La mémoire d'agent est la capacité d'un agent à retenir des informations sur l'utilisateur — ses préférences et les décisions déjà prises — d'une conversation et d'une tâche à l'autre. Elle ne stocke pas l'historique des échanges mot pour mot ; elle conserve plutôt des conclusions comme « l'utilisateur aime les réponses concises » ou « la dernière décision était l'option A », pour les réutiliser directement la fois suivante sans que l'utilisateur ait à tout répéter. L'essentiel est la limite : la mémoire évite les confirmations répétées, mais elle ne retient que ce qu'elle a le droit de retenir.
La mémoire d'agent a trois couches — ne les confondez pas
La couche supérieure est la fenêtre de contexte, c'est-à-dire le texte que le modèle peut voir directement dans cette conversation. Fermez la conversation et il disparaît. La couche intermédiaire est la mémoire à long terme : l'agent extrait des faits des conversations et les inscrit dans une base de mémoire pour les retrouver la fois suivante — un métier, des outils fréquents, des préférences. La couche inférieure est un fichier de mémoire ou un profil utilisateur : certains agents permettent de consulter, modifier ou même importer une description de soi — une sorte de « mode d'emploi » vous concernant, rédigé par vous. Les trois couches n'ont pas le même coût : le contexte est le plus cher et le plus facile à oublier ; la mémoire à long terme est la plus pratique, mais une mauvaise récupération peut confondre les personnes ; le fichier de mémoire est le plus contrôlable, mais il faut l'entretenir soi-même.
La mémoire d'agent n'est pas la même chose que le RAG
Les deux consistent à retrouver quelque chose avant de répondre, mais elles servent des objectifs différents. Le RAG branche une base de connaissances externe au modèle et interroge des documents avant de répondre — il résout le problème des « choses que le modèle ne sait pas ». La mémoire d'agent résout le problème des « choses que le modèle ne sait pas sur vous » : elle stocke des informations sur l'utilisateur, pas des connaissances générales. Pour faire simple, le RAG, c'est comme chercher dans une documentation ; la mémoire, c'est comme reconnaître quelqu'un. Un agent peut utiliser les deux à la fois : les documents via le RAG, vos préférences via la mémoire.
Trois malentendus fréquents, clarifiés d'emblée
Premièrement, supprimer une conversation ne supprime pas la mémoire. Beaucoup de produits stockent l'historique et la mémoire séparément. Supprimer le chat ne fait disparaître que l'interface ; les souvenirs extraits peuvent subsister et doivent être effacés séparément dans les réglages de mémoire ou de confidentialité — voici comment procéder quand Muse se souvient encore de vous après la suppression d'une conversation. Deuxièmement, la mémoire ne signifie pas que le modèle a été entraîné dessus. Ce que vous dites à un agent ne devient pas immédiatement une partie de ses poids ; c'est seulement enregistré sous votre compte et n'existe pas sous un autre compte. Troisièmement, plus de mémoire n'est pas synonyme de mieux. Trop d'informations périmées induisent en erreur — changez de travail et il continuera de recommander en fonction de l'ancien. Nettoyer régulièrement compte plus qu'accumuler sans fin. La valeur de la mémoire réside non dans la quantité, mais dans l'exactitude et la fraîcheur.
Les personnes qui travaillent souvent avec le même agent, sur des tâches qui se prolongent, en profitent le plus : le format d'un rapport hebdomadaire, les conventions de code habituelles, des contacts réguliers — retenus une fois, ils vous épargnent l'explication répétée à chaque fois. À l'inverse, pour des informations privées, des appareils partagés ou une question posée seulement de temps en temps, la laisser désactivée est le choix le plus sûr. La règle est simple : si vous accepteriez de le redire à la prochaine conversation, inutile de le mémoriser ; si vous voulez que l'agent agisse de lui-même la prochaine fois, activez la mémoire.
