques de langage de GitHub.
Ces réponses reposent sur les données GitHub du projet (dernière synchronisation le 15 septembre 2026) et sur notre analyse. Elles ne constituent pas un avis juridique.
ANALYSE OPEN SOURCE APPROFONDIE
Un problème précis, une solution bavarde
Karakeep (anciennement Hoarder) s'adresse à ceux qui, comme son auteur, passent leur temps à collecter des articles, des outils et des images depuis Reddit, Twitter ou Hacker News, et qui veulent les retrouver plus tard. Le problème n'est pas de sauvegarder, c'est de classer et de rechercher. Les gestionnaires de favoris classiques, comme Pocket ou les extensions de navigateur, stockent des liens, mais ne font rien du contenu. Karakeep, lui, extrait le titre, la description et les images de chaque lien, et il indexe le texte complet. Le README revendique une "full text & semantic search of all the content stored", ce qui signifie que vous pouvez chercher une phrase précise d'un article que vous avez sauvegardé, même si vous ne vous souvenez plus du titre. Le projet est clairement destiné aux auto-hébergeurs : la section "Self-hosting first" est explicite, et l'auteur explique que c'est un projet personnel pour son homelab. Si vous n'avez pas envie de gérer un serveur, il existe un cloud payant, mais l'essence du projet reste l'auto-hébergement.
Le mécanisme : de la sauvegarde au classement automatique
Le fonctionnement de Karakeep repose sur plusieurs briques logicielles, toutes listées dans le README. Le frontend est fait avec NextJS, la base de données est gérée par Drizzle, et l'authentification par NextAuth. Pour le contenu, c'est Puppeteer qui se charge de crawler les pages et d'extraire les métadonnées. L'image de la page est capturée, le texte est extrait, et le tout est stocké. La recherche est déléguée à Meilisearch, un moteur de recherche typé qui indexe le texte complet. L'IA arrive ensuite : un LLM, configurable, génère des tags automatiques et des résumés. Le README précise que les modèles locaux sont supportés via ollama, ce qui est un point important pour les auto-hébergeurs soucieux de confidentialité. Il y a aussi un moteur de règles pour automatiser des actions (par exemple, déplacer un bookmark dans une liste selon son contenu), et un OCR pour extraire le texte des images. L'archivage complet de la page est fait avec monolith, et l'archivage vidéo avec yt-dlp. Le flux est donc : vous ajoutez un lien, Karakeep le télécharge, l'analyse, le classe, l'indexe, et vous pouvez le retrouver par recherche plein texte ou par tag. C'est un pipeline lourd, mais il est entièrement contrôlable.
Installation et configuration : ce que le README ne dit pas
Le README renvoie vers la documentation officielle pour l'installation, mais il ne donne pas de commande Docker précise. Il faut donc se rendre sur docs.karakeep.app pour trouver le docker-compose. Ce que le README indique, c'est la liste des services requis : une base de données (probablement Postgres), Meilisearch, et pour le tagging automatique, un accès à un LLM, soit via OpenAI, soit via un modèle local ollama. Le fichier de configuration est basé sur des variables d'environnement, mais le README n'en liste aucune. Pour un auto-hébergeur, cela signifie qu'il faudra consulter la documentation de configuration pour savoir quelles clés définir. La partie la plus délicate est sans doute le choix du LLM : si vous optez pour un modèle local, vous devrez avoir un matériel suffisant, et si vous optez pour OpenAI, vous devrez payer par appel. Le projet fournit un exemple de configuration dans sa documentation, mais ne le détaille pas dans le README. Il y a aussi un démo accessible à try.karakeep.app, avec des identifiants fournis (demo@karakeep.app / demodemo), ce qui permet de tester sans rien installer.
Les limites : là où le bât blesse
Karakeep n'est pas un outil léger. Le README liste des dépendances comme Puppeteer, qui télécharge un Chromium, et Meilisearch, qui consomme de la mémoire. Sur un petit serveur, cela peut être un problème. De plus, la fonctionnalité de tagging automatique dépend d'un LLM : si vous n'avez pas de clé API ou pas de modèle local, vous perdez une des raisons d'être du projet. Le README ne précise pas le coût en ressources de l'archivage complet avec monolith, ni le temps de traitement. Un autre point faible est la dépendance à des services externes pour certaines fonctionnalités : OpenAI est cité dans la stack, et même si ollama est supporté, l'intégration par défaut semble être vers OpenAI. Si vous êtes réfractaire à envoyer vos données vers un service cloud, cela demande une configuration supplémentaire. Enfin, le projet est jeune : le nom a changé récemment (Hoarder devient Karakeep), ce qui peut entraîner des confusions dans la documentation ou les liens. Le README mentionne un plugin Chrome, une extension Firefox, et des applications iOS et Android, mais ces clients peuvent avoir des fonctionnalités différentes de l'interface web.
Alternatives : où se situe Karakeep ?
Le README cite plusieurs alternatives, ce qui est rare et utile. L'auteur mentionne memos, qu'il utilise toujours, mais qui ne fait pas d'archivage ni d'aperçu des liens. C'est une différence fondamentale : memos est un carnet de notes, pas un gestionnaire de favoris. Linkwarden est une alternative open source auto-hébergeable, mais le README dit qu'elle est "focused mostly on links", alors que Karakeep accepte aussi les images, les notes et les PDF. Raindrop est plus abouti, mais il n'est pas auto-hébergeable. Wallabag et Shiori sont des lecteurs différés, mais ils ne font pas de tagging automatique par IA. Le positionnement de Karakeep est donc unique : c'est un outil qui combine la sauvegarde de tout type de contenu, la recherche plein texte, et l'IA pour le classement. Si vous n'avez pas besoin de l'IA, Linkwarden ou Wallabag peuvent suffire et être plus légers. Si vous voulez juste des notes, memos est plus simple. Le choix dépend donc de votre besoin de classement automatique.
Maintenance, licence et coût de mise à niveau
Le projet est sous licence AGPL-3.0, ce qui est une licence copyleft forte. Si vous modifiez le code et que vous le distribuez, vous devez publier vos modifications. Pour un usage personnel auto-hébergé, cela n'a pas d'impact. Le dépôt est actif : la dernière version est v0.33.2 du 11 août 2026, et il y a eu trois versions en trois mois. Cela signifie que les mises à jour sont fréquentes, ce qui est bien pour les correctifs, mais cela implique un travail de maintenance régulier. Le README ne mentionne pas de procédure de mise à niveau, mais vous devrez probablement mettre à jour les images Docker et les migrations de base de données. Le projet utilise Weblate pour les traductions, ce qui indique une communauté internationale. Le coût principal est l'infrastructure : vous devez maintenir Meilisearch, Puppeteer, et éventuellement un LLM. Si vous utilisez un modèle local, le coût est en électricité et en RAM. Si vous utilisez OpenAI, c'est un coût récurrent par tag généré. Il faut donc évaluer votre volume de sauvegardes avant de vous engager.
Conclusion éditoriale
Adoptez Karakeep si vous êtes un auto-hébergeur prêt à gérer plusieurs services (base de données, Meilisearch, Puppeteer, et un LLM si vous voulez le tagging automatique) et si vous acceptez un projet dont l'interface et la documentation évoluent vite. Ne l'adoptez pas si vous cherchez une simple liste de favoris sans infrastructure lourde, ou si vous voulez éviter de dépendre d'APIs externes pour les fonctions intelligentes. Avant de vous lancer, vérifiez la configuration des variables d'environnement pour le LLM et le stockage, testez l'import depuis votre service actuel (Chrome, Pocket, Linkwarden, Omnivore) et évaluez le coût d'un modèle local via ollama. Le projet est sous AGPL-3.0, ce qui est un point fort pour la liberté, mais impose de publier vos modifications si vous redistribuez. Enfin, la dernière version stable date d'août 2026, donc le projet est actif, mais prévoyez des mises à jour fréquentes.
Notes de la communauté