Les agents IA n'ont pas de problème de mémoire. Ils ont un problème d'architecture.

Chaque session, le LLM repart à zéro. L'utilisateur réexplique son rôle, ses contraintes, ses préférences, ce qu'il faisait la dernière fois. Puis la séance se termine, et la prochaine fois : même chose.

L’industrie l’a bien diagnostiqué : l’apatridie constitue une véritable limitation. Mais les solutions en cours de développement partagent pour la plupart le même principe : la mémoire est un service auquel vous vous connectez. Je pense que cette prémisse est fausse et qu’elle façonne tout en aval.

Le coût réel de l’apatridie

Ce n'est pas seulement un désagrément UX. Une étude réalisée en 2026 par Pichay mesurant 857 sessions d'IA de production a révélé que 21,8 % des jetons d'entrée sont des « déchets structurels » – un contexte qui doit être rétabli à chaque session car rien ne persiste. Près d'un quart de votre budget symbolique, à chaque appel, est consacré à réexpliquer ce qui devrait déjà être connu.

Pour une conversation informelle, c'est tolérable. Pour les flux de travail où le contexte est dense et les enjeux élevés – un avocat passant d’un sujet à l’autre, un développeur passant d’une base de code à l’autre, un clinicien repre...
[Courte citation de 8% de l'article original]