Mémoire des agents
La mémoire est ce qui sépare un assistant jetable d’un véritable collaborateur. Un agent sans mémoire repart de zéro à chaque échange : il ne se souvient ni de vos préférences, ni de ce qui a déjà été décidé, ni de ses propres erreurs. Lui donner une mémoire, c’est lui permettre de tenir un fil dans le temps, sur des tâches qui durent plus qu’une conversation.
Mais retenir n’est pas seulement stocker, c’est choisir quoi oublier. Que garder, comment hiérarchiser, comment éviter qu’un souvenir périmé ne fausse une décision : ces questions pèsent autant que la puissance du modèle. Une mauvaise mémoire ne rend pas un agent IA plus fiable, elle l’enferme dans ses propres travers, qu’il répète d’autant plus volontiers qu’il croit s’en souvenir. À partir de quel moment se souvenir devient-il un risque autant qu’une force ?
Nos guides sur le sujet
Nos guides pour comprendre comment un agent IA mémorise, du context engineering aux couches de mémoire qui le fiabilisent.
Questions frequentes
Qu'est-ce que la mémoire d'un agent IA ?
La mémoire d'un agent IA est sa capacité à conserver et réutiliser des informations au fil d'une tâche ou de plusieurs sessions. Sans elle, un agent repart de zéro à chaque requête. La mémoire lui permet de se souvenir du contexte, des décisions passées et des préférences de l'utilisateur.
Quelles sont les couches de mémoire d'un agent ?
On distingue généralement la mémoire de travail, le contexte immédiat de la tâche en cours, la mémoire à court terme, l'historique récent de la conversation, et la mémoire à long terme, des connaissances persistantes stockées à l'extérieur du modèle, par exemple dans une base de données.
Qu'est-ce que le context engineering ?
Le context engineering est la discipline qui consiste à choisir et organiser les informations placées dans la fenêtre de contexte d'un modèle : instructions, historique, documents, résultats d'outils. Bien mené, il fiabilise un agent en lui fournissant le bon contexte au bon moment, sans le noyer.
Pourquoi les agents IA perdent-ils le fil sur la durée ?
La fenêtre de contexte d'un modèle est limitée : au-delà d'un certain volume, les informations anciennes sont tronquées ou noyées. Sans mécanisme de mémoire externe pour trier et rappeler l'essentiel, un agent oublie des consignes, se contredit ou dérive lors de tâches longues.
Quel est le rapport entre mémoire des agents et RAG ?
Le RAG, retrieval-augmented generation, va chercher des informations pertinentes dans une base externe pour les injecter dans le contexte du modèle. C'est un des mécanismes de mémoire à long terme d'un agent, mais pas le seul : d'autres approches structurent la mémoire différemment selon les besoins.