Guide complet Oh My Paper : de la recherche bibliographique à la publication d’un article, tout géré sur un seul terminal

Prise en main en 20 minutes｜5 Agents en collaboration + 34 compétences de recherche｜Transformez Claude Code en votre laboratoire de recherche sur mesure

---

Présentation du projet

Oh My Paper est un plugin open source pour Claude Code. Le problème qu’il résout est très concret : Claude Code peut vous aider à écrire du code, mais la recherche scientifique ne se limite pas à coder — vous devez aussi mener la recherche bibliographique, évaluer les pistes d’innovation, concevoir les expériences, rédiger l’article et vérifier les citations, et aucun outil ne relie correctement toutes ces étapes.

Oh My Paper met en place, pour Claude Code, une chaîne de travail de recherche structurée : 5 rôles d’Agents dédiés, 34 compétences de recherche chargées à la demande, et des Hooks en arrière-plan qui mémorisent automatiquement l’état du projet. Une fois configuré, à chaque ouverture de Claude Code, il vous demande « Quel rôle voulez-vous faire aujourd’hui ? », puis charge automatiquement le fichier de mémoire correspondant pour reprendre là où vous vous étiez arrêté. Aucun besoin d’interface graphique : toutes les actions s’effectuent uniquement dans le terminal.

---

Public cible

Cet article s’adresse aux développeurs suivants :

• 1 à 5 ans d’expérience de développement, ayant déjà vécu (ou en train de vivre) le processus d’écriture d’un article et de conduite de recherches
• Souhaitant utiliser l’IA pour aider à la recherche, mais n’aimant pas jongler entre différents outils
• Intéressés par les modes de collaboration entre Agents et l’isolation de mémoire entre rôles : vous cherchez des cas d’usage concrets

Si vous avez déjà une direction de recherche claire (par exemple en CV, NLP ou architecture système), ou si vous faites une veille technique interne en entreprise, la chaîne Oh My Paper s’applique parfaitement.

---

Dépendances clés et environnement

Avant de commencer, vérifiez que votre environnement répond aux conditions suivantes :

---

Arborescence complète du projet

Après avoir exécuté /omp:setup, la structure du répertoire du projet est la suivante :

my-research/
├── paper/                     # Espace de travail LaTeX pour l’article
│   ├── main.tex
│   ├── sections/              # Fichiers .tex de chaque chapitre
│   └── refs/                  # Fichier de bibliographie .bib
├── experiment/                # Code et scripts d’expérimentation
├── survey/                    # Sorties de la recherche bibliographique
├── ideation/                  # Pistes d’innovation et résultats d’évaluation
├── promotion/                 # Slides, démos, supports de communication
├── skills/                    # Compétences personnalisées locales au projet
├── .pipeline/
│   ├── tasks/
│   │   └── tasks.json        # Arbre des tâches sur toutes les étapes
│   ├── docs/
│   │   └── research_brief.json
│   └── memory/               # Fichiers de mémoire des Agents
│       ├── project_truth.md   # Référentiel du projet + journal des avancées
│       ├── orchestrator_state.md
│       ├── execution_context.md
│       ├── experiment_ledger.md
│       ├── result_summary.md
│       ├── review_log.md
│       ├── literature_bank.md
│       ├── agent_handoff.md
│       └── decision_log.md
├── .claude/
│   └── settings.json         # Hook SessionStart enregistré
├── CLAUDE.md
└── AGENTS.md

---

Étapes d’installation pas à pas

Étape 1 : ajouter le marché de plugins

Dans Claude Code, exécutez la commande suivante pour enregistrer l’adresse du marketplace d’Oh My Paper :

/plugin marketplace add LigphiDonk/Oh-my--paper

Cette étape n’exige pas de cloner l’ensemble du dépôt : Claude Code récupère la liste des plugins depuis le marketplace.

Étape 2 : installer le plugin

/plugin install omp@oh-my-paper

Une fois l’installation terminée, exécutez /plugin pour vérifier :

/plugin
# La sortie attendue doit inclure : omp @ oh-my-paper, Status: Enabled

Étape 3 : redémarrer Claude Code

Fermez complètement la fenêtre actuelle de Claude Code, puis rouvrez-la.

Étape 4 : initialiser le projet de recherche

Dans le répertoire de votre projet de recherche, exécutez :

/omp:setup

Cette commande fait trois choses :

1. Crée le répertoire .pipeline/ ainsi que tous ses sous-répertoires et fichiers de mémoire
2. Enregistre le hook SessionStart dans .claude/settings.json
3. Génère les fichiers tasks.json et research_brief.json par défaut

Une fois l’initialisation terminée, la structure du répertoire correspond à celle indiquée dans « Arborescence complète du projet » ci-dessus.

Vérifier que l’installation a réussi

Rouvrez Claude Code (dans le répertoire du projet initialisé). Vous devriez voir apparaître une fenêtre de sélection du rôle demandant avec quel rôle vous souhaitez commencer votre travail aujourd’hui. Si vous voyez ce menu, c’est que toute l’installation est correcte.

---

Détails de la chaîne de recherche en 5 étapes

Oh My Paper découpe l’ensemble du processus de recherche en 5 étapes ; chaque étape correspond à une commande et à un ensemble de compétences recommandées.

Étape 1｜Survey : recherche bibliographique

Exécutez la commande :

/omp:survey

Cette étape sert à : faire en sorte que Claude recherche, selon votre thématique, des articles pertinents, extraie les résumés et les informations clés, puis regroupe tout dans un fichier literature_bank.md.

Compétences couramment utilisées :

• paper-finder — recherche des travaux pertinents sur ArXiv et Semantic Scholar
• paper-analyzer — extrait les contributions majeures, les méthodes et les limites des articles
• biorxiv-database — si vous travaillez en biomédecine, recherche sur BioRxiv

Fichier(s) de sortie principal(aux) : survey/literature_bank.md

Flux de travail typique :

Vous : /omp:survey
→ Claude vous demande des mots-clés pour la direction de recherche
→ Recherche automatique → constitution des cartes de références → écriture dans literature_bank.md
→ Affichage du résumé de la recherche bibliographique pour confirmer si vous souhaitez ajouter des éléments

Étape 2｜Ideation : génération des pistes d’innovation

Exécutez la commande :

/omp:ideate

À partir des résultats de la recherche bibliographique de l’étape 1, Claude génère des pistes d’innovation potentielles et évalue leur faisabilité une par une.

Compétences couramment utilisées :

• inno-idea-generation — brainstorm d’innovations à grande échelle
• inno-idea-eval — notation selon trois dimensions : novelty, feasibility, impact
• research-idea-convergence — convergence vers 2-3 directions les plus prometteuses

Fichier(s) de sortie principal(aux) : résultats d’évaluation dans le répertoire ideation/

Étape 3｜Experiment : conception et exécution des expériences

Exécutez la commande :

/omp:experiment

Cette étape couvre la partie la plus large : conception du plan expérimental, écriture du code d’évaluation, exécution en local ou à distance, puis analyse des résultats.

Compétences couramment utilisées :

• inno-experiment-dev — génère une ossature de code d’expérience
• research-experiment-driver — gère la boucle d’itération des expériences
• remote-experiment — se connecte via SSH à un nœud GPU distant pour exécuter (voir la section « Expériences distantes »)

Fichier(s) de sortie principal(aux) : répertoire experiment/ + experiment_ledger.md (historique des expériences)

Étape 4｜Publication : rédaction des sections de l’article

Exécutez la commande :

/omp:write

Convertit les résultats d’expériences en texte d’article, génère les figures et les titres, et gère les fichiers LaTeX.

Compétences couramment utilisées :

• inno-paper-writing — génération générale des sections d’un article
• ml-paper-writing — modèles d’articles pour Machine Learning / IA
• scientific-writing — normes de rédaction académique (temps, formulation, structure)
• inno-figure-gen — génération du code des figures (Matplotlib, Plotly)
• inno-reference-audit — vérifie automatiquement si le format des citations est correct

Fichier(s) de sortie principal(aux) : fichiers LaTeX dans le répertoire paper/

Étape 5｜Promotion : promotion des résultats

Exécutez la commande :

/omp:plan
# Dans l’étape Promotion, sélectionnez les compétences liées à la préparation des supports de démo

Transformez les résultats de l’article en slides de présentation, blog technique, proposition de Grant, etc.

Compétences couramment utilisées :

• making-academic-presentations — génération de PPT pour présentations académiques
• inno-grant-proposal — rédaction d’une demande de financement
• inno-rclone-to-overleaf — synchronisation automatique de LaTeX local vers Overleaf

---

Les 5 rôles d’Agents et le mécanisme d’isolation de la mémoire

C’est l’idée de conception la plus fondamentale d’Oh My Paper.

Vue d’ensemble des rôles d’Agent

Principe d’isolation de la mémoire

Chaque rôle ne peut lire et écrire que les fichiers de mémoire relevant de ses responsabilités. Il ne peut pas voir l’état interne des autres rôles. Le bénéfice principal de ce design est de prévenir la pollution du contexte — par exemple, Paper Writer ne verra pas les résultats intermédiaires de débogage de Experiment Driver, et Literature Scout ne sera pas influencé dans son évaluation bibliographique parce qu’il a vu des données d’expérience.

La communication entre rôles se fait via deux « zones publiques » :

tasks.json         ← tous les rôles lisent/écrivent, enregistre l’état d’avancement des tâches
project_truth.md   ← tous les rôles ajoutent, enregistre l’avancement global du projet

Synchronisation automatique de l’état

Le détail de conception le plus important : Conductor met automatiquement à jour ces deux fichiers publics après chaque sous-tâche, sans que vous ayez besoin de le rappeler.

Sous-tâche terminée
  → Conductor marque automatiquement la tâche correspondante comme done dans tasks.json
  → Conductor ajoute automatiquement une entrée d’avancement dans project_truth.md
    → À la prochaine ouverture de session, Claude lit ces deux fichiers et reprend à partir du point d’arrêt

---

Récapitulatif des 34 compétences de recherche

Oh My Paper intègre 34 compétences de recherche couvrant tout le cycle de la recherche. Elles sont organisées ci-dessous par catégorie afin de faciliter la recherche à la demande :

Littérature

• paper-finder — recherche d’articles sur plusieurs bases de données
• paper-analyzer — extraction des contributions principales des articles
• paper-image-extractor — extrait les figures à partir des PDF
• research-literature-trace — retrace la chaîne de citations d’un article
• biorxiv-database — recherche spécialisée BioRxiv
• dataset-discovery — découverte de jeux de données pertinents

Recherche et idéation

• inno-deep-research — mode de recherche approfondie
• gemini-deep-research — intégration de recherche approfondie avec Gemini
• inno-code-survey — recherche et analyse d’implémentations de code
• inno-idea-generation — génération d’innovations en lot
• inno-idea-eval — évaluation multidimensionnelle des innovations
• research-idea-convergence — convergence vers la direction optimale

Expérimentation

• inno-experiment-dev — génération du code d’expérimentation
• inno-experiment-analysis — analyse des résultats d’expérience
• research-experiment-driver — gestion d’expériences itératives
• remote-experiment — boucle d’expérimentation GPU à distance

Rédaction

• inno-paper-writing — sections d’article génériques
• ml-paper-writing — article pour la direction ML/IA
• scientific-writing — normes de rédaction académique
• inno-figure-gen — génération de figures
• inno-reference-audit — audit du format des citations
• research-paper-handoff — règles de passation entre Agents

Planification et évaluation

• inno-pipeline-planner — planification de la chaîne
• research-pipeline-planner — planification des étapes de recherche
• inno-paper-reviewer — évaluation de la qualité d’un article
• inno-prepare-resources — liste de préparation des ressources
• inno-rclone-to-overleaf — synchronisation vers Overleaf

Présentation et proposition

• making-academic-presentations — PPT pour présentations académiques
• inno-grant-proposal — demande de financement

Planification et dispatch d’Agents

• claude-code-dispatch — dispatch de sous-tâches pour Claude Code
• codex-dispatch — dispatch de tâches pour exécution parallèle par Codex

Spécialisations par domaine

• academic-researcher — recherche académique générale
• bioinformatics-init-analysis — analyse en bioinformatique
• research-news — suivi des dernières actualités du domaine de recherche

Les compétences se chargent à la demande. Lorsque vous lancez /omp:survey, Claude recommandera automatiquement les compétences pertinentes, et vous pouvez aussi ajouter des compétences personnalisées dans le répertoire skills/.

---

Démonstration complète d’un workflow typique

Prenons l’exemple d’un article orienté IA : on parcourt entièrement la chaîne en 5 étapes.

Étape 1 : initialisation du projet

# Entrez dans le répertoire de recherche
cd ~/research/my-paper

# Dans Claude Code :
/omp:setup
# Sortie : .pipeline/ créé, hook SessionStart enregistré

Étape 2 : recherche bibliographique

# Dans Claude Code :
/omp:survey
# → Claude vous demande : « Quelle est votre direction de recherche ? »
# → Entrée : reasoning LLM, chain-of-thought prompting
# → Claude recherche automatiquement ArXiv/Semantic Scholar
# → Organise 20+ travaux connexes dans survey/literature_bank.md
# → Sortie : résumé de la recherche pour confirmer si vous devez compléter

Étape 3 : génération des pistes d’innovation

/omp:ideate
# → Claude lit literature_bank.md
# → Génère 8 pistes d’innovation potentielles
# → Pour chaque piste : notation selon novelty / feasibility / impact
# → Convergence vers 2 directions, écriture dans research_brief.json

Étape 4 : conception et exécution des expériences

/omp:experiment
# → Claude lit research_brief.json
# → Conçoit le plan expérimental (baseline, méthodes de comparaison, métriques d’évaluation)
# → Génère le code d’expérience dans le répertoire experiment/
# → Lance l’évaluation locale, analyse les résultats des métriques
# → Écrit les résultats dans experiment_ledger.md

Si vous devez exécuter sur un nœud GPU distant :

# Configurer le nœud de calcul distant (dans le répertoire experiment/)
{
  "host": "gpu-server.example.com",
  "user": "researcher",
  "key_path": "~/.ssh/id_rsa",
  "remote_dir": "/home/researcher/experiments"
}

# Dans Claude Code :
/omp:experiment
# → Claude détecte compute-config.json
# → Utilise la compétence remote-experiment
# → rsync du code vers le serveur distant → exécution via SSH → récupération des résultats
# → Analyse automatique des metrics et écriture dans experiment_ledger.md

Étape 5 : rédaction des sections de l’article

/omp:write
# → Claude lit experiment_ledger.md + literature_bank.md
# → Génère les sections Introduction / Method / Experiment sous forme de fichiers .tex
# → Génère les figures (scripts Matplotlib) et compile vers paper/figures/
# → Audit des citations : vérifie le format du fichier .bib

Étape 6 : revue par les pairs

/omp:review
# → Claude lit l’article en tant que Reviewer
# → Vérifie la cohérence logique, la clarté des descriptions de méthodes, l’adéquation des comparaisons expérimentales
# → Produit review_log.md listant les recommandations de modification
# → Après mise à jour selon ces recommandations, relancez /omp:review jusqu’à validation

Étape 7 : synchronisation vers Overleaf

# Dans le répertoire skills/, configurer la synchronisation Overleaf
# Utiliser la compétence inno-rclone-to-overleaf
# Claude synchronise automatiquement le répertoire paper/ local vers le projet Overleaf

---

Détails des expériences distantes

Pour les expériences qui nécessitent de la puissance GPU, Oh My Paper prend en charge une boucle d’expérimentation complète à distance.

Flux d’architecture

Conception locale
  → Génération du code d’expérience
    → Synchronisation rsync vers le serveur distant
      → Connexion SSH au nœud distant
        → Exécution de l’expérience sur le GPU
          → Récupération des journaux de métriques
            → Analyse locale des indicateurs
              → Vérifier si les seuils sont atteints
                → Optimisation itérative / fin de l’expérience

Configuration du nœud distant

Dans le répertoire experiment/, créez compute-config.json :

{
  "host": "your-gpu-server.com",
  "user": "researcher",
  "ssh_key": "~/.ssh/id_rsa",
  "remote_workspace": "/home/researcher/omp-experiments",
  "max_iterations": 5,
  "success_threshold": {
    "accuracy": 0.92,
    "latency_ms": 200
  }
}

Exécuter les expériences distantes

# Dans Claude Code :
/omp:experiment
# → Détection de compute-config.json
# → Exécution automatique : synchronisation du code → exécution via SSH → récupération des résultats
# → Si les métriques ne sont pas atteintes, ajustement des hyperparamètres puis relance (jusqu’à max_iterations fois)
# → Écriture finale dans experiment_ledger.md

---

Délégation de tâches à Codex

Si une expérience implique de la génération de code répétitive (par exemple, exécuter 10 configurations différentes d’hyperparamètres), vous pouvez demander à Conductor de déléguer les tâches à Codex pour un traitement parallèle.

/omp:delegate
# → Conductor lit le contexte actuel des tâches
# → Génère un prompt Codex avec tout le contexte
# → Vous copiez dans un nouveau terminal : codex "..."
# → Codex s’exécute dans un terminal séparé
# → À la fin, le signal CODEX_DONE est écrit dans agent_handoff.md
# → Conductor détecte le signal, lit automatiquement les résultats et met à jour tasks.json

Ce design a un gros avantage : Claude Code et Codex tournent en même temps dans deux terminaux différents. Votre Claude Code local n’est pas monopolisé, et vous pouvez continuer à faire d’autres tâches (comme le tri bibliographique) en parallèle.

---

Dépannage des problèmes courants

Q1 : Après avoir exécuté /omp:setup, la sélection de rôle n’apparaît pas à chaque ouverture de Claude Code

Cause : le hook SessionStart n’a pas été correctement enregistré.

Étapes de vérification :

1. Vérifiez si .claude/settings.json existe dans le répertoire du projet
2. Vérifiez que ce fichier contient la section de configuration hooks

cat .claude/settings.json
# Confirmer la présence de "hooks": { "SessionStart": [...] } 

S’il n’y en a pas, exécutez /omp:setup pour réinitialiser à nouveau, puis assurez-vous que Claude Code a été redémarré complètement.

---

Q2 : L’installation du plugin semble réussie, mais les commandes comme /omp:survey affichent « commande non reconnue »

Cause : le plugin n’est pas chargé correctement, ou Claude Code a besoin d’un redémarrage.

Étapes de résolution :

# 1. Désinstaller puis réinstaller
/plugin uninstall omp
/plugin install omp@oh-my-paper

# 2. Redémarrer complètement Claude Code (fermer toutes les fenêtres)

# 3. Vérifier l’état du plugin
/plugin

---

Q3 : Literature Scout ne trouve pas assez d’articles : vous voulez élargir la portée de la recherche

Cause : les mots-clés initiaux sont trop spécifiques et limitent les résultats.

Solution :

Lorsque vous exécutez /omp:survey, fournissez plusieurs synonymes et termes plus généraux :
Entrée : « LLM reasoning, chain-of-thought, CoT, deliberate reasoning, LLM planning »
au lieu de saisir uniquement : « LLM reasoning »

En même temps, dans skills/paper-finder.md, vous pouvez ajouter des sources de bases de données supplémentaires (par exemple ACL Anthology, page officielle d’ICLR).

---

Q4 : La description d’expérience générée par Paper Writer ne correspond pas aux résultats réels

Cause : la synchronisation entre Experiment Driver et Paper Writer n’a pas été faite à temps pour le dernier experiment_ledger.md.

Solution :

À chaque itération d’expérience terminée, avant que Paper Writer ne commence, exécutez /omp:plan pour que Conductor synchronise l’état global. Ainsi, Paper Writer lira les résultats les plus récents :

/omp:plan
# → Conductor affiche l’état actuel de tasks.json
# → Vérifier que la tâche experiment est marquée done
# → Ensuite seulement exécuter /omp:write

---

Q5 : La synchronisation rsync échoue pour les expériences distantes avec un message « permission denied »

Cause : les permissions de la clé SSH ne sont pas correctes, ou le répertoire distant n’existe pas.

Étapes de vérification :

# 1. Vérifier les permissions de la clé SSH locale
chmod 600 ~/.ssh/id_rsa

# 2. Tester la connexion SSH (sans mot de passe)
ssh -i ~/.ssh/id_rsa [email protected] "echo ok"

# 3. S’assurer que le répertoire distant existe
ssh [email protected] "mkdir -p /home/researcher/omp-experiments"

# 4. Vérifier que le chemin remote_workspace dans compute-config.json est correct

---

Q6 : Après délégation à Codex, Conductor attend indéfiniment le signal CODEX_DONE

Cause : Codex n’a pas correctement écrit dans agent_handoff.md à la fin de son exécution.

Solution :

1. Vérifiez que le terminal d’exécution de Codex se termine correctement
2. Ajoutez manuellement une ligne à la fin de .pipeline/memory/agent_handoff.md :

CODEX_DONE
result: [Remplir avec le résultat de sortie de Codex]

1. Puis reprenez le workflow actuel dans Claude Code

---

Lectures complémentaires et directions avancées

1. Extension de compétences personnalisées

Oh My Paper permet d’ajouter des compétences personnalisées dans le répertoire local skills/ du projet. Créez un format comme suit :

---
name: my-custom-skill
description: Procédure d’analyse personnalisée pour un domaine de recherche spécifique
stage: survey  # optionnel : survey | ideation | experiment | write | review
---

# Titre de la compétence

## Étapes d’exécution
1. Lire les fichiers de contexte ...
2. Exécuter la tâche spécifique ...

Après enregistrement, lorsque vous lancez des commandes comme /omp:survey, Claude recommandera automatiquement les compétences personnalisées pertinentes.

2. Vers une collaboration multi-Agents plus avancée

Si vous faites avancer plusieurs directions de recherche en parallèle, vous pouvez exécuter /omp:setup séparément dans différents sous-répertoires : chaque sous-projet aura son propre .pipeline/ et sa propre équipe d’Agents. Le rôle Conductor se charge de l’aperçu global et de la coordination entre sous-projets.

3. Workflow de collaboration avec Overleaf

En utilisant la compétence inno-rclone-to-overleaf pour synchroniser la version locale de votre article vers Overleaf, vous pouvez inviter un directeur de thèse à ajouter directement des commentaires sur Overleaf. Une fois les modifications terminées, synchronisez-les de retour vers le local. Le processus ne nécessite aucun upload/téléchargement manuel.

4. Intégrer d’autres backends LLM

Oh My Paper dépend à lui seul de Claude Code, mais à l’étape d’expérimentation, vous pouvez configurer différents LLM pour comparer et évaluer. Dans le répertoire experiment/, créez un fichier de configuration du modèle :

# experiment/model_configs.py
llm_configs = {
    "claude-sonnet": {"provider": "anthropic", "model": "claude-3-5-sonnet"},
    "gpt-4o": {"provider": "openai", "model": "gpt-4o"},
    "gemini-pro": {"provider": "google", "model": "gemini-1.5-pro"},
}

Ensuite, référencez ces configurations dans votre code d’expérimentation pour faire des comparaisons transverses.

5. Suivre les toutes dernières actualités de recherche

Utilisez la compétence research-news pour analyser régulièrement les dernières soumissions d’ArXiv, filtrer les nouveaux travaux pertinents pour votre direction de recherche et mettre à jour automatiquement literature_bank.md. En complément, vous pouvez utiliser une tâche cron pour mettre à jour automatiquement la base bibliographique une fois par semaine.