Vous sauvegardez du contenu web dans Obsidian depuis des semaines. Votre vault contient 50, peut-etre 100 articles clippes. Mais trouver le bon signifie defiler dans des dossiers ou compter sur la recherche full-text.

Dataview change la donne. Il traite vos fichiers Markdown comme une base de donnees --- interrogez-les par metadonnees, filtrez par tags, triez par date et construisez des tableaux de bord qui se mettent a jour automatiquement.

Voici comment le configurer pour vos clips web.

Ce que fait Dataview

Dataview est un plugin Obsidian qui vous permet d’interroger vos notes avec une syntaxe similaire a SQL. Chaque fichier Markdown devient une ligne. Chaque champ de frontmatter devient une colonne. Chaque requete renvoie un tableau dynamique qui se met a jour automatiquement.

La base : le frontmatter

La puissance de Dataview depend de la coherence du frontmatter dans vos fichiers clippes. Quand vous sauvegardez du contenu web avec Save, ajoutez ces metadonnees :

---
title: "React Server Components: A Complete Guide"
source: "https://example.com/rsc-guide"
clipped: 2026-03-15
type: article
status: unread
tags: [react, server-components, performance]
rating:
---

Les champs qui rendent les clips web interrogeables :

clipped --- quand vous l’avez sauvegarde
type --- article, tutorial, documentation, paper, thread
status --- unread, reading, read, processed
rating --- 1-5 apres lecture (laissez vide initialement)
tags --- sujets couverts

Requetes essentielles

File d’attente de lecture

Voir tous les clips non lus, les plus recents en premier :

```dataview
TABLE title, type, clipped
FROM "clips"
WHERE status = "unread"
SORT clipped DESC
```

Lectures recentes

Ce que vous avez traite dans les 30 derniers jours :

```dataview
TABLE title, rating, tags
FROM "clips"
WHERE status = "read" AND clipped >= date(today) - dur(30 days)
SORT rating DESC
```

Meilleur contenu par sujet

Trouvez vos clips les mieux notes sur un sujet specifique :

```dataview
TABLE title, rating, source
FROM "clips"
WHERE contains(tags, "react") AND rating >= 4
SORT rating DESC
```

Repartition par type de contenu

Combien de chaque type avez-vous sauvegarde :

```dataview
TABLE length(rows) AS Count
FROM "clips"
GROUP BY type
SORT length(rows) DESC
```

Clips a traiter

Trouvez le contenu sauvegarde que vous n’avez pas encore revu :

```dataview
TABLE title, type, clipped
FROM "clips"
WHERE !rating
SORT clipped ASC
LIMIT 10
```

Construire un tableau de bord de recherche

Creez une note appelee Dashboard.md qui regroupe toutes vos requetes :

# Research Dashboard

## Reading Queue ({{date}})

### Unread Articles
(requete dataview ici)

### In Progress
(requete dataview ici)

## This Week's Saves
(requete dataview ici)

## Top Rated Content
(requete dataview ici)

## By Topic
(requete dataview ici)

Ce tableau de bord se met a jour automatiquement chaque fois que vous l’ouvrez. Aucune maintenance manuelle necessaire.

Avance : requetes inline

Dataview supporte egalement les requetes inline dans vos notes. Referencez le nombre de clips ou les metadonnees n’importe ou :

J'ai sauvegarde `= length(filter(pages("clips"), (p) => p.status = "read"))` articles
ce mois-ci, avec une note moyenne de
`= round(average(filter(pages("clips"), (p) => p.rating).rating), 1)`.

Cela s’affiche en texte brut : “J’ai sauvegarde 23 articles ce mois-ci, avec une note moyenne de 3.8.”

DataviewJS pour les requetes complexes

Pour des analyses plus poussees, utilisez DataviewJS (JavaScript) :

```dataviewjs
// Afficher les clips par semaine sur les 8 dernieres semaines
const clips = dv.pages('"clips"')
  .where(p => p.clipped)
  .sort(p => p.clipped, 'desc');

const weeks = {};
for (const clip of clips) {
  const week = clip.clipped.toFormat("yyyy-'W'WW");
  weeks[week] = (weeks[week] || 0) + 1;
}

dv.table(
  ["Week", "Clips Saved"],
  Object.entries(weeks).slice(0, 8).map(([week, count]) => [week, count])
);
```

Conseils pour des donnees propres

Utilisez un template

Creez un template de clip avec du frontmatter pre-rempli pour que chaque sauvegarde soit coherente :

---
title: ""
source: ""
clipped: {{date}}
type: article
status: unread
tags: []
rating:
---

Normalisez vos tags

Choisissez un ensemble standard et tenez-vous-y. react et non React ou reactjs. performance et non perf ou web-performance. Des tags incoherents cassent les requetes Dataview.

Mettez a jour le statut apres lecture

Le champ status ne fonctionne que si vous le mettez a jour. Quand vous finissez de lire un clip, prenez 10 secondes pour changer status: unread en status: read et ajoutez une note.

Conservez les URL sources

Le champ source vous permet de toujours revenir a l’original. Dataview peut les afficher comme des liens cliquables :

```dataview
TABLE title, "[Link](" + source + ")" AS Source
FROM "clips"
WHERE status = "read"
SORT clipped DESC
LIMIT 20
```

Pourquoi un Markdown propre compte ici

Dataview interroge votre frontmatter, mais vous cherchez aussi regulierement dans le contenu des clips. C’est la que l’extraction propre de Save prend tout son sens.

Quand vous cherchez “server components streaming” dans votre vault, vous voulez trouver des paragraphes pertinents dans vos clips --- pas des menus de navigation, des bannieres de cookies ou des widgets de barre laterale. Un Markdown propre signifie des resultats de recherche propres.

Pour commencer

Installez le plugin Dataview dans Obsidian (Community Plugins → Cherchez “Dataview”)
Installez Save pour un web clipping propre
Ajoutez du frontmatter a vos 5 prochains clips en utilisant le template ci-dessus
Creez une note Dashboard avec la requete de file d’attente de lecture
Regardez votre vault se transformer d’un tas de fichiers en une base de connaissances interrogeable