La mémoire des agents, un nouvel enjeu

TThéa

La mémoire des agents d’intelligence artificielle devient un enjeu parce qu’elle peut améliorer leur travail d’une session à l’autre, mais aussi conserver leurs erreurs. C’est l’idée centrale de l’article « IA : Mémoires d’un agent », de René Cotton, publié sur son blog. Le problème concret est facile à comprendre. Un assistant sans mémoire repart de zéro lorsqu’une nouvelle session commence. L’article compare cette situation à celle d’un stagiaire qu’il faudrait recruter tous les matins. La mémoire peut apporter une continuité : l’agent dispose alors d’informations conservées d’une session à l’autre. Mais cette mémoire ne se réduit pas à une conversation enregistrée. Anthropic décrit plusieurs couches complémentaires. Il y a les transcriptions consultables et les notes que Claude rédige pendant son travail. S’y ajoutent des wikis et un index chargé au démarrage. Anthropic décrit aussi un processus appelé « dreaming », ou rêve. Entre deux sessions, l’agent relit ses journaux, revient sur ses erreurs et choisit les informations à conserver. L’image est parlante, mais le mécanisme reste un traitement automatique : il ne garantit pas, à lui seul, que chaque souvenir soit juste ou encore utile. C’est précisément là que la question de la mémoire dépasse le simple confort. Il ne s’agit pas seulement de stocker davantage. Le processus décrit par Anthropic inclut une sélection des informations à conserver. Les chiffres cités dans l’article donnent une idée du bénéfice possible. Dans un test de gestion de base de données, Claude Opus 5.5 obtient un score de 0,838 avec mémoire, contre 0,655 sans mémoire. Chez Meta, l’assistant Muse exploite le contexte jugé critique dans 90 % des tâches, contre 76 % pour son modèle précédent. L’article indique aussi que Muse oublie 2,4 fois moins d’informations importantes. Dans ces tests, les résultats sont meilleurs avec la mémoire ou pour Muse que pour le modèle précédent.

TThéa

Ils ne signifient pas que toute mémoire améliore automatiquement toutes les réponses, ni que ces performances se retrouveront dans chaque usage. Le revers est important. Une information fausse, si elle entre dans la mémoire, peut être relue puis traitée comme vraie lors des sessions suivantes. Un souvenir peut aussi devenir obsolète lorsque la situation change. Et lorsque plusieurs agents modifient le même fichier, ils risquent de se contredire ou d’effacer le travail des autres. Autrement dit, la mémoire prolonge les réussites, mais elle peut aussi prolonger une erreur. Fermer une conversation ne suffit plus à la faire disparaître si l’information a été conservée ailleurs. Anthropic, Meta et Perplexity mettent en avant des agents qui gardent des informations d’une session à l’autre. Perplexity présente notamment Teammates, des agents permanents qui peuvent hériter des projets et de la mémoire de l’utilisateur. L’article insiste sur un point très concret : l’utilisateur doit pouvoir consulter la mémoire, corriger ce qui est faux et emporter ces données. Alors, que faut-il retenir ? La mémoire peut aider un assistant à reprendre des informations d’une session à l’autre. Les résultats rapportés suggèrent un gain dans certains tests, mais les risques portent sur la fiabilité, l’actualité des informations et la coordination entre agents. Une mémoire utile n’est donc pas seulement une mémoire longue. C’est une mémoire lisible, modifiable et portable, que l’on peut remettre en question. Et même quand l’agent se souvient, garder la possibilité de vérifier reste essentiel.