La mémoire des agents : se souvenir sans exploser le budget État persistant pour les agents longue durée.
Une fenêtre de contexte plus grande résout la capacité au sein d'une session ; elle ne fait rien pour la continuité entre les sessions. Or les agents qui atteignent la production s'exécutent sur des centaines d'étapes et reviennent jour après jour — et la réponse naïve, tout garder dans la fenêtre, est à la fois ruineuse et discrètement inexacte. Cette note traite la mémoire comme une discipline d'ingénierie à part entière : un système typé de mémoires de travail, épisodique, sémantique et procédurale, doté d'un cycle de vie explicite — encoder, consolider, récupérer, oublier — gouverné par une politique plutôt que laissé croître. Nous passons en revue les architectures qui définissent l'état de l'art (hiérarchies mémoire façon OS, stores externes par extraction, mémoire fichier et context editing), la mécanique de coûts qui les rend viables, les benchmarks qui les maintiennent honnêtes, et les modes de défaillance — croissance non bornée, faits périmés, vie privée — qui décident de leur déployabilité. Nous terminons par l'architecture mémoire gouvernée et prête pour la souveraineté que construit LinkTec Labs.
LINKTEC LABS — R&D LINKTEC.FR / LABS ÉDITION 2026
01 — CAPACITÉ N'EST PAS CONTINUITÉ
Pourquoi une mémoire, pas seulement une
fenêtre plus grande L'erreur la plus répandue dans la conception d'agents est de traiter la mémoire comme un problème de longueur de contexte. Ce n'en est pas un. Une longue fenêtre de contexte résout la capacité — combien un agent peut lire d'un coup. La mémoire résout la continuité — ce qu'un agent reporte d'une étape, d'une session, d'une semaine à la suivante. Les deux sont orthogonales, et les confondre produit des agents à la fois coûteux et amnésiques.
Le symptôme est familier à quiconque en a mis un en production. L'agent est brillant sur la première douzaine de tours, puis se dégrade : à la quarantième étape, la fenêtre est saturée de transcripts d'outils et de décisions antérieures, et le modèle perd le fil. Le réflexe — agrandir la fenêtre et tout y reverser — échoue deux fois. C'est coûteux : le coût d'attention croît de façon super-linéaire avec la longueur de séquence, donc chaque token conservé est payé à chaque tour suivant. Et c'est inexact : comme nous l'avons soutenu dans la Note de recherche N°01, les modèles n'exploitent pas un long contexte de façon uniforme, donc une fenêtre plus pleine est souvent moins fiable. La continuité achetée par la force brute de la capacité est une continuité qui s'érode précisément quand on en a le plus besoin.
La mémoire est l'alternative : un système délibéré qui décide quoi garder, sous quelle forme, où le placer, et quand le laisser partir — de sorte que la fenêtre de travail reste petite et nette tandis que la connaissance qu'a l'agent de sa tâche, de son utilisateur et de son historique persiste à l'extérieur. Le cadre qui s'est stabilisé dans le champ est exactement celui-ci : le long contexte traite la capacité ; la mémoire traite la continuité.
TERMES CLÉS : Un vocabulaire commun pour la suite. Les spécialistes peuvent passer.
Fenêtre de contexte
Les tokens qu'un modèle peut traiter en une passe — sa surface de travail, pas sa mémoire.
Mémoire de travail
Le petit état en contexte pour la tâche courante ; analogue à la RAM. Volatile, rapide, rare.
Mémoire à long terme
Information persistée hors de la fenêtre et récupérée à la demande ; survit aux sessions.
Mémoire épisodique
Traces d'événements passés précis — quoi, quand, dans quel ordre (le journal de l'agent).
Mémoire sémantique
Faits et préférences stables, dé-contextualisés, distillés de nombreux épisodes.
Mémoire procédurale
Compétences et workflows appris — comment faire les choses, schémas d'usage d'outils.
Consolidation
Compresser des épisodes bruts en mémoire durable de plus haut niveau (réflexion, résumé).
Compaction
Résumer l'historique en fenêtre en un state object compact pour récupérer des tokens.
Récupération (retrieval)
Sélectionner et réinjecter les quelques mémoires pertinentes au moment de la décision.
Oubli / décroissance
Retirer ou dévaluer délibérément les mémoires périmées ou faibles pour borner la croissance.
02 — UNE TAXONOMIE DE TRAVAIL
Quatre mémoires, un agent
Les systèmes de mémoire utiles ne sont pas monolithiques. Le cadre académique canonique, Co adapte les sciences cognitives aux agents de langage et distingue la mémoire de travail de trois stores à long terme — épisodique, sémantique et procédurale. La distinction n'est pas pédante : chaque store a une politique d'écriture, un schéma de récupération et un taux de décroissance différents, et les confondre est une cause majeure de mémoires gonflées et peu fiables.
La mémoire épisodique est le journal de l'agent — « mardi, l'utilisateur a rejeté le fournisseur A sur le prix ». La mémoire sémantique est ce que ce journal distille — « l'utilisateur est sensible au prix sur l'infrastructure ». La mémoire procédurale est la compétence qui se cristallise par répétition — « pour réconcilier des factures, appeler l'outil X puis Y ». La trajectoire d'un agent qui mûrit est la promotion régulière des épisodes en sémantique et en procédures : l'expérience qui devient expertise.
03 — LE CYCLE DE VIE DE LA MÉMOIRE
Encoder, consolider, récupérer, oublier
La mémoire est une boucle, pas une base de données. Quatre opérations la définissent, et chacune est une décision de conception avec ses conséquences de coût et de qualité.
Encoder (écrire). Après chaque interaction, l'agent doit décider de ce qui — s'il y a lieu — mérite d'être gardé, et l'extraire en une entrée structurée plutôt qu'un transcript brut. Ce chemin d'écriture est lui-même un coût d'inférence ; les systèmes récents le réduisent drastiquement. L'extraction en une passe, « ADD-only », de Mem0 diminue les appels au modèle à l'écriture de 60–70 % sans perte de qualité notable. Consolider. Périodiquement, les épisodes bruts sont synthétisés en insight durable — le mécanisme de « réflexion » popularisé par Generative Agents, qui transforme un flux d'événements en mémoire sémantique de plus haut niveau. Récupérer (lire). Au moment de la décision, un petit ensemble de mémoires pertinentes est sélectionné et injecté — par récence, importance et pertinence — gardant la fenêtre de travail légère. Oublier. L'opération la moins développée et la plus nécessaire : sans décroissance, les stores croissent sans borne et la qualité de récupération s'effondre sous son propre poids.
04 — PATRONS D'ARCHITECTURE
Trois façons de tenir l'état
Trois architectures dominent la production, et elles sont complémentaires plutôt que concurrentes.
La hiérarchie façon OS (mémoire auto-éditée) Mem d'exploitation à mémoire contrainte, avec une hiérarchie en paliers : mémoire cœur dans la fenêtre (RAM), mémoire de rappel pour l'historique consultable (un cache disque), et mémoire d'archives pour le stockage froid. Surtout, l'agent édite sa propre mémoire via des appels d'outils dans sa boucle normale : quand l'utilisateur dit « appelez-moi Alice », le modèle l'écrit lui-même dans son bloc cœur.
Le store externe par extraction Mem0 prend le parti inverse : une couche mémoire dédiée qui extrait les faits saillants de chaque échange, les consolide en un store structuré, et en récupère un ensemble compact à la demande — gardant le contexte par appel bien en deçà d'une approche pleine-historique. C'est le patron lorsque la mémoire doit passer à l'échelle sur de nombreux utilisateurs et sessions à coût prévisible.
Mémoire fichier et context editing La primitive de production la plus récente traite la mémoire comme un système de fichiers que le modèle peut lire et écrire hors de la fenêtre. Le memory tool d'Anthropic persiste l'information entre conversations via des fichiers dans l'infrastructure du développeur, tandis que le context editing efface automatiquement les résultats d'outils périmés à mesure que la fenêtre se remplit — ensemble, ils mènent à terme des workflows longs qui épuiseraient autrement le contexte.
05 — L'ÉQUATION DE COÛT
Se souvenir sans exploser le budget
La promesse de la mémoire n'est pas seulement la précision ; c'est de faire mieux et moins cher que d'entasser l'historique dans le contexte. Les chiffres sont désormais sans appel. Face à une base pleine-contexte, Mem0 rapporte une latence p95 inférieure de 91 % et plus de 90 % d'économies de coût en tokens, tout en améliorant la qualité des réponses de 26 % (LLM-as-judge) par rapport à une mémoire commerciale de premier plan. Sur les grands benchmarks de mémoire longue, la mémoire structurée tient en moyenne sous ~7 000 tokens par récupération là où les approches pleine-contexte en consomment 25 000 ou plus — une réduction de 70 à 85 % du contexte actif.
91 % De latence p95 en moins vs. traiter tout l'historique de conversation.
90 % D'économies de tokens vs. pleine-contexte, avec une meilleure qualité de réponse.
~5× Moins de compute au test-time à précision égale quand le travail mémoire est fait hors-pic (« sleep-time»).
CŒUR/TRAVAIL enfenêtre·RAM ARCHIVES stockagefroid STOREPAREXTRACTION MÉMOIREFICHIER
Le levier le plus profond est le moment où le travail a lieu. Les opérations de mémoire — extraction, consolidation, ré-indexation — n'ont pas à se trouver sur le chemin critique de l'utilisateur. Le sleep-time compute les déplace vers les périodes d'inactivité : l'agent « réfléchit » hors-ligne, transformant le contexte brut en contexte appris, réduisant le compute au test-time pour une précision égale d'environ 5× et le coût moyen par requête de ~2,5× lorsqu'il est amorti sur des requêtes apparentées. La mémoire, bien faite, n'est pas une taxe à chaque tour ; c'est un investissement réalisé quand le compteur est au plus bas.
06 — MESURER LA MÉMOIRE
Benchmarks et les capacités qui comptent
Les revendications de mémoire ne coûtent rien ; la mémoire mesurée, si. Trois benchmarks ancrent le champ. LoCoMo évalue la mémoire conversationnelle à très long terme sur des dialogues d'environ 300 tours et jusqu'à 35 sessions. LongMemEval isole cinq capacités distinctes — extraction d'information, raisonnement multi-sessions, raisonnement temporel, mises à jour de connaissances, et abstention — et constate que les assistants commerciaux et les modèles long-contexte subissent une chute de précision d'environ 30 % sur l'interaction prolongée. BEAM pousse à l'extrême, sondant la mémoire sur des conversations allant jusqu'à dix millions de tokens.
LES DEUX CAPACITÉS QUE L'ON SOUS-ESTIME
Les mises à jour de connaissances — réécrire un fait quand il change (« elle a changé de poste») — et l'abstention — savoir quand la réponse n'a jamais été stockée. Les systèmes de pur rappel échouent silencieusement aux deux : ils ressortent des faits périmés et fabulent au lieu d'admettre l'ignorance. Ce sont elles, pas le rappel brut, qui séparent un jouet d'un agent digne de confiance.
07 — DÉFAILLANCES & GOUVERNANCE
Là où la mémoire devient un passif
La mémoire introduit des modes de défaillance que le retrieval seul n'avait pas — et ce sont précisément ceux que tout acheteur sérieux interroge. Croissance non bornée : la réflexion améliore la cohérence mais ne régule pas la taille du store ; sans politique de décroissance explicite, les traces s'accumulent jusqu'à dégrader la récupération. Mémoire périmée et conflictuelle : un vieux fait qui aurait dû être réécrit ressurgit en erreur assurée. Empoisonnement de mémoire : une seule mauvaise écriture — accidentelle ou adversariale — persiste et contamine chaque session future. Et, décisif pour l'entreprise : la vie privée. Une mémoire qui se souvient d'un client se souvient de ses données personnelles, indéfiniment, à travers les sessions.
C'est là que la mémoire cesse d'être une fonctionnalité de performance pour devenir une question de gouvernance. Un store persistant d'informations utilisateur est une donnée régulée ; sous le RGPD européen, il porte un droit de rectification et d'effacement. Une mémoire d'agent qui ne peut être inspectée, corrigée et supprimée sur demande n'est pas prête pour la production en Europe — c'est un passif. L'exigence est concrète : chaque mémoire doit être attribuable à sa source, éditable et oubliable, avec une trace d'audit. Mémoire et souveraineté sont la même conversation.
Un agent qui ne peut pas oublier sur demande ne peut pas être déployé sur de vraies données clients. L'oubli n'est pas une lacune — c'est une primitive de conformité.
08 — UNE ARCHITECTURE DE RÉFÉRENCE
Mémoire gouvernée, telle que LinkTec Labs la
construit Les patrons ci-dessus se composent en une couche gouvernée unique. La conception ci-dessous est celle que nous déployons — typée par classe de mémoire, explicite à chaque opération, et auditable de bout en bout.
Déployable en souveraineté par conception.
Quatre principes la gouvernent. La mémoire est typée — les stores épisodique, sémantique et procédural ont des politiques d'écriture et de décroissance distinctes ; un magma indifférencié est la route vers le gonflement. Chaque opération est explicite — écrire, récupérer et oublier sont gouvernés par politique et instrumentés, jamais émergents. Le budget est la contrainte — la récupération renvoie un petit working set classé, et la consolidation tourne hors du chemin critique. Et tout est gouverné — chaque mémoire est attribuée à sa source, éditable et effaçable, avec une trace d'audit. Les trois premiers achètent la performance ; le quatrième est ce qui rend le système déployable sur de vraies données clients.
09 — PLAYBOOK DU PRATICIEN
Quoi faire dès lundi
-> Séparer capacité et continuité.
Ne résolvez pas un problème de mémoire par une fenêtre plus grande.
-> Typer votre mémoire.
Travail, épisodique, sémantique, procédurale — chacune avec ses règles d'écriture et de décroissance.
-> Écrire structuré, pas brut.
Extraire les faits saillants ; l'extraction en une passe réduit le coût d'écriture de 60–70 %.
-> Consolider hors-pic.
Réfléchir et ré-indexer en période creuse ; le sleep-time compute se.
-> Récupérer un petit ensemble.
Classer par récence, importance et pertinence ; garder la fenêtre légère.
-> Faire de l'oubli une fonctionnalité.
Une politique de décroissance borne la croissance ; la suppression explicite satisfait la loi.
-> Tester mises à jour et abstention,
pas seulement le rappel — c'est là que la confiance se gagne ou se perd.
-> Auditer chaque mémoire.
Source, édition, suppression — sinon vous ne pouvez pas livrer sur des données clients
La capacité permet à un agent de lire. La mémoire lui permet d'apprendre. La discipline consiste à empêcher la seconde de dévorer le budget — ou la confiance.
LinkTec Labs conçoit des couches de mémoire gouvernées et prêtes pour la souveraineté, pour des agents qui tournent longtemps et reviennent souvent — auditables, éditables, et dimensionnées pour le coût réel. Deuxième note de notre série de recherche 2026 ; la première, Au-delà du RAG : l'architecture de contexte, en est le compagnon naturel. linktec.fr / labs
RÉFÉRENCES Sources primaires & techniques études citées. Les résultats quantitatifs sont attribués à leurs sources primaires ; les synthèses industrielles ou secondaires sont signalées comme telles dans le texte. Cette note est informative et ne constitue pas une revendication de benchmark de la part de Packer et al. Mem 2310.08560 Sumers, Yao, Narasimhan & Griffiths. Cognitive Architectures for Language Agents (Co Park et al. Generative Agents: Interactive Simulacra of Human Behavior. UIST 2023. arXiv:2304.03442 — arXiv:2402.17753 — https://arxiv.org/abs/2402.17753 Chhikara et al. Mem0: Building Production-Ready AI Agents with Scalable Long-Term Memory. 2025. arXiv: Anthropic. Managing context on the Claude Developer Platform (memory tool & context editing). 2025 — https:// Anthropic. Effective Context Engineering for AI Agents. Anthropic Engineering, 2025 — https:// Lin et al. Sleep-time Compute: Beyond Inference Scaling at Test-time. 2025. arXiv:2504.13171 — https:// secondaire). 2026 — https://mem0.ai/blog/ai-memory-benchmarks-in-2026 Survey. Memory for Autonomous LLM Agents: Mechanisms, Evaluation, and Emerging Frontiers. 2026. arXiv: