[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"portal-settings:stajic:fr":3,"public-menus:all":38,"post:what-should-an-ai-agent-remember-forget-recompute-or-retrieve-again:fr":205,"related:post:what-should-an-ai-agent-remember-forget-recompute-or-retrieve-again:fr:1":1624},{"statusCode":4,"data":5,"message":37},200,{"tenantId":6,"lang":7,"defaultLang":8,"siteUrl":9,"contactEmail":10,"brandName":11,"logoUrl":12,"siteName":11,"siteDescription":13,"ogImage":10,"robotsIndex":14,"socialLinks":10,"reservedSlugs":10,"seoPolicy":15},"stajic","fr","de","https:\u002F\u002Fstajic.de",null,"Stajic Platform","\u002FLogo_Planet.svg","Stajic Portal",true,{"branding":16,"relatedContent":17,"crossDomainLinks":18},{"logoUrl":12},{"enabled":14},[19,22,25,28,31,34],{"url":20,"label":21,"isActive":14,"showInFooter":14,"includeInSameAs":14},"https:\u002F\u002Ffigure.rocks","figure.rocks",{"url":23,"label":24,"isActive":14,"showInFooter":14,"includeInSameAs":14},"https:\u002F\u002Floving.rocks","loving.rocks",{"url":26,"label":27,"isActive":14,"showInFooter":14,"includeInSameAs":14},"https:\u002F\u002Fbazify.com","bazify.com",{"url":29,"label":30,"isActive":14,"showInFooter":14,"includeInSameAs":14},"https:\u002F\u002Fbazify.de","bazify.de",{"url":32,"label":33,"isActive":14,"showInFooter":14,"includeInSameAs":14},"https:\u002F\u002Fbazify.at","bazify.at",{"url":35,"label":36,"isActive":14,"showInFooter":14,"includeInSameAs":14},"https:\u002F\u002Fbazify.ba","bazify.ba","Portal settings resolved",[39,45],{"id":40,"name":41,"location":42,"isActive":14,"isDefault":43,"items":44},1,"main-navigation","header",false,[],{"id":46,"name":47,"location":48,"isActive":14,"isDefault":14,"items":49},4,"main-menu","sidebar",[50,66,79,93,103,118,133],{"id":51,"title":52,"url":60,"target":61,"icon":62,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":64,"portfolioId":10,"children":65},"item-18",{"de":53,"en":54,"es":55,"fr":56,"it":54,"ru":57,"sr":58,"zh":59},"Startseite","Home","Inicio","Accueil","Главная","Почетна","首页","\u002Ffull-stack-web-developer-munich-performance-seo-and-maintainable-builds","_self","i-lucide-home","page",111,[],{"id":67,"title":68,"url":75,"target":61,"icon":76,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":77,"portfolioId":10,"children":78},"item-22",{"de":69,"en":69,"es":70,"fr":69,"it":71,"ru":72,"sr":73,"zh":74},"Vision","Visión","Visione","Видение","Визија","想象","\u002Fueber-uns-webdesign-muenchen-webaplikation","i-lucide-eye",113,[],{"id":80,"title":81,"url":89,"target":61,"icon":90,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":91,"portfolioId":10,"children":92},"item-19",{"de":82,"en":83,"es":84,"fr":83,"it":85,"ru":86,"sr":87,"zh":88},"Leistungen","Services","Servicios","Servizi","Услуги","Услуге","服务","\u002Fservices-dienstleistungen-muenchen","i-lucide-wrench",116,[],{"id":94,"title":95,"url":99,"target":61,"icon":100,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":101,"portfolioId":10,"children":102},"item-23",{"de":96,"en":96,"es":96,"fr":96,"it":96,"ru":97,"sr":97,"zh":98},"Blog","Блог","博客","\u002Fblog","i-lucide-book-open",112,[],{"id":104,"title":105,"url":114,"target":61,"icon":115,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":116,"portfolioId":10,"children":117},"item-32",{"de":106,"en":107,"es":108,"fr":109,"it":110,"ru":111,"sr":112,"zh":113},"Neue Technologien","New Technologies","Nuevas tecnologías","Nouvelles technologies","Nuove tecnologie","Новые технологии","Нове технологије","新技术！","\u002Fneue-webtechnologien","i-lucide-sparkles",122,[],{"id":119,"title":120,"url":129,"target":61,"icon":130,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":131,"portfolioId":10,"children":132},"item-20",{"de":121,"en":122,"es":123,"fr":124,"it":125,"ru":126,"sr":127,"zh":128},"Kontakt","Contact us!","Contacto","Contact","Contatto","Контакт","Контактирајте нас","联系我们！","\u002Fcontact","i-lucide-mail",115,[],{"id":134,"title":135,"url":144,"target":61,"icon":145,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":146,"portfolioId":10,"children":147},"item-21",{"de":136,"en":137,"es":138,"fr":139,"it":140,"ru":141,"sr":142,"zh":143},"Unsere Arbeit","Our Work","Nuestro trabajo","Nos réalisations","I nostri lavori","Наши работы","Наши радови","文件夹","\u002Fportfolio","i-lucide-briefcase",114,[148,161,175,181,193],{"id":149,"title":150,"url":144,"target":61,"icon":159,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":146,"portfolioId":10,"children":160},"item-24",{"de":151,"en":152,"es":153,"fr":154,"it":155,"ru":156,"sr":157,"zh":158},"Alle Projekte","All Projects","Todos los proyectos","Tous les projets","Tutti i progetti","Все проекты","Сви пројекти","所有项目","i-lucide-grid-3x3",[],{"id":162,"title":163,"url":171,"target":61,"icon":172,"isActive":14,"type":173,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":10,"portfolioId":10,"children":174},"item-29",{"de":164,"en":165,"es":166,"fr":167,"it":168,"ru":169,"sr":170,"zh":143},"Local Roots, Global Reach","Local Roots - Global Reach","Empresa local ","Entreprise locale","Azienda locale","Местная компания","Локално предузеће глобално тржиште","\u002Fportfolio\u002Flocal-roots-global-reach-communication-media-systems-for-modern-business","i-lucide-folder","custom",[],{"id":176,"title":177,"url":179,"target":61,"icon":172,"isActive":14,"type":173,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":10,"portfolioId":10,"children":180},"item-28",{"de":178,"en":178,"es":178,"fr":178,"it":178,"ru":178,"sr":178,"zh":178},"Solr Suggester","\u002Fportfolio\u002Fsolr-fuzzy-suggester-und-solr-infix-suggester-abfrage-ueber-ajax-und-filterung",[],{"id":182,"title":183,"url":191,"target":61,"icon":172,"isActive":14,"type":173,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":10,"portfolioId":10,"children":192},"item-27",{"de":184,"en":185,"es":186,"fr":187,"it":188,"ru":189,"sr":190,"zh":185},"Firmenwebseite SEO","Company Website SEO","Sitio web corporativo SEO","Site web d’entreprise SEO","Sito web aziendale SEO","Корпоративный сайт SEO","Пословна веб-страница SEO","\u002Fportfolio\u002Fseo-sem-branding-mobile-webseite-muenchen",[],{"id":194,"title":195,"url":203,"target":61,"icon":172,"isActive":14,"type":173,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":10,"portfolioId":10,"children":204},"item-31",{"de":196,"en":197,"es":198,"fr":199,"it":200,"ru":201,"sr":202,"zh":197},"Digitalisierungsportal","Digitalization Portal","Portal de digitalización","Portail de numérisation","Portale di digitalizzazione","Портал цифровизации","Портал за дигитализацију","\u002Fportfolio\u002Fdigitalisierungsportal-archiv-museum-bibliothek-ead-lido-mets-mods",[],{"statusCode":4,"data":206,"message":1623},{"id":207,"title":208,"slug":209,"content":210,"contentJson":211,"excerpt":813,"featuredImage":814,"featuredImageAlt":815,"featuredImageCaption":10,"featuredImageTitle":10,"featuredImageCopyright":10,"featuredImageAuthor":10,"featuredImageSourceUrl":10,"featuredImageLicense":10,"featuredImageIsAiGenerated":43,"status":816,"publishedAt":817,"createdAt":818,"updatedAt":819,"seoLocalePaths":820,"categories":829,"author":842,"translations":847},"470","Que devrait mémoriser, oublier, recalculer ou récupérer à nouveau un agent IA ?","what-should-an-ai-agent-remember-forget-recompute-or-retrieve-again","\u003Cnav class=\"editorjs-toc\" data-editorjs-toc=\"true\" aria-label=\"Sommaire\">\u003Cstrong class=\"editorjs-toc__title\">Sommaire\u003C\u002Fstrong>\u003Col class=\"editorjs-toc__list editorjs-toc__list--depth-0\">\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-5\" class=\"editorjs-toc__link\">Le véritable problème de la mémoire n'est pas le stockage — c'est le contrôle du cycle de vie\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-9\" class=\"editorjs-toc__link\">Quatre actions possibles pour toute information d'un agent\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-11\" class=\"editorjs-toc__link\">Le test d'admission en mémoire\u003C\u002Fa>\u003Col class=\"editorjs-toc__list editorjs-toc__list--depth-1\">\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-15\" class=\"editorjs-toc__link\">1. Mémoriser : des connaissances durables qui améliorent les décisions futures\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-19\" class=\"editorjs-toc__link\">2. Relire ou récupérer : des faits volatils avec une source de vérité externe\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-23\" class=\"editorjs-toc__link\">3. Recalculer : des informations dérivées moins coûteuses à calculer qu'à vérifier\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-26\" class=\"editorjs-toc__link\">4. Oublier, faire expirer ou remplacer : la suppression est une capacité\u003C\u002Fa>\u003C\u002Fli>\u003C\u002Fol>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-30\" class=\"editorjs-toc__link\">La méthode de décision\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-32\" class=\"editorjs-toc__link\">Exemples : le même agent devrait employer différentes actions de cycle de vie\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-34\" class=\"editorjs-toc__link\">La mémoire doit stocker des conditions, pas seulement des conclusions\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-37\" class=\"editorjs-toc__link\">Une écriture en mémoire devrait être plus coûteuse qu'une lecture en mémoire\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-40\" class=\"editorjs-toc__link\">La qualité de la mémoire comporte au moins cinq dimensions\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-43\" class=\"editorjs-toc__link\">Ce qu'il ne faut pas placer dans la mémoire durable par défaut\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-45\" class=\"editorjs-toc__link\">La mémoire est spécifique à chaque tâche — il n'existe pas d'entrepôt optimal universel\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-48\" class=\"editorjs-toc__link\">Qu'est-ce qui changerait cette réponse ?\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-52\" class=\"editorjs-toc__link\">Limites\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-55\" class=\"editorjs-toc__link\">Conclusion\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-59\" class=\"editorjs-toc__link\">FAQ\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-61\" class=\"editorjs-toc__link\">Glossaire\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-63\" class=\"editorjs-toc__link\">Sources primaires et lectures complémentaires\u003C\u002Fa>\u003C\u002Fli>\u003C\u002Fol>\u003C\u002Fnav>\n\u003Cp>Les agents IA à longue durée de vie accumulent bien plus d'informations qu'ils ne devraient en mémoriser durablement. Les conversations, les sorties d'outils, les calculs intermédiaires, les préférences de l'utilisateur, les décisions de projet, les résultats de recherche, l'état du système, les erreurs et les procédures réussies peuvent tous sembler utiles sur le moment. Les traiter tous comme une mémoire durable crée un second problème : l'agent doit ensuite déterminer quelles informations stockées sont encore fiables, actuelles, pertinentes et sûres à réutiliser.\u003C\u002Fp>\n\u003Caside class=\"editorjs-callout editorjs-callout--info my-6 rounded-xl border p-5 border-blue-300 bg-blue-50 dark:border-blue-900 dark:bg-blue-950\u002F20\" role=\"note\">\u003Cstrong class=\"block mb-2 text-gray-900 dark:text-gray-100\">Réponse directe\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">Un agent IA doit <strong>mémoriser les informations durables, réutilisables, préservant leur provenance et coûteuses à redécouvrir<\u002Fstrong> ; <strong>relire ou récupérer les faits volatils auprès de leur source faisant autorité<\u002Fstrong> ; <strong>recalculer les valeurs dérivées peu coûteuses lorsque la fraîcheur est essentielle<\u002Fstrong> ; et <strong>oublier, faire expirer ou remplacer les informations dont la réutilisation future présente plus de risques que de valeur<\u002Fstrong>. La bonne décision dépend moins de l'« importance » perçue de l'information que de sa volatilité, de son autorité, de son coût de dérivation, de sa valeur de réutilisation, de sa sensibilité et de son mode de révision.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Caside class=\"editorjs-callout editorjs-callout--note my-6 rounded-xl border p-5 border-gray-300 bg-gray-50 dark:border-gray-700 dark:bg-gray-900\u002F40\" role=\"note\">\u003Cstrong class=\"block mb-2 text-gray-900 dark:text-gray-100\">À propos du modèle de décision\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">Le modèle Mémoriser \u002F Relire \u002F Recalculer \u002F Oublier et le test d'admission en mémoire ci-dessous sont des outils architecturaux pratiques proposés dans cet article. Ce ne sont pas des normes formelles de l'industrie. Ils sont conçus pour rendre les décisions relatives à la mémoire des agents explicites, testables et auditables.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Ch2 id=\"section-5\">Le véritable problème de la mémoire n'est pas le stockage — c'est le contrôle du cycle de vie\u003C\u002Fh2>\n\u003Cp>Les systèmes d'agents modernes peuvent stocker presque tout : transcriptions complètes, résumés, embeddings, fichiers, enregistrements de base de données, traces d'outils, faits structurés, compétences et artefacts externes. La capacité de stockage n'est donc pas la partie difficile. Le plus difficile consiste à décider de ce qui mérite de subsister, pendant combien de temps, et de ce qui doit se passer lorsque la réalité évolue.\u003C\u002Fp>\n\u003Cp>Les recommandations d'OpenAI sur la mémoire de session avertissent explicitement que conserver trop d'historique peut engendrer des distractions, de l'inefficacité, un empoisonnement du contexte et des erreurs cumulatives. De même, Anthropic traite le contexte comme une ressource finie qui doit être organisée plutôt qu'accumulée. Microsoft Research a suivi la même direction : PlugMem convertit l'historique brut des interactions en connaissances structurées et réutilisables au lieu de considérer l'intégralité de l'historique comme une mémoire d'égale valeur.\u003C\u002Fp>\n\u003Cp>La conséquence architecturale est simple : la mémoire a besoin d'une politique d'admission, d'une politique de maintenance et d'une politique de retrait. Un simple système de récupération ne fournit pas ces garanties sémantiques.\u003C\u002Fp>\n\u003Ch2 id=\"section-9\">Quatre actions possibles pour toute information d'un agent\u003C\u002Fh2>\n\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Action\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">À utiliser lorsque\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Exemples types\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Risque principal\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Mémoriser\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">L'information reste utile pour de futures tâches et est coûteuse ou impossible à reconstruire de manière fiable\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Préférence utilisateur stable, décision de projet validée, compétence réutilisable, contrainte à long terme vérifiée\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Conserver une information fausse, obsolète ou trop générale\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Relire \u002F Récupérer\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">L'information provient d'une source faisant autorité qui est susceptible de changer\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Permissions, inventaire, version de politique, état d'une commande, prix d'un produit, documentation d'API actuelle\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Utiliser une copie obsolète au lieu de la source faisant autorité actuelle\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Recalculer\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">L'information est dérivée et son coût de calcul est suffisamment faible pour être recalculée\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Totaux, scores, classements, résumés issus des données sources actuelles, transformations déterministes\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Conserver un résultat dérivé obsolète\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Oublier \u002F Expirer \u002F Remplacer\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">La réutilisation future a peu de valeur ou engendre un risque pour la confidentialité, d'obsolescence, de conflit ou de contamination\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Sortie d'outil transitoire, hypothèse erronée, décision caduque, jeton temporaire, état d'environnement obsolète\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Perdre une information qui s'avère nécessaire par la suite\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Ch2 id=\"section-11\">Le test d'admission en mémoire\u003C\u002Fh2>\n\u003Cp>Avant qu'une information ne devienne une mémoire durable de l'agent, évaluez-la selon six propriétés. Ces propriétés sont plus utiles qu'un vague score d'importance car elles prédisent le comportement de l'information dans le temps.\u003C\u002Fp>\n\u003Csection class=\"editorjs-comparison my-6\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">Six propriétés pour déterminer si une information a sa place en mémoire\u003C\u002Fh3>\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 bg-gray-50 px-4 py-3 text-left dark:border-gray-700 dark:bg-gray-900\">\u003C\u002Fth>\u003Cth class=\"border border-gray-300 bg-gray-50 px-4 py-3 text-left font-semibold dark:border-gray-700 dark:bg-gray-900\">Propriété\u003C\u002Fth>\u003Cth class=\"border border-gray-300 bg-gray-50 px-4 py-3 text-left font-semibold dark:border-gray-700 dark:bg-gray-900\">Question\u003C\u002Fth>\u003Cth class=\"border border-gray-300 bg-gray-50 px-4 py-3 text-left font-semibold dark:border-gray-700 dark:bg-gray-900\">Impact décisionnel\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Volatilité\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Autorité\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Valeur de réutilisation\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Coût de reconstruction\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Sensibilité\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Comportement de révision\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\u003C\u002Fsection>\n\u003Caside class=\"editorjs-callout editorjs-callout--tip my-6 rounded-xl border p-5 border-violet-300 bg-violet-50 dark:border-violet-900 dark:bg-violet-950\u002F20\" role=\"note\">\u003Cstrong class=\"block mb-2 text-gray-900 dark:text-gray-100\">Une règle pratique\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">Si un fait est <strong>volatil + faisant autorité ailleurs + peu coûteux à récupérer<\u002Fstrong>, n'enregistrez pas une valeur copiée dans la mémoire à long terme. Stockez plutôt le pointeur, l'identifiant ou le chemin de récupération.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Ch3 id=\"section-15\">1. Mémoriser : des connaissances durables qui améliorent les décisions futures\u003C\u002Fh3>\n\u003Cp>Une bonne mémoire durable réduit le travail répétitif sans transformer l'état d'hier en vérité d'aujourd'hui. Les candidats types comprennent les préférences explicites des utilisateurs, les contraintes durables d'un projet, les décisions et leurs justifications, les procédures réutilisables, les schémas d'échec récurrents et les faits vérifiés qui ne devraient pas changer fréquemment.\u003C\u002Fp>\n\u003Cp>Les mémoires les plus solides ne sont pas nécessairement des transcriptions brutes. Les travaux de PlugMem en 2026 préconisent de convertir l'historique des interactions en faits compacts et en compétences réutilisables. De même, BREW de Microsoft distille les trajectoires passées en connaissances procédurales exploitables décrivant ce qu'il faut faire, quand l'appliquer et ce à quoi il faut faire attention. Tous deux convergent vers un principe de conception utile : stocker des connaissances réutilisables, et pas seulement du texte historique.\u003C\u002Fp>\n\u003Cp>Un élément mémorisé doit également conserver sa provenance. Un agent futur doit être capable de distinguer « l'utilisateur l'a explicitement demandé », « le système l'a observé », « une source l'a affirmé » et « un modèle l'a déduit ». Sans cette distinction, la mémoire convertit progressivement preuves, interprétations et spéculations en un ensemble indifférencié.\u003C\u002Fp>\n\u003Ch3 id=\"section-19\">2. Relire ou récupérer : des faits volatils avec une source de vérité externe\u003C\u002Fh3>\n\u003Cp>Certaines informations ont de la valeur précisément parce qu'elles changent. Les autorisations actuelles, l'état des commandes, les stocks, le statut du compte, l'état de santé du service, la documentation logicielle, les prix, les calendriers, les réglementations et le comportement des API devraient normalement être relus à partir du système qui en est propriétaire avant toute utilisation conséquente.\u003C\u002Fp>\n\u003Cp>L'agent peut se souvenir qu'une source existe, de la façon d'y accéder ou des champs importants. Il ne doit pas supposer qu'une ancienne valeur récupérée reste autoritaire. Cela sépare la mémoire de l'endroit et de la manière d'obtenir la vérité d'une copie en cache de la vérité.\u003C\u002Fp>\n\u003Caside class=\"editorjs-callout editorjs-callout--warning my-6 rounded-xl border p-5 border-amber-300 bg-amber-50 dark:border-amber-900 dark:bg-amber-950\u002F20\" role=\"note\">\u003Cstrong class=\"block mb-2 text-gray-900 dark:text-gray-100\">Le piège de la mémoire obsolète\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">Un fait peut être parfaitement mémorisé et demeurer faux. La qualité de la mémoire ne se résume pas à l'exactitude du rappel ; elle inclut également le fait de savoir quand le rappel doit céder la place à une lecture autoritaire actualisée.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Ch3 id=\"section-23\">3. Recalculer : des informations dérivées moins coûteuses à calculer qu'à vérifier\u003C\u002Fh3>\n\u003Cp>Les informations dérivées méritent un traitement différent des faits sources. Si une valeur peut être recalculée de manière déterministe à partir d'entrées actuelles, conserver le résultat peut créer une obsolescence inutile. Les totaux, les pourcentages, les classements, les indicateurs d'éligibilité, les résumés générés et d'autres sorties dérivées devraient souvent être recalculés lors de leur utilisation.\u003C\u002Fp>\n\u003Cp>Le compromis clé réside dans le coût. Si le recalcul est coûteux, le système peut mettre le résultat en cache avec la version exacte des entrées, l'horodatage, la méthode de dérivation et les conditions d'invalidation. Si le recalcul est peu coûteux, la fraîcheur l'emporte généralement.\u003C\u002Fp>\n\u003Ch3 id=\"section-26\">4. Oublier, faire expirer ou remplacer : la suppression est une capacité\u003C\u002Fh3>\n\u003Cp>L'oubli n'est pas nécessairement un défaut. C'est un mécanisme de contrôle. Les sorties temporaires d'outils, les résultats de recherche ponctuels, les hypothèses erronées, l'état transitoire de l'environnement, les artefacts de raisonnement intermédiaires, les préférences utilisateur obsolètes, les identifiants expirés et les décisions caduques peuvent tous devenir des passifs s'ils restent actifs indéfiniment.\u003C\u002Fp>\n\u003Cp>La recherche récente sur la mémoire reconnaît de plus en plus que l'accumulation illimitée peut dégrader les performances. L'architecture de mémoire inspirée du modèle humain développée par Microsoft en 2026 inclut explicitement l'oubli et la consolidation fondés sur l'interférence, tandis que PlugMem signale que les historiques bruts peuvent submerger les agents avec un contexte de faible valeur. L'enseignement pour l'ingénierie ne nécessite pas de reproduire la mémoire biologique : la rétention doit être sélective.\u003C\u002Fp>\n\u003Cp>Dans de nombreux systèmes, le remplacement par une version plus récente est plus sûr que la suppression immédiate. L'ancienne décision reste vérifiable, mais la récupération renvoie par défaut à la nouvelle décision. Cela est essentiel pour les projets, les politiques, la conformité et tout flux de travail où l'historique des modifications constitue lui-même une preuve.\u003C\u002Fp>\n\u003Ch2 id=\"section-30\">La méthode de décision\u003C\u002Fh2>\n\u003Csection class=\"editorjs-process my-6\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">Déterminer le cycle de vie d'un élément d'information\u003C\u002Fh3>\u003Cdiv class=\"grid grid-cols-1 md:grid-cols-2 xl:grid-cols-3 gap-4\">\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">1\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">1. Classifier l'information\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">S'agit-il d'un état autoritaire, d'une préférence utilisateur, d'une preuve externe, d'une sortie dérivée, d'une procédure, d'une observation ou d'une inférence du modèle ?\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">2\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">2. Identifier la source de vérité\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Déterminer si un autre système ou une autre source demeure plus autoritaire que la mémoire elle-même.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">3\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">3. Estimer la volatilité\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Évaluer la probabilité que l'élément change avant la prochaine réutilisation significative.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">4\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">4. Estimer les coûts de réutilisation et de reconstruction\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Comparer la valeur future avec le coût et la fiabilité de la récupération ou de la recréation de l'information.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">5\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">5. Vérifier la sensibilité et la portée\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Définir qui peut accéder à l'information, où elle peut persister et si cette persistance est justifiée.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">6\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">6. Définir l'invalidation\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Spécifier l'expiration, le remplacement, la résolution de conflits ou une condition forçant une lecture autoritaire actualisée.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">7\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">7. Choisir l'action\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Mémoriser, relire\u002Frécupérer, recalculer, ou oublier\u002Ffaire expirer\u002Fremplacer.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">8\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">8. Préserver la provenance\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Conserver suffisamment de métadonnées pour distinguer le fait source, la déclaration de l'utilisateur, l'observation, la dérivation et l'inférence du modèle.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003C\u002Fdiv>\u003C\u002Fsection>\n\u003Ch2 id=\"section-32\">Exemples : le même agent devrait employer différentes actions de cycle de vie\u003C\u002Fh2>\n\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Information\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Action recommandée\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Pourquoi\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">« L'utilisateur préfère des réponses techniques concises. »\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Mémoriser\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Préférence stable à forte valeur de réutilisation\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">« Le déploiement est actuellement suspendu. »\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Relire\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">L'état opérationnel actuel peut changer\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">« Le coût total projeté est de 48 620 €. »\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Recalculer à partir des entrées actuelles\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">La valeur dérivée doit suivre les modifications des sources\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Une réponse brute d'outil de 20 000 jetons datant d'hier\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Oublier ou archiver en externe\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Faible réutilisation directe ; coût de contexte élevé\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Une solution de contournement confirmée pour un échec de build récurrent\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Mémoriser en tant que procédure réutilisable\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Forte réutilisation future et redécouverte coûteuse\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Une hypothèse du modèle sur la raison de la panne d'un serveur\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Ne pas promouvoir en fait durable\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Une inférence n'est pas une preuve vérifiée\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Une ancienne décision de projet remplacée ultérieurement par une nouvelle\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Remplacer, conserver l'historique d'audit\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">La dernière décision doit prévaloir sans effacer la provenance\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Le prix actuel d'un produit\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Récupérer à nouveau\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Forte volatilité et autorité externe\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Une interprétation juridique ou réglementaire\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Mémoriser l'analyse précédente uniquement avec les métadonnées de source\u002Fversion ; revérifier l'autorité avant d'agir\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">L'applicabilité peut changer avec le temps et la juridiction\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Ch2 id=\"section-34\">La mémoire doit stocker des conditions, pas seulement des conclusions\u003C\u002Fh2>\n\u003Cp>Une mémoire durable devient dangereuse lorsqu'elle ne stocke que la conclusion et perd les conditions dans lesquelles cette conclusion était valide. « Utiliser une base de données par client » est moins robuste que « Utiliser une base de données par client lorsque l'isolation réglementaire et les exigences de cycle de vie propres au client l'emportent sur la charge opérationnelle ». La seconde formulation préserve les limites de la décision.\u003C\u002Fp>\n\u003Cp>Cela est encore plus déterminant pour les procédures apprises par les agents. Un flux de travail réussi doit enregistrer non seulement les étapes, mais aussi les conditions préalables, l'environnement, la version des outils, les critères observables de réussite et les modes de défaillance connus. Dans le cas contraire, une mémoire récupérée dans un mauvais environnement peut reproduire avec assurance une solution obsolète.\u003C\u002Fp>\n\u003Ch2 id=\"section-37\">Une écriture en mémoire devrait être plus coûteuse qu'une lecture en mémoire\u003C\u002Fh2>\n\u003Cp>Lire une mémoire fragile peut altérer une seule réponse. Écrire une mémoire fragile peut endommager de nombreuses réponses futures. Cette asymétrie suggère un chemin d'écriture plus strict que le chemin de lecture : classifier le candidat, vérifier la provenance, détecter les contradictions, appliquer les règles de sensibilité, définir la portée et décider si une confirmation humaine ou une validation externe est requise.\u003C\u002Fp>\n\u003Cp>C'est particulièrement important lorsqu'un agent écrit des mémoires à partir de ses propres sorties générées. Un résumé généré peut contenir des erreurs de compression. Une défaillance d'outil peut être mal interprétée. Une hypothèse plausible peut être enregistrée comme un fait. Si ces sorties deviennent le contexte futur sans statut de preuve, l'agent peut créer une boucle d'erreurs qui s'auto-renforce.\u003C\u002Fp>\n\u003Ch2 id=\"section-40\">La qualité de la mémoire comporte au moins cinq dimensions\u003C\u002Fh2>\n\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Dimension\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Question\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Qualité de rétention\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Le système a-t-il préservé les informations qui devaient subsister ?\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Qualité de récupération\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Le système peut-il récupérer le bon souvenir au moment opportun ?\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Qualité de fraîcheur\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Le système sait-il quand les informations stockées ne sont plus d'actualité ?\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Qualité de provenance\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Le système peut-il distinguer la source, la déclaration de l'utilisateur, l'observation, la dérivation et l'inférence ?\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Qualité de déclassement\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Le système peut-il faire expirer, remplacer, restreindre ou supprimer des informations lorsqu'elles ne doivent plus influencer les décisions ?\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Cp>Les benchmarks commencent à séparer ces préoccupations. MemGym de Microsoft évalue explicitement la mémoire dans des contextes agentiques à long terme et rapporte des scores isolés pour la mémoire afin de réduire les biais liés au raisonnement, à la récupération et à la capacité d'utilisation des outils. Cette orientation est importante car le score final d'une tâche ne peut pas indiquer à lui seul si la mémoire a aidé, nui ou a été sans pertinence.\u003C\u002Fp>\n\u003Ch2 id=\"section-43\">Ce qu'il ne faut pas placer dans la mémoire durable par défaut\u003C\u002Fh2>\n\u003Cul>\u003Cli>Le cheminement de pensée brut ou les artefacts de raisonnement cachés.\u003C\u002Fli>\u003Cli>Les jetons d'authentification temporaires, les secrets ou les identifiants.\u003C\u002Fli>\u003Cli>Les hypothèses générées par le modèle qui n'ont pas été vérifiées.\u003C\u002Fli>\u003Cli>L'état volatil disposant d'un système faisant autorité en temps réel.\u003C\u002Fli>\u003Cli>Les valeurs dérivées peu coûteuses à recalculer sans leurs données sources.\u003C\u002Fli>\u003Cli>Les sorties d'outils volumineuses au seul motif que l'espace de stockage est disponible.\u003C\u002Fli>\u003Cli>Les copies d'informations en double déjà régies par une source de vérité plus fiable.\u003C\u002Fli>\u003Cli>Les données personnelles sensibles sans finalité claire de persistance, de portée d'accès et de cycle de vie.\u003C\u002Fli>\u003Cli>Les conclusions obsolètes sans sémantique explicite de version ou de déclassement.\u003C\u002Fli>\u003Cli>Les messages d'erreur ou les états d'échec qui ne sont utiles que pour l'exécution en cours et n'ont aucune valeur diagnostique réutilisable.\u003C\u002Fli>\u003C\u002Ful>\n\u003Ch2 id=\"section-45\">La mémoire est spécifique à chaque tâche — il n'existe pas d'entrepôt optimal universel\u003C\u002Fh2>\n\u003Cp>Un agent de codage tire parti de procédures réutilisables, de conventions de dépôt, de modèles de correction réussis et de décisions de projet. Un assistant personnel peut avoir besoin de préférences, d'engagements et du contexte relationnel. Un agent commercial a bien plus besoin de l'état actuel des produits et des transactions que de copies historiques des prix ou des stocks. Un agent de recherche bénéficie de la traçabilité des sources, des hypothèses non résolues et du statut explicite des preuves.\u003C\u002Fp>\n\u003Cp>Les travaux M-star de Microsoft Research soulignent directement ce point : les systèmes de mémoire optimisés pour un usage donné s'adaptent souvent mal à un autre, et des mécanismes de mémoire spécifiques à la tâche peuvent surpasser une conception universelle et figée. Le schéma de mémoire doit donc découler des décisions que l'agent doit prendre, et non d'un modèle universel imposé à chaque agent.\u003C\u002Fp>\n\u003Ch2 id=\"section-48\">Qu'est-ce qui changerait cette réponse ?\u003C\u002Fh2>\n\u003Cp>L'équilibre change lorsque la récupération est lente ou coûteuse, que les systèmes faisant autorité sont temporairement indisponibles, que le recalcul est cher, que les règles d'audit exigent des instantanés historiques ou que l'agent doit fonctionner hors ligne. Dans ces cas, davantage d'informations devront peut-être être mises en cache ou persistées — mais assorties de métadonnées de version, de provenance, d'horodatage et d'invalidation.\u003C\u002Fp>\n\u003Cp>L'équilibre change également pour les agents dont la valeur première réside dans la personnalisation. Une préférence stable peut mériter d'être conservée même si elle pourrait techniquement être redemandée. Inversement, dans les domaines à haut risque, le seuil pour convertir une observation ou une interprétation en mémoire durable doit être bien plus élevé.\u003C\u002Fp>\n\u003Cp>Les futures plateformes de mémoire gérée pourraient automatiser la consolidation, la récupération, l'oubli et la construction du contexte. Cela peut réduire le travail d'implémentation, mais cela n'élimine pas la question de gouvernance : quelles informations sont autorisées à influencer les décisions futures, sous quelles conditions, et à quel moment le système doit-il revenir à la source de vérité actuelle ?\u003C\u002Fp>\n\u003Ch2 id=\"section-52\">Limites\u003C\u002Fh2>\n\u003Cp>Il n'existe pas de définition unique de la « mémoire d'agent » dans les frameworks et la recherche actuels. Certains systèmes emploient ce terme pour désigner l'historique de conversation, d'autres pour les entrepôts persistants externes, les connaissances structurées, les procédures apprises, les points de contrôle ou l'adaptation de modèles. Le modèle de décision présenté dans cet article se concentre sur la sémantique opérationnelle du cycle de vie plutôt que sur l'imposition d'un vocabulaire unique.\u003C\u002Fp>\n\u003Cp>Les quatre actions du cycle de vie peuvent également se chevaucher. Un système peut mémoriser un résumé stable, conserver un pointeur vers la source, relire des champs volatils et recalculer un résultat dérivé au sein d'un même flux de travail. L'objectif du modèle n'est pas d'imposer une primitive de stockage par fait, mais de rendre explicite la raison de sa persistance.\u003C\u002Fp>\n\u003Ch2 id=\"section-55\">Conclusion\u003C\u002Fh2>\n\u003Cp>Un agent efficace ne se distingue pas par sa capacité à retenir le maximum de choses. Il s'impose en préservant les bonnes informations, en retournant aux sources faisant autorité lorsque la réalité est susceptible d'évoluer, en recalculant ce qu'il est plus sûr de dériver à nouveau, et en écartant les informations qui ne doivent plus influencer les décisions futures.\u003C\u002Fp>\n\u003Cp>La question pratique pour chaque mémoire candidate n'est donc pas « Pouvons-nous stocker cela ? », mais : les décisions futures seront-elles plus fiables si cette information subsiste ? Si la réponse dépend de la fraîcheur, de l'autorité, du coût, de la sensibilité ou de la révision, intégrez ces conditions dans le cycle de vie de la mémoire au lieu de vous fier uniquement à la récupération.\u003C\u002Fp>\n\u003Caside class=\"editorjs-referral my-6\">\u003Ca href=\"https:\u002F\u002Fstajic.de\u002Ffr\u002Fblog\u002Ffrom-research-protocol-to-a-general-ai-reasoning-framework\" class=\"flex flex-col sm:flex-row gap-4 rounded-xl border border-gray-200 dark:border-gray-700 p-4 transition hover:border-primary-500\">\u003Cdiv class=\"min-w-0 flex-1\">\u003Cstrong class=\"block text-lg text-gray-900 dark:text-gray-100\">Du protocole de recherche à un cadre général de raisonnement pour l'IA\u003C\u002Fstrong>\u003Cp class=\"mt-2 text-sm text-gray-600 dark:text-gray-300\">Une méthode de raisonnement indépendante du domaine pour séparer les preuves des hypothèses, tester des hypothèses concurrentes et appliquer des règles de validation explicites.\u003C\u002Fp>\u003Cspan class=\"mt-3 inline-flex text-sm font-medium text-primary-600 dark:text-primary-400\">Lire le cadre de raisonnement →\u003C\u002Fspan>\u003C\u002Fdiv>\u003C\u002Fa>\u003C\u002Faside>\n\u003Ch2 id=\"section-59\">FAQ\u003C\u002Fh2>\n\u003Csection class=\"editorjs-faq my-6 rounded-xl border border-gray-200 p-5 dark:border-gray-700\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">Cycle de vie de la mémoire des agents IA\u003C\u002Fh3>\u003Cdiv id=\"faq1\" class=\"border-t border-gray-200 py-4 first:border-t-0 dark:border-gray-700\">\u003Ch4 class=\"font-semibold text-gray-900 dark:text-gray-100\">Quelles informations un agent IA doit-il mémoriser à long terme ?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">Privilégiez les informations durables, réutilisables, préservant leur provenance, et dont la reconstruction s'avère coûteuse ou peu fiable, telles que les préférences stables des utilisateurs, les décisions de projet validées, les procédures réutilisables et les contraintes à long terme vérifiées.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv id=\"faq2\" class=\"border-t border-gray-200 py-4 first:border-t-0 dark:border-gray-700\">\u003Ch4 class=\"font-semibold text-gray-900 dark:text-gray-100\">Que doit récupérer à nouveau un agent IA au lieu de le mémoriser ?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">Les informations volatiles disposant d'une source externe faisant autorité doivent normalement être récupérées à nouveau avant toute utilisation déterminante. Cela comprend par exemple les autorisations, l'état des stocks, les tarifs actuels, l'état du compte, les versions des politiques, le statut des services et la documentation à jour.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv id=\"faq3\" class=\"border-t border-gray-200 py-4 first:border-t-0 dark:border-gray-700\">\u003Ch4 class=\"font-semibold text-gray-900 dark:text-gray-100\">Quand un agent IA doit-il recalculer des informations ?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">Recalculez les valeurs dérivées lorsque le calcul est peu coûteux et que des résultats obsolètes auraient un impact néfaste. Persister une valeur dérivée est plus pertinent lorsque le recalcul est coûteux et que le cache inclut la version source ainsi que les conditions d'invalidation.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv id=\"faq4\" class=\"border-t border-gray-200 py-4 first:border-t-0 dark:border-gray-700\">\u003Ch4 class=\"font-semibold text-gray-900 dark:text-gray-100\">Les agents IA doivent-ils oublier des informations ?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">Oui. L'oubli, l'expiration et le remplacement sont des mécanismes de contrôle utiles pour les informations éphémères, obsolètes, sensibles, à faible valeur ou trompeuses. Une rétention illimitée peut générer du bruit et permettre à des informations périmées ou incorrectes de continuer à influencer les décisions futures.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv id=\"faq5\" class=\"border-t border-gray-200 py-4 first:border-t-0 dark:border-gray-700\">\u003Ch4 class=\"font-semibold text-gray-900 dark:text-gray-100\">Stocker l'intégralité de l'historique de conversation constitue-t-il une bonne stratégie de mémoire ?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">Pas en soi. L'historique brut permet de conserver des traces factuelles, mais les agents fonctionnant sur le long terme ont généralement besoin de curation, de structuration, de résumés, de faits ou de procédures réutilisables, de recherche contextuelle et de règles de cycle de vie afin que l'historique à faible valeur n'encombre pas le contexte futur.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003C\u002Fsection>\n\u003Ch2 id=\"section-61\">Glossaire\u003C\u002Fh2>\n\u003Csection class=\"editorjs-glossary my-6 rounded-xl border border-gray-200 dark:border-gray-700 p-5\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">Termes clés du cycle de vie de la mémoire\u003C\u002Fh3>\u003Cdl>\u003Cdiv id=\"memory-admission\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Admission en mémoire\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Le processus de décision qui détermine si une information est autorisée à intégrer la mémoire persistante de l'agent.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"supersession\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Remplacement (supersession)\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Action de marquer un souvenir ou une décision plus ancienne comme étant remplacée par une information plus récente, tout en préservant l'historique si nécessaire.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"invalidation\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Invalidation\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Une règle ou un événement rendant une valeur stockée ou mise en cache risquée à réutiliser sans actualisation, recalcul ou examen préalable.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"provenance\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Provenance\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Métadonnées décrivant l'origine de l'information, le moment où elle a été observée, qui ou quoi l'a formulée, et la manière dont elle a été transformée.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"volatility\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Volatilité\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">La probabilité qu'une information change entre le moment où elle est stockée et celui où elle est réutilisée.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"reconstruction-cost\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Coût de reconstruction\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Le temps, le coût financier, le calcul, l'utilisation d'outils ou l'incertitude nécessaires pour récupérer ou régénérer une information au lieu de la stocker.\u003C\u002Fdd>\u003C\u002Fdiv>\u003C\u002Fdl>\u003C\u002Fsection>\n\u003Ch2 id=\"section-63\">Sources primaires et lectures complémentaires\u003C\u002Fh2>\n\u003Ca href=\"https:\u002F\u002Fdevelopers.openai.com\u002Fcookbook\u002Fexamples\u002Fagents_sdk\u002Fsession_memory\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">OpenAI — Ingénierie du contexte : gestion de la mémoire à court terme avec les sessions\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Conseils sur le rognage, la synthèse, le contexte à long terme et les risques tels que les détails obsolètes et l'empoisonnement du contexte.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fwww.anthropic.com\u002Fengineering\u002Feffective-context-engineering-for-ai-agents\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">Anthropic — Ingénierie contextuelle efficace pour les agents IA\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Recommandations d'ingénierie sur la curation, la compaction, la prise de notes structurée et le maintien d'un contexte d'agent pertinent sur de longs horizons temporels.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fwww.anthropic.com\u002Fengineering\u002Feffective-harnesses-for-long-running-agents\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">Anthropic — Des environnements d'exécution efficaces pour les agents à longue durée de vie\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Travaux pratiques sur la préservation de la progression et des artefacts à travers les fenêtres de contexte dans les tâches d'agents de longue durée.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fwww.microsoft.com\u002Fen-us\u002Fresearch\u002Fblog\u002Ffrom-raw-interaction-to-reusable-knowledge-rethinking-memory-for-ai-agents\u002F\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">Microsoft Research — PlugMem\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Recherche sur la transformation des interactions brutes de l'agent en faits et compétences structurés et réutilisables, plutôt que d'accumuler un historique indifférencié.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fwww.microsoft.com\u002Fen-us\u002Fresearch\u002Fpublication\u002Fmstar-every-task-deserves-its-own-memory-harness\u002F\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">Microsoft Research — M★ : Chaque tâche mérite son propre dispositif de mémoire\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Recherche démontrant que des mécanismes de mémoire spécifiques aux tâches peuvent surpasser les architectures de mémoire génériques fixes.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fwww.microsoft.com\u002Fen-us\u002Fresearch\u002Fpublication\u002Fmemgym-a-long-horizon-memory-environment-for-llm-agents\u002F\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">Microsoft Research — MemGym\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Un benchmark pour isoler et évaluer les performances de la mémoire dans des environnements d'agents à long horizon.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fwww.microsoft.com\u002Fen-us\u002Fresearch\u002Fpublication\u002Fhuman-inspired-memory-architecture-for-llm-agents\u002F\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">Microsoft Research — Architecture de mémoire inspirée de l'humain pour agents LLM\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Recherche explorant la consolidation, l'oubli fondé sur l'interférence, la reconsolidation et la récupération dans la mémoire persistante des agents.\u003C\u002Fp>\u003C\u002Fa>",{"time":212,"blocks":213,"version":812},1790367480422,[214,222,228,236,243,248,253,258,263,268,299,304,309,351,358,363,368,373,378,383,388,393,400,405,410,415,420,425,430,435,440,472,477,521,526,531,536,541,546,551,556,578,583,588,606,611,616,621,626,631,636,641,646,651,656,661,666,671,680,685,711,716,743,748,758,767,776,785,794,803],{"id":215,"data":216,"type":220,"tunes":221},"XDf71jsthn",{"title":217,"maxLevel":218,"minLevel":219},"Sommaire",3,2,"tableOfContents",{},{"id":223,"data":224,"type":226,"tunes":227},"intro",{"text":225},"Les agents IA à longue durée de vie accumulent bien plus d'informations qu'ils ne devraient en mémoriser durablement. Les conversations, les sorties d'outils, les calculs intermédiaires, les préférences de l'utilisateur, les décisions de projet, les résultats de recherche, l'état du système, les erreurs et les procédures réussies peuvent tous sembler utiles sur le moment. Les traiter tous comme une mémoire durable crée un second problème : l'agent doit ensuite déterminer quelles informations stockées sont encore fiables, actuelles, pertinentes et sûres à réutiliser.","paragraph",{},{"id":229,"data":230,"type":234,"tunes":235},"direct",{"body":231,"title":232,"variant":233},"Un agent IA doit \u003Cstrong>mémoriser les informations durables, réutilisables, préservant leur provenance et coûteuses à redécouvrir\u003C\u002Fstrong> ; \u003Cstrong>relire ou récupérer les faits volatils auprès de leur source faisant autorité\u003C\u002Fstrong> ; \u003Cstrong>recalculer les valeurs dérivées peu coûteuses lorsque la fraîcheur est essentielle\u003C\u002Fstrong> ; et \u003Cstrong>oublier, faire expirer ou remplacer les informations dont la réutilisation future présente plus de risques que de valeur\u003C\u002Fstrong>. La bonne décision dépend moins de l'« importance » perçue de l'information que de sa volatilité, de son autorité, de son coût de dérivation, de sa valeur de réutilisation, de sa sensibilité et de son mode de révision.","Réponse directe","info","callout",{},{"id":237,"data":238,"type":234,"tunes":242},"model-note",{"body":239,"title":240,"variant":241},"Le modèle Mémoriser \u002F Relire \u002F Recalculer \u002F Oublier et le test d'admission en mémoire ci-dessous sont des outils architecturaux pratiques proposés dans cet article. Ce ne sont pas des normes formelles de l'industrie. Ils sont conçus pour rendre les décisions relatives à la mémoire des agents explicites, testables et auditables.","À propos du modèle de décision","note",{},{"id":244,"data":245,"type":42,"tunes":247},"h-lifecycle",{"text":246,"level":219},"Le véritable problème de la mémoire n'est pas le stockage — c'est le contrôle du cycle de vie",{},{"id":249,"data":250,"type":226,"tunes":252},"p-life-1",{"text":251},"Les systèmes d'agents modernes peuvent stocker presque tout : transcriptions complètes, résumés, embeddings, fichiers, enregistrements de base de données, traces d'outils, faits structurés, compétences et artefacts externes. La capacité de stockage n'est donc pas la partie difficile. Le plus difficile consiste à décider de ce qui mérite de subsister, pendant combien de temps, et de ce qui doit se passer lorsque la réalité évolue.",{},{"id":254,"data":255,"type":226,"tunes":257},"p-life-2",{"text":256},"Les recommandations d'OpenAI sur la mémoire de session avertissent explicitement que conserver trop d'historique peut engendrer des distractions, de l'inefficacité, un empoisonnement du contexte et des erreurs cumulatives. De même, Anthropic traite le contexte comme une ressource finie qui doit être organisée plutôt qu'accumulée. Microsoft Research a suivi la même direction : PlugMem convertit l'historique brut des interactions en connaissances structurées et réutilisables au lieu de considérer l'intégralité de l'historique comme une mémoire d'égale valeur.",{},{"id":259,"data":260,"type":226,"tunes":262},"p-life-3",{"text":261},"La conséquence architecturale est simple : la mémoire a besoin d'une politique d'admission, d'une politique de maintenance et d'une politique de retrait. Un simple système de récupération ne fournit pas ces garanties sémantiques.",{},{"id":264,"data":265,"type":42,"tunes":267},"h-actions",{"text":266,"level":219},"Quatre actions possibles pour toute information d'un agent",{},{"id":269,"data":270,"type":297,"tunes":298},"table-actions",{"content":271,"stretched":43,"withHeadings":14},[272,277,282,287,292],[273,274,275,276],"Action","À utiliser lorsque","Exemples types","Risque principal",[278,279,280,281],"Mémoriser","L'information reste utile pour de futures tâches et est coûteuse ou impossible à reconstruire de manière fiable","Préférence utilisateur stable, décision de projet validée, compétence réutilisable, contrainte à long terme vérifiée","Conserver une information fausse, obsolète ou trop générale",[283,284,285,286],"Relire \u002F Récupérer","L'information provient d'une source faisant autorité qui est susceptible de changer","Permissions, inventaire, version de politique, état d'une commande, prix d'un produit, documentation d'API actuelle","Utiliser une copie obsolète au lieu de la source faisant autorité actuelle",[288,289,290,291],"Recalculer","L'information est dérivée et son coût de calcul est suffisamment faible pour être recalculée","Totaux, scores, classements, résumés issus des données sources actuelles, transformations déterministes","Conserver un résultat dérivé obsolète",[293,294,295,296],"Oublier \u002F Expirer \u002F Remplacer","La réutilisation future a peu de valeur ou engendre un risque pour la confidentialité, d'obsolescence, de conflit ou de contamination","Sortie d'outil transitoire, hypothèse erronée, décision caduque, jeton temporaire, état d'environnement obsolète","Perdre une information qui s'avère nécessaire par la suite","table",{},{"id":300,"data":301,"type":42,"tunes":303},"h-admission",{"text":302,"level":219},"Le test d'admission en mémoire",{},{"id":305,"data":306,"type":226,"tunes":308},"p-admission-intro",{"text":307},"Avant qu'une information ne devienne une mémoire durable de l'agent, évaluez-la selon six propriétés. Ces propriétés sont plus utiles qu'un vague score d'importance car elles prédisent le comportement de l'information dans le temps.",{},{"id":310,"data":311,"type":349,"tunes":350},"admission-comparison",{"rows":312,"title":338,"layout":297,"columns":339},[313,318,322,326,330,334],{"id":314,"label":315,"values":316},"volatility","Volatilité",[317,317,317],"",{"id":319,"label":320,"values":321},"authority","Autorité",[317,317,317],{"id":323,"label":324,"values":325},"reuse","Valeur de réutilisation",[317,317,317],{"id":327,"label":328,"values":329},"reconstruction","Coût de reconstruction",[317,317,317],{"id":331,"label":332,"values":333},"sensitivity","Sensibilité",[317,317,317],{"id":335,"label":336,"values":337},"revision","Comportement de révision",[317,317,317],"Six propriétés pour déterminer si une information a sa place en mémoire",[340,343,346],{"id":341,"label":342},"property","Propriété",{"id":344,"label":345},"question","Question",{"id":347,"label":348},"effect","Impact décisionnel","comparison",{},{"id":352,"data":353,"type":234,"tunes":357},"rule-volatile",{"body":354,"title":355,"variant":356},"Si un fait est \u003Cstrong>volatil + faisant autorité ailleurs + peu coûteux à récupérer\u003C\u002Fstrong>, n'enregistrez pas une valeur copiée dans la mémoire à long terme. Stockez plutôt le pointeur, l'identifiant ou le chemin de récupération.","Une règle pratique","tip",{},{"id":359,"data":360,"type":42,"tunes":362},"h-remember",{"text":361,"level":218},"1. Mémoriser : des connaissances durables qui améliorent les décisions futures",{},{"id":364,"data":365,"type":226,"tunes":367},"p-remember-1",{"text":366},"Une bonne mémoire durable réduit le travail répétitif sans transformer l'état d'hier en vérité d'aujourd'hui. Les candidats types comprennent les préférences explicites des utilisateurs, les contraintes durables d'un projet, les décisions et leurs justifications, les procédures réutilisables, les schémas d'échec récurrents et les faits vérifiés qui ne devraient pas changer fréquemment.",{},{"id":369,"data":370,"type":226,"tunes":372},"p-remember-2",{"text":371},"Les mémoires les plus solides ne sont pas nécessairement des transcriptions brutes. Les travaux de PlugMem en 2026 préconisent de convertir l'historique des interactions en faits compacts et en compétences réutilisables. De même, BREW de Microsoft distille les trajectoires passées en connaissances procédurales exploitables décrivant ce qu'il faut faire, quand l'appliquer et ce à quoi il faut faire attention. Tous deux convergent vers un principe de conception utile : stocker des connaissances réutilisables, et pas seulement du texte historique.",{},{"id":374,"data":375,"type":226,"tunes":377},"p-remember-3",{"text":376},"Un élément mémorisé doit également conserver sa provenance. Un agent futur doit être capable de distinguer « l'utilisateur l'a explicitement demandé », « le système l'a observé », « une source l'a affirmé » et « un modèle l'a déduit ». Sans cette distinction, la mémoire convertit progressivement preuves, interprétations et spéculations en un ensemble indifférencié.",{},{"id":379,"data":380,"type":42,"tunes":382},"h-reread",{"text":381,"level":218},"2. Relire ou récupérer : des faits volatils avec une source de vérité externe",{},{"id":384,"data":385,"type":226,"tunes":387},"p-reread-1",{"text":386},"Certaines informations ont de la valeur précisément parce qu'elles changent. Les autorisations actuelles, l'état des commandes, les stocks, le statut du compte, l'état de santé du service, la documentation logicielle, les prix, les calendriers, les réglementations et le comportement des API devraient normalement être relus à partir du système qui en est propriétaire avant toute utilisation conséquente.",{},{"id":389,"data":390,"type":226,"tunes":392},"p-reread-2",{"text":391},"L'agent peut se souvenir qu'une source existe, de la façon d'y accéder ou des champs importants. Il ne doit pas supposer qu'une ancienne valeur récupérée reste autoritaire. Cela sépare la mémoire de l'endroit et de la manière d'obtenir la vérité d'une copie en cache de la vérité.",{},{"id":394,"data":395,"type":234,"tunes":399},"stale-trap",{"body":396,"title":397,"variant":398},"Un fait peut être parfaitement mémorisé et demeurer faux. La qualité de la mémoire ne se résume pas à l'exactitude du rappel ; elle inclut également le fait de savoir quand le rappel doit céder la place à une lecture autoritaire actualisée.","Le piège de la mémoire obsolète","warning",{},{"id":401,"data":402,"type":42,"tunes":404},"h-recompute",{"text":403,"level":218},"3. Recalculer : des informations dérivées moins coûteuses à calculer qu'à vérifier",{},{"id":406,"data":407,"type":226,"tunes":409},"p-recompute-1",{"text":408},"Les informations dérivées méritent un traitement différent des faits sources. Si une valeur peut être recalculée de manière déterministe à partir d'entrées actuelles, conserver le résultat peut créer une obsolescence inutile. Les totaux, les pourcentages, les classements, les indicateurs d'éligibilité, les résumés générés et d'autres sorties dérivées devraient souvent être recalculés lors de leur utilisation.",{},{"id":411,"data":412,"type":226,"tunes":414},"p-recompute-2",{"text":413},"Le compromis clé réside dans le coût. Si le recalcul est coûteux, le système peut mettre le résultat en cache avec la version exacte des entrées, l'horodatage, la méthode de dérivation et les conditions d'invalidation. Si le recalcul est peu coûteux, la fraîcheur l'emporte généralement.",{},{"id":416,"data":417,"type":42,"tunes":419},"h-forget",{"text":418,"level":218},"4. Oublier, faire expirer ou remplacer : la suppression est une capacité",{},{"id":421,"data":422,"type":226,"tunes":424},"p-forget-1",{"text":423},"L'oubli n'est pas nécessairement un défaut. C'est un mécanisme de contrôle. Les sorties temporaires d'outils, les résultats de recherche ponctuels, les hypothèses erronées, l'état transitoire de l'environnement, les artefacts de raisonnement intermédiaires, les préférences utilisateur obsolètes, les identifiants expirés et les décisions caduques peuvent tous devenir des passifs s'ils restent actifs indéfiniment.",{},{"id":426,"data":427,"type":226,"tunes":429},"p-forget-2",{"text":428},"La recherche récente sur la mémoire reconnaît de plus en plus que l'accumulation illimitée peut dégrader les performances. L'architecture de mémoire inspirée du modèle humain développée par Microsoft en 2026 inclut explicitement l'oubli et la consolidation fondés sur l'interférence, tandis que PlugMem signale que les historiques bruts peuvent submerger les agents avec un contexte de faible valeur. L'enseignement pour l'ingénierie ne nécessite pas de reproduire la mémoire biologique : la rétention doit être sélective.",{},{"id":431,"data":432,"type":226,"tunes":434},"p-forget-3",{"text":433},"Dans de nombreux systèmes, le remplacement par une version plus récente est plus sûr que la suppression immédiate. L'ancienne décision reste vérifiable, mais la récupération renvoie par défaut à la nouvelle décision. Cela est essentiel pour les projets, les politiques, la conformité et tout flux de travail où l'historique des modifications constitue lui-même une preuve.",{},{"id":436,"data":437,"type":42,"tunes":439},"h-method",{"text":438,"level":219},"La méthode de décision",{},{"id":441,"data":442,"type":470,"tunes":471},"decision-flow",{"steps":443,"title":468,"orientation":469},[444,447,450,453,456,459,462,465],{"label":445,"description":446},"1. Classifier l'information","S'agit-il d'un état autoritaire, d'une préférence utilisateur, d'une preuve externe, d'une sortie dérivée, d'une procédure, d'une observation ou d'une inférence du modèle ?",{"label":448,"description":449},"2. Identifier la source de vérité","Déterminer si un autre système ou une autre source demeure plus autoritaire que la mémoire elle-même.",{"label":451,"description":452},"3. Estimer la volatilité","Évaluer la probabilité que l'élément change avant la prochaine réutilisation significative.",{"label":454,"description":455},"4. Estimer les coûts de réutilisation et de reconstruction","Comparer la valeur future avec le coût et la fiabilité de la récupération ou de la recréation de l'information.",{"label":457,"description":458},"5. Vérifier la sensibilité et la portée","Définir qui peut accéder à l'information, où elle peut persister et si cette persistance est justifiée.",{"label":460,"description":461},"6. Définir l'invalidation","Spécifier l'expiration, le remplacement, la résolution de conflits ou une condition forçant une lecture autoritaire actualisée.",{"label":463,"description":464},"7. Choisir l'action","Mémoriser, relire\u002Frécupérer, recalculer, ou oublier\u002Ffaire expirer\u002Fremplacer.",{"label":466,"description":467},"8. Préserver la provenance","Conserver suffisamment de métadonnées pour distinguer le fait source, la déclaration de l'utilisateur, l'observation, la dérivation et l'inférence du modèle.","Déterminer le cycle de vie d'un élément d'information","auto","processFlow",{},{"id":473,"data":474,"type":42,"tunes":476},"h-examples",{"text":475,"level":219},"Exemples : le même agent devrait employer différentes actions de cycle de vie",{},{"id":478,"data":479,"type":297,"tunes":520},"examples-table",{"content":480,"stretched":43,"withHeadings":14},[481,485,488,492,496,500,504,508,512,516],[482,483,484],"Information","Action recommandée","Pourquoi",[486,278,487],"« L'utilisateur préfère des réponses techniques concises. »","Préférence stable à forte valeur de réutilisation",[489,490,491],"« Le déploiement est actuellement suspendu. »","Relire","L'état opérationnel actuel peut changer",[493,494,495],"« Le coût total projeté est de 48 620 €. »","Recalculer à partir des entrées actuelles","La valeur dérivée doit suivre les modifications des sources",[497,498,499],"Une réponse brute d'outil de 20 000 jetons datant d'hier","Oublier ou archiver en externe","Faible réutilisation directe ; coût de contexte élevé",[501,502,503],"Une solution de contournement confirmée pour un échec de build récurrent","Mémoriser en tant que procédure réutilisable","Forte réutilisation future et redécouverte coûteuse",[505,506,507],"Une hypothèse du modèle sur la raison de la panne d'un serveur","Ne pas promouvoir en fait durable","Une inférence n'est pas une preuve vérifiée",[509,510,511],"Une ancienne décision de projet remplacée ultérieurement par une nouvelle","Remplacer, conserver l'historique d'audit","La dernière décision doit prévaloir sans effacer la provenance",[513,514,515],"Le prix actuel d'un produit","Récupérer à nouveau","Forte volatilité et autorité externe",[517,518,519],"Une interprétation juridique ou réglementaire","Mémoriser l'analyse précédente uniquement avec les métadonnées de source\u002Fversion ; revérifier l'autorité avant d'agir","L'applicabilité peut changer avec le temps et la juridiction",{},{"id":522,"data":523,"type":42,"tunes":525},"h-conditions",{"text":524,"level":219},"La mémoire doit stocker des conditions, pas seulement des conclusions",{},{"id":527,"data":528,"type":226,"tunes":530},"p-cond-1",{"text":529},"Une mémoire durable devient dangereuse lorsqu'elle ne stocke que la conclusion et perd les conditions dans lesquelles cette conclusion était valide. « Utiliser une base de données par client » est moins robuste que « Utiliser une base de données par client lorsque l'isolation réglementaire et les exigences de cycle de vie propres au client l'emportent sur la charge opérationnelle ». La seconde formulation préserve les limites de la décision.",{},{"id":532,"data":533,"type":226,"tunes":535},"p-cond-2",{"text":534},"Cela est encore plus déterminant pour les procédures apprises par les agents. Un flux de travail réussi doit enregistrer non seulement les étapes, mais aussi les conditions préalables, l'environnement, la version des outils, les critères observables de réussite et les modes de défaillance connus. Dans le cas contraire, une mémoire récupérée dans un mauvais environnement peut reproduire avec assurance une solution obsolète.",{},{"id":537,"data":538,"type":42,"tunes":540},"h-write-cost",{"text":539,"level":219},"Une écriture en mémoire devrait être plus coûteuse qu'une lecture en mémoire",{},{"id":542,"data":543,"type":226,"tunes":545},"p-write-1",{"text":544},"Lire une mémoire fragile peut altérer une seule réponse. Écrire une mémoire fragile peut endommager de nombreuses réponses futures. Cette asymétrie suggère un chemin d'écriture plus strict que le chemin de lecture : classifier le candidat, vérifier la provenance, détecter les contradictions, appliquer les règles de sensibilité, définir la portée et décider si une confirmation humaine ou une validation externe est requise.",{},{"id":547,"data":548,"type":226,"tunes":550},"p-write-2",{"text":549},"C'est particulièrement important lorsqu'un agent écrit des mémoires à partir de ses propres sorties générées. Un résumé généré peut contenir des erreurs de compression. Une défaillance d'outil peut être mal interprétée. Une hypothèse plausible peut être enregistrée comme un fait. Si ces sorties deviennent le contexte futur sans statut de preuve, l'agent peut créer une boucle d'erreurs qui s'auto-renforce.",{},{"id":552,"data":553,"type":42,"tunes":555},"h-quality",{"text":554,"level":219},"La qualité de la mémoire comporte au moins cinq dimensions",{},{"id":557,"data":558,"type":297,"tunes":577},"quality-table",{"content":559,"stretched":43,"withHeadings":14},[560,562,565,568,571,574],[561,345],"Dimension",[563,564],"Qualité de rétention","Le système a-t-il préservé les informations qui devaient subsister ?",[566,567],"Qualité de récupération","Le système peut-il récupérer le bon souvenir au moment opportun ?",[569,570],"Qualité de fraîcheur","Le système sait-il quand les informations stockées ne sont plus d'actualité ?",[572,573],"Qualité de provenance","Le système peut-il distinguer la source, la déclaration de l'utilisateur, l'observation, la dérivation et l'inférence ?",[575,576],"Qualité de déclassement","Le système peut-il faire expirer, remplacer, restreindre ou supprimer des informations lorsqu'elles ne doivent plus influencer les décisions ?",{},{"id":579,"data":580,"type":226,"tunes":582},"p-quality-1",{"text":581},"Les benchmarks commencent à séparer ces préoccupations. MemGym de Microsoft évalue explicitement la mémoire dans des contextes agentiques à long terme et rapporte des scores isolés pour la mémoire afin de réduire les biais liés au raisonnement, à la récupération et à la capacité d'utilisation des outils. Cette orientation est importante car le score final d'une tâche ne peut pas indiquer à lui seul si la mémoire a aidé, nui ou a été sans pertinence.",{},{"id":584,"data":585,"type":42,"tunes":587},"h-not-store",{"text":586,"level":219},"Ce qu'il ne faut pas placer dans la mémoire durable par défaut",{},{"id":589,"data":590,"type":604,"tunes":605},"not-store-list",{"meta":591,"items":592,"style":603},{},[593,594,595,596,597,598,599,600,601,602],"Le cheminement de pensée brut ou les artefacts de raisonnement cachés.","Les jetons d'authentification temporaires, les secrets ou les identifiants.","Les hypothèses générées par le modèle qui n'ont pas été vérifiées.","L'état volatil disposant d'un système faisant autorité en temps réel.","Les valeurs dérivées peu coûteuses à recalculer sans leurs données sources.","Les sorties d'outils volumineuses au seul motif que l'espace de stockage est disponible.","Les copies d'informations en double déjà régies par une source de vérité plus fiable.","Les données personnelles sensibles sans finalité claire de persistance, de portée d'accès et de cycle de vie.","Les conclusions obsolètes sans sémantique explicite de version ou de déclassement.","Les messages d'erreur ou les états d'échec qui ne sont utiles que pour l'exécution en cours et n'ont aucune valeur diagnostique réutilisable.","unordered","list",{},{"id":607,"data":608,"type":42,"tunes":610},"h-task-specific",{"text":609,"level":219},"La mémoire est spécifique à chaque tâche — il n'existe pas d'entrepôt optimal universel",{},{"id":612,"data":613,"type":226,"tunes":615},"p-task-1",{"text":614},"Un agent de codage tire parti de procédures réutilisables, de conventions de dépôt, de modèles de correction réussis et de décisions de projet. Un assistant personnel peut avoir besoin de préférences, d'engagements et du contexte relationnel. Un agent commercial a bien plus besoin de l'état actuel des produits et des transactions que de copies historiques des prix ou des stocks. Un agent de recherche bénéficie de la traçabilité des sources, des hypothèses non résolues et du statut explicite des preuves.",{},{"id":617,"data":618,"type":226,"tunes":620},"p-task-2",{"text":619},"Les travaux M-star de Microsoft Research soulignent directement ce point : les systèmes de mémoire optimisés pour un usage donné s'adaptent souvent mal à un autre, et des mécanismes de mémoire spécifiques à la tâche peuvent surpasser une conception universelle et figée. Le schéma de mémoire doit donc découler des décisions que l'agent doit prendre, et non d'un modèle universel imposé à chaque agent.",{},{"id":622,"data":623,"type":42,"tunes":625},"h-change",{"text":624,"level":219},"Qu'est-ce qui changerait cette réponse ?",{},{"id":627,"data":628,"type":226,"tunes":630},"p-change-1",{"text":629},"L'équilibre change lorsque la récupération est lente ou coûteuse, que les systèmes faisant autorité sont temporairement indisponibles, que le recalcul est cher, que les règles d'audit exigent des instantanés historiques ou que l'agent doit fonctionner hors ligne. Dans ces cas, davantage d'informations devront peut-être être mises en cache ou persistées — mais assorties de métadonnées de version, de provenance, d'horodatage et d'invalidation.",{},{"id":632,"data":633,"type":226,"tunes":635},"p-change-2",{"text":634},"L'équilibre change également pour les agents dont la valeur première réside dans la personnalisation. Une préférence stable peut mériter d'être conservée même si elle pourrait techniquement être redemandée. Inversement, dans les domaines à haut risque, le seuil pour convertir une observation ou une interprétation en mémoire durable doit être bien plus élevé.",{},{"id":637,"data":638,"type":226,"tunes":640},"p-change-3",{"text":639},"Les futures plateformes de mémoire gérée pourraient automatiser la consolidation, la récupération, l'oubli et la construction du contexte. Cela peut réduire le travail d'implémentation, mais cela n'élimine pas la question de gouvernance : quelles informations sont autorisées à influencer les décisions futures, sous quelles conditions, et à quel moment le système doit-il revenir à la source de vérité actuelle ?",{},{"id":642,"data":643,"type":42,"tunes":645},"h-limitations",{"text":644,"level":219},"Limites",{},{"id":647,"data":648,"type":226,"tunes":650},"p-limit-1",{"text":649},"Il n'existe pas de définition unique de la « mémoire d'agent » dans les frameworks et la recherche actuels. Certains systèmes emploient ce terme pour désigner l'historique de conversation, d'autres pour les entrepôts persistants externes, les connaissances structurées, les procédures apprises, les points de contrôle ou l'adaptation de modèles. Le modèle de décision présenté dans cet article se concentre sur la sémantique opérationnelle du cycle de vie plutôt que sur l'imposition d'un vocabulaire unique.",{},{"id":652,"data":653,"type":226,"tunes":655},"p-limit-2",{"text":654},"Les quatre actions du cycle de vie peuvent également se chevaucher. Un système peut mémoriser un résumé stable, conserver un pointeur vers la source, relire des champs volatils et recalculer un résultat dérivé au sein d'un même flux de travail. L'objectif du modèle n'est pas d'imposer une primitive de stockage par fait, mais de rendre explicite la raison de sa persistance.",{},{"id":657,"data":658,"type":42,"tunes":660},"h-conclusion",{"text":659,"level":219},"Conclusion",{},{"id":662,"data":663,"type":226,"tunes":665},"p-conclusion-1",{"text":664},"Un agent efficace ne se distingue pas par sa capacité à retenir le maximum de choses. Il s'impose en préservant les bonnes informations, en retournant aux sources faisant autorité lorsque la réalité est susceptible d'évoluer, en recalculant ce qu'il est plus sûr de dériver à nouveau, et en écartant les informations qui ne doivent plus influencer les décisions futures.",{},{"id":667,"data":668,"type":226,"tunes":670},"p-conclusion-2",{"text":669},"La question pratique pour chaque mémoire candidate n'est donc pas « Pouvons-nous stocker cela ? », mais : les décisions futures seront-elles plus fiables si cette information subsiste ? Si la réponse dépend de la fraîcheur, de l'autorité, du coût, de la sensibilité ou de la révision, intégrez ces conditions dans le cycle de vie de la mémoire au lieu de vous fier uniquement à la récupération.",{},{"id":672,"data":673,"type":678,"tunes":679},"internal-reasoning",{"url":674,"title":675,"excerpt":676,"ctaLabel":677},"https:\u002F\u002Fstajic.de\u002Ffr\u002Fblog\u002Ffrom-research-protocol-to-a-general-ai-reasoning-framework","Du protocole de recherche à un cadre général de raisonnement pour l'IA","Une méthode de raisonnement indépendante du domaine pour séparer les preuves des hypothèses, tester des hypothèses concurrentes et appliquer des règles de validation explicites.","Lire le cadre de raisonnement","referralArticle",{},{"id":681,"data":682,"type":42,"tunes":684},"h-faq",{"text":683,"level":219},"FAQ",{},{"id":686,"data":687,"type":686,"tunes":710},"faq",{"items":688,"title":709},[689,693,697,701,705],{"id":690,"answer":691,"question":692},"faq1","Privilégiez les informations durables, réutilisables, préservant leur provenance, et dont la reconstruction s'avère coûteuse ou peu fiable, telles que les préférences stables des utilisateurs, les décisions de projet validées, les procédures réutilisables et les contraintes à long terme vérifiées.","Quelles informations un agent IA doit-il mémoriser à long terme ?",{"id":694,"answer":695,"question":696},"faq2","Les informations volatiles disposant d'une source externe faisant autorité doivent normalement être récupérées à nouveau avant toute utilisation déterminante. Cela comprend par exemple les autorisations, l'état des stocks, les tarifs actuels, l'état du compte, les versions des politiques, le statut des services et la documentation à jour.","Que doit récupérer à nouveau un agent IA au lieu de le mémoriser ?",{"id":698,"answer":699,"question":700},"faq3","Recalculez les valeurs dérivées lorsque le calcul est peu coûteux et que des résultats obsolètes auraient un impact néfaste. Persister une valeur dérivée est plus pertinent lorsque le recalcul est coûteux et que le cache inclut la version source ainsi que les conditions d'invalidation.","Quand un agent IA doit-il recalculer des informations ?",{"id":702,"answer":703,"question":704},"faq4","Oui. L'oubli, l'expiration et le remplacement sont des mécanismes de contrôle utiles pour les informations éphémères, obsolètes, sensibles, à faible valeur ou trompeuses. Une rétention illimitée peut générer du bruit et permettre à des informations périmées ou incorrectes de continuer à influencer les décisions futures.","Les agents IA doivent-ils oublier des informations ?",{"id":706,"answer":707,"question":708},"faq5","Pas en soi. L'historique brut permet de conserver des traces factuelles, mais les agents fonctionnant sur le long terme ont généralement besoin de curation, de structuration, de résumés, de faits ou de procédures réutilisables, de recherche contextuelle et de règles de cycle de vie afin que l'historique à faible valeur n'encombre pas le contexte futur.","Stocker l'intégralité de l'historique de conversation constitue-t-il une bonne stratégie de mémoire ?","Cycle de vie de la mémoire des agents IA",{},{"id":712,"data":713,"type":42,"tunes":715},"h-glossary",{"text":714,"level":219},"Glossaire",{},{"id":717,"data":718,"type":717,"tunes":742},"glossary",{"title":719,"entries":720},"Termes clés du cycle de vie de la mémoire",[721,725,729,733,737,739],{"term":722,"anchor":723,"definition":724},"Admission en mémoire","memory-admission","Le processus de décision qui détermine si une information est autorisée à intégrer la mémoire persistante de l'agent.",{"term":726,"anchor":727,"definition":728},"Remplacement (supersession)","supersession","Action de marquer un souvenir ou une décision plus ancienne comme étant remplacée par une information plus récente, tout en préservant l'historique si nécessaire.",{"term":730,"anchor":731,"definition":732},"Invalidation","invalidation","Une règle ou un événement rendant une valeur stockée ou mise en cache risquée à réutiliser sans actualisation, recalcul ou examen préalable.",{"term":734,"anchor":735,"definition":736},"Provenance","provenance","Métadonnées décrivant l'origine de l'information, le moment où elle a été observée, qui ou quoi l'a formulée, et la manière dont elle a été transformée.",{"term":315,"anchor":314,"definition":738},"La probabilité qu'une information change entre le moment où elle est stockée et celui où elle est réutilisée.",{"term":328,"anchor":740,"definition":741},"reconstruction-cost","Le temps, le coût financier, le calcul, l'utilisation d'outils ou l'incertitude nécessaires pour récupérer ou régénérer une information au lieu de la stocker.",{},{"id":744,"data":745,"type":42,"tunes":747},"h-sources",{"text":746,"level":219},"Sources primaires et lectures complémentaires",{},{"id":749,"data":750,"type":756,"tunes":757},"src-openai-session",{"link":751,"meta":752},"https:\u002F\u002Fdevelopers.openai.com\u002Fcookbook\u002Fexamples\u002Fagents_sdk\u002Fsession_memory",{"image":753,"title":754,"description":755},{"url":317},"OpenAI — Ingénierie du contexte : gestion de la mémoire à court terme avec les sessions","Conseils sur le rognage, la synthèse, le contexte à long terme et les risques tels que les détails obsolètes et l'empoisonnement du contexte.","linkTool",{},{"id":759,"data":760,"type":756,"tunes":766},"src-anthropic-context",{"link":761,"meta":762},"https:\u002F\u002Fwww.anthropic.com\u002Fengineering\u002Feffective-context-engineering-for-ai-agents",{"image":763,"title":764,"description":765},{"url":317},"Anthropic — Ingénierie contextuelle efficace pour les agents IA","Recommandations d'ingénierie sur la curation, la compaction, la prise de notes structurée et le maintien d'un contexte d'agent pertinent sur de longs horizons temporels.",{},{"id":768,"data":769,"type":756,"tunes":775},"src-anthropic-harness",{"link":770,"meta":771},"https:\u002F\u002Fwww.anthropic.com\u002Fengineering\u002Feffective-harnesses-for-long-running-agents",{"image":772,"title":773,"description":774},{"url":317},"Anthropic — Des environnements d'exécution efficaces pour les agents à longue durée de vie","Travaux pratiques sur la préservation de la progression et des artefacts à travers les fenêtres de contexte dans les tâches d'agents de longue durée.",{},{"id":777,"data":778,"type":756,"tunes":784},"src-ms-plugmem",{"link":779,"meta":780},"https:\u002F\u002Fwww.microsoft.com\u002Fen-us\u002Fresearch\u002Fblog\u002Ffrom-raw-interaction-to-reusable-knowledge-rethinking-memory-for-ai-agents\u002F",{"image":781,"title":782,"description":783},{"url":317},"Microsoft Research — PlugMem","Recherche sur la transformation des interactions brutes de l'agent en faits et compétences structurés et réutilisables, plutôt que d'accumuler un historique indifférencié.",{},{"id":786,"data":787,"type":756,"tunes":793},"src-ms-mstar",{"link":788,"meta":789},"https:\u002F\u002Fwww.microsoft.com\u002Fen-us\u002Fresearch\u002Fpublication\u002Fmstar-every-task-deserves-its-own-memory-harness\u002F",{"image":790,"title":791,"description":792},{"url":317},"Microsoft Research — M★ : Chaque tâche mérite son propre dispositif de mémoire","Recherche démontrant que des mécanismes de mémoire spécifiques aux tâches peuvent surpasser les architectures de mémoire génériques fixes.",{},{"id":795,"data":796,"type":756,"tunes":802},"src-ms-memgym",{"link":797,"meta":798},"https:\u002F\u002Fwww.microsoft.com\u002Fen-us\u002Fresearch\u002Fpublication\u002Fmemgym-a-long-horizon-memory-environment-for-llm-agents\u002F",{"image":799,"title":800,"description":801},{"url":317},"Microsoft Research — MemGym","Un benchmark pour isoler et évaluer les performances de la mémoire dans des environnements d'agents à long horizon.",{},{"id":804,"data":805,"type":756,"tunes":811},"src-ms-human-memory",{"link":806,"meta":807},"https:\u002F\u002Fwww.microsoft.com\u002Fen-us\u002Fresearch\u002Fpublication\u002Fhuman-inspired-memory-architecture-for-llm-agents\u002F",{"image":808,"title":809,"description":810},{"url":317},"Microsoft Research — Architecture de mémoire inspirée de l'humain pour agents LLM","Recherche explorant la consolidation, l'oubli fondé sur l'interférence, la reconsolidation et la récupération dans la mémoire persistante des agents.",{},"2.31","Les agents à exécution longue ne devraient pas tout retenir. Cet article propose un modèle de cycle de vie pratique pour décider de ce qui a sa place dans la mémoire durable, de ce qui devrait être récupéré à nouveau, de ce qu'il est plus sûr de recalculer et de ce qui devrait expirer ou être remplacé.","\u002Fuploads\u002F2026\u002F09\u002Fwhat-should-an-ai-agent-remember-forget-recompute-or-retrieve-again-1790351131087-iehz28.webp","what-should-an-ai-agent-remember-forget-recompute-or-retrieve-again-1790351131087-iehz28","PUBLISHED","2026-09-25T09:43:00.000Z","2026-09-25T15:43:41.228Z","2026-09-25T20:20:04.123Z",{"en":821,"de":822,"sr":823,"es":824,"fr":825,"it":826,"ru":827,"zh":828},"\u002Fblog\u002Fwhat-should-an-ai-agent-remember-forget-recompute-or-retrieve-again","\u002Fde\u002Fblog\u002Fwhat-should-an-ai-agent-remember-forget-recompute-or-retrieve-again","\u002Fsr\u002Fblog\u002Fwhat-should-an-ai-agent-remember-forget-recompute-or-retrieve-again","\u002Fes\u002Fblog\u002Fwhat-should-an-ai-agent-remember-forget-recompute-or-retrieve-again","\u002Ffr\u002Fblog\u002Fwhat-should-an-ai-agent-remember-forget-recompute-or-retrieve-again","\u002Fit\u002Fblog\u002Fwhat-should-an-ai-agent-remember-forget-recompute-or-retrieve-again","\u002Fru\u002Fblog\u002Fwhat-should-an-ai-agent-remember-forget-recompute-or-retrieve-again","\u002Fzh\u002Fblog\u002Fwhat-should-an-ai-agent-remember-forget-recompute-or-retrieve-again",[830,834,838],{"id":831,"name":832,"slug":833},57,"Limites des données","data-boundaries",{"id":835,"name":836,"slug":837},84,"Politique et limites des données","policy-and-data",{"id":839,"name":840,"slug":841},54,"Modèle de menaces","threat-model",{"id":843,"login":844,"email":845,"displayName":846},"20","rooth8233","aleksandar@stajic.de","Aleksandar Stajić",[848,1331],{"lang":849,"title":850,"content":851,"contentJson":852,"excerpt":1330},"en","What Should an AI Agent Remember, Forget, Recompute or Retrieve Again?","{\"time\":1790351469618,\"blocks\":[{\"id\":\"XDf71jsthn\",\"type\":\"tableOfContents\",\"data\":{\"title\":\"Contents\",\"minLevel\":2,\"maxLevel\":3},\"tunes\":{}},{\"id\":\"intro\",\"type\":\"paragraph\",\"data\":{\"text\":\"Long-running AI agents accumulate far more information than they should permanently remember. Conversations, tool outputs, intermediate calculations, user preferences, project decisions, search results, system state, mistakes, and successful procedures can all look useful in the moment. Treating all of them as durable memory creates a second problem: the agent must later decide which stored information is still trustworthy, current, relevant, and safe to reuse.\"},\"tunes\":{}},{\"id\":\"direct\",\"type\":\"callout\",\"data\":{\"variant\":\"info\",\"title\":\"Direct answer\",\"body\":\"An AI agent should \u003Cstrong>remember information that is durable, reusable, provenance-preserving, and expensive to rediscover\u003C\u002Fstrong>; \u003Cstrong>re-read or retrieve volatile facts from their authoritative source\u003C\u002Fstrong>; \u003Cstrong>recompute cheap derived values when freshness matters\u003C\u002Fstrong>; and \u003Cstrong>forget, expire, or supersede information whose future reuse creates more risk than value\u003C\u002Fstrong>. The correct action depends less on whether information is “important” and more on its volatility, authority, derivation cost, reuse value, sensitivity, and revision behaviour.\"},\"tunes\":{}},{\"id\":\"model-note\",\"type\":\"callout\",\"data\":{\"variant\":\"note\",\"title\":\"About the decision model\",\"body\":\"The Remember \u002F Re-read \u002F Recompute \u002F Forget model and the Memory Admission Test below are practical architecture tools proposed in this article. They are not formal industry standards. They are designed to make agent-memory decisions explicit, testable, and auditable.\"},\"tunes\":{}},{\"id\":\"h-lifecycle\",\"type\":\"header\",\"data\":{\"text\":\"The real memory problem is not storage — it is lifecycle control\",\"level\":2},\"tunes\":{}},{\"id\":\"p-life-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"Modern agent systems can store almost anything: full transcripts, summaries, embeddings, files, database records, tool traces, structured facts, skills, and external artifacts. Storage capacity is therefore not the hard part. The hard part is deciding what deserves to survive, how long it should survive, and what must happen when reality changes.\"},\"tunes\":{}},{\"id\":\"p-life-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"OpenAI's session-memory guidance explicitly warns that carrying too much history forward can create distraction, inefficiency, context poisoning, and compounding errors. Anthropic similarly treats context as a finite resource that must be curated rather than accumulated. Microsoft Research has moved in the same direction: PlugMem converts raw interaction history into reusable structured knowledge instead of treating the complete history as equally valuable memory.\"},\"tunes\":{}},{\"id\":\"p-life-3\",\"type\":\"paragraph\",\"data\":{\"text\":\"The architectural consequence is simple: memory needs an admission policy, a maintenance policy, and a retirement policy. A retriever alone does not provide those semantics.\"},\"tunes\":{}},{\"id\":\"h-actions\",\"type\":\"header\",\"data\":{\"text\":\"Four possible actions for any piece of agent information\",\"level\":2},\"tunes\":{}},{\"id\":\"table-actions\",\"type\":\"table\",\"data\":{\"withHeadings\":true,\"stretched\":false,\"content\":[[\"Action\",\"Use when\",\"Typical examples\",\"Primary risk\"],[\"Remember\",\"The information remains useful across future tasks and is costly or impossible to reconstruct reliably\",\"Stable user preference, accepted project decision, reusable skill, verified long-term constraint\",\"Persisting something false, stale, or too broad\"],[\"Re-read \u002F Retrieve\",\"The information has an authoritative source that may change\",\"Permissions, inventory, policy version, order state, product price, current API documentation\",\"Using an old copy instead of current authority\"],[\"Recompute\",\"The information is derived and inexpensive enough to calculate again\",\"Totals, scores, rankings, summaries from current source data, deterministic transformations\",\"Persisting stale derived output\"],[\"Forget \u002F Expire \u002F Supersede\",\"Future reuse has little value or creates privacy, staleness, conflict, or contamination risk\",\"Transient tool output, failed hypothesis, superseded decision, temporary token, obsolete environment state\",\"Losing information that later proves necessary\"]]},\"tunes\":{}},{\"id\":\"h-admission\",\"type\":\"header\",\"data\":{\"text\":\"The Memory Admission Test\",\"level\":2},\"tunes\":{}},{\"id\":\"p-admission-intro\",\"type\":\"paragraph\",\"data\":{\"text\":\"Before information becomes durable agent memory, test it against six properties. These properties are more useful than a vague importance score because they predict how the information behaves over time.\"},\"tunes\":{}},{\"id\":\"admission-comparison\",\"type\":\"comparison\",\"data\":{\"title\":\"Six properties that decide whether information belongs in memory\",\"layout\":\"table\",\"columns\":[{\"id\":\"property\",\"label\":\"Property\"},{\"id\":\"question\",\"label\":\"Question\"},{\"id\":\"effect\",\"label\":\"Decision pressure\"}],\"rows\":[{\"id\":\"volatility\",\"label\":\"Volatility\",\"values\":[\"\",\"\",\"\"]},{\"id\":\"authority\",\"label\":\"Authority\",\"values\":[\"\",\"\",\"\"]},{\"id\":\"reuse\",\"label\":\"Reuse value\",\"values\":[\"\",\"\",\"\"]},{\"id\":\"reconstruction\",\"label\":\"Reconstruction cost\",\"values\":[\"\",\"\",\"\"]},{\"id\":\"sensitivity\",\"label\":\"Sensitivity\",\"values\":[\"\",\"\",\"\"]},{\"id\":\"revision\",\"label\":\"Revision behaviour\",\"values\":[\"\",\"\",\"\"]}]},\"tunes\":{}},{\"id\":\"rule-volatile\",\"type\":\"callout\",\"data\":{\"variant\":\"tip\",\"title\":\"A practical rule\",\"body\":\"If a fact is \u003Cstrong>volatile + authoritative elsewhere + cheap to fetch\u003C\u002Fstrong>, do not promote a copied value into long-term memory. Store the pointer, identifier, or retrieval path instead.\"},\"tunes\":{}},{\"id\":\"h-remember\",\"type\":\"header\",\"data\":{\"text\":\"1. Remember: durable knowledge that improves future decisions\",\"level\":3},\"tunes\":{}},{\"id\":\"p-remember-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"Good durable memory reduces repeated work without turning yesterday's state into today's truth. Typical candidates include explicit user preferences, durable project constraints, decisions and their rationale, reusable procedures, recurring failure patterns, and verified facts that are not expected to change frequently.\"},\"tunes\":{}},{\"id\":\"p-remember-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"The strongest memories are not necessarily raw transcripts. PlugMem's 2026 work argues for converting interaction history into compact facts and reusable skills. Microsoft's BREW similarly distills past trajectories into retrievable procedural knowledge describing what to do, when it applies, and what to watch out for. Both point toward a useful design principle: store reusable knowledge, not merely historical text.\"},\"tunes\":{}},{\"id\":\"p-remember-3\",\"type\":\"paragraph\",\"data\":{\"text\":\"A remembered item should also retain provenance. A future agent should be able to distinguish “the user explicitly requested this,” “the system observed this,” “a source stated this,” and “a model inferred this.” Without that distinction, memory gradually converts evidence, interpretation, and speculation into one undifferentiated pool.\"},\"tunes\":{}},{\"id\":\"h-reread\",\"type\":\"header\",\"data\":{\"text\":\"2. Re-read or retrieve: volatile facts with an external source of truth\",\"level\":3},\"tunes\":{}},{\"id\":\"p-reread-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"Some information is valuable precisely because it changes. Current permissions, order state, inventory, account status, service health, software documentation, prices, schedules, regulations, and API behaviour should normally be re-read from the system that owns them before consequential use.\"},\"tunes\":{}},{\"id\":\"p-reread-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"The agent may remember that a source exists, how to access it, or what fields matter. It should not assume that an old retrieved value remains authoritative. This separates memory of where and how to obtain truth from a cached copy of truth.\"},\"tunes\":{}},{\"id\":\"stale-trap\",\"type\":\"callout\",\"data\":{\"variant\":\"warning\",\"title\":\"The stale-memory trap\",\"body\":\"A fact can be perfectly remembered and still be wrong. Memory quality is not only recall accuracy; it also includes knowing when recall must yield to a fresh authoritative read.\"},\"tunes\":{}},{\"id\":\"h-recompute\",\"type\":\"header\",\"data\":{\"text\":\"3. Recompute: derived information that is cheaper to calculate than to trust\",\"level\":3},\"tunes\":{}},{\"id\":\"p-recompute-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"Derived information deserves different treatment from source facts. If a value can be deterministically recalculated from current inputs, persisting the result may create unnecessary staleness. Totals, percentages, rankings, eligibility flags, generated summaries, and other derived outputs should often be recomputed when used.\"},\"tunes\":{}},{\"id\":\"p-recompute-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"The key trade-off is cost. If recomputation is expensive, the system may cache the result together with the exact input version, timestamp, derivation method, and invalidation conditions. If recomputation is cheap, freshness usually wins.\"},\"tunes\":{}},{\"id\":\"h-forget\",\"type\":\"header\",\"data\":{\"text\":\"4. Forget, expire, or supersede: deletion is a capability\",\"level\":3},\"tunes\":{}},{\"id\":\"p-forget-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"Forgetting is not necessarily a defect. It is a control mechanism. Transient tool outputs, one-off search results, failed hypotheses, temporary environment state, intermediate reasoning artifacts, obsolete user preferences, expired credentials, and superseded decisions can all become liabilities if they remain active indefinitely.\"},\"tunes\":{}},{\"id\":\"p-forget-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"Recent memory research increasingly recognizes that unbounded accumulation can degrade performance. Microsoft's 2026 human-inspired memory architecture explicitly includes interference-based forgetting and consolidation, while PlugMem reports that raw histories can overwhelm agents with low-value context. The engineering lesson does not require copying biological memory: retention should be selective.\"},\"tunes\":{}},{\"id\":\"p-forget-3\",\"type\":\"paragraph\",\"data\":{\"text\":\"In many systems, supersession is safer than immediate deletion. The old decision remains auditable, but retrieval defaults to the new decision. This matters for projects, policies, compliance, and any workflow where the history of change is itself evidence.\"},\"tunes\":{}},{\"id\":\"h-method\",\"type\":\"header\",\"data\":{\"text\":\"The decision method\",\"level\":2},\"tunes\":{}},{\"id\":\"decision-flow\",\"type\":\"processFlow\",\"data\":{\"title\":\"Decide the lifecycle of an information item\",\"orientation\":\"auto\",\"steps\":[{\"label\":\"1. Classify the information\",\"description\":\"Is it authoritative state, user preference, external evidence, derived output, procedure, observation, or model inference?\"},{\"label\":\"2. Identify the source of truth\",\"description\":\"Determine whether another system or source remains more authoritative than the memory itself.\"},{\"label\":\"3. Estimate volatility\",\"description\":\"Ask how likely the item is to change before the next meaningful reuse.\"},{\"label\":\"4. Estimate reuse and reconstruction cost\",\"description\":\"Compare future value with the cost and reliability of fetching or recreating the information.\"},{\"label\":\"5. Check sensitivity and scope\",\"description\":\"Define who may access the information, where it may persist, and whether persistence is justified.\"},{\"label\":\"6. Define invalidation\",\"description\":\"Specify expiry, supersession, conflict resolution, or a condition that forces a fresh authoritative read.\"},{\"label\":\"7. Choose the action\",\"description\":\"Remember, re-read\u002Fretrieve, recompute, or forget\u002Fexpire\u002Fsupersede.\"},{\"label\":\"8. Preserve provenance\",\"description\":\"Store enough metadata to distinguish source fact, user statement, observation, derivation, and model inference.\"}]},\"tunes\":{}},{\"id\":\"h-examples\",\"type\":\"header\",\"data\":{\"text\":\"Examples: the same agent should use different lifecycle actions\",\"level\":2},\"tunes\":{}},{\"id\":\"examples-table\",\"type\":\"table\",\"data\":{\"withHeadings\":true,\"stretched\":false,\"content\":[[\"Information\",\"Recommended action\",\"Why\"],[\"“The user prefers concise technical answers.”\",\"Remember\",\"Stable preference with high reuse value\"],[\"“The deployment is currently paused.”\",\"Re-read\",\"Current operational state can change\"],[\"“The total projected cost is €48,620.”\",\"Recompute from current inputs\",\"Derived value should follow source changes\"],[\"A 20,000-token raw tool response from yesterday\",\"Forget or archive externally\",\"Low direct reuse; high context cost\"],[\"A confirmed workaround for a recurring build failure\",\"Remember as reusable procedure\",\"High future reuse and expensive rediscovery\"],[\"A model guess about why a server failed\",\"Do not promote to durable fact\",\"Inference is not verified evidence\"],[\"An old project decision later replaced by a new one\",\"Supersede, retain audit history\",\"The latest decision should win without erasing provenance\"],[\"A current product price\",\"Retrieve again\",\"High volatility and external authority\"],[\"A legal or policy interpretation\",\"Remember the prior analysis only with source\u002Fversion metadata; re-check authority before action\",\"Applicability can change with time and jurisdiction\"]]},\"tunes\":{}},{\"id\":\"h-conditions\",\"type\":\"header\",\"data\":{\"text\":\"Memory should store conditions, not only conclusions\",\"level\":2},\"tunes\":{}},{\"id\":\"p-cond-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"A durable memory becomes dangerous when it stores only the conclusion and loses the conditions under which the conclusion was valid. “Use database-per-tenant” is weaker than “Use database-per-tenant when regulatory isolation and tenant-specific lifecycle requirements outweigh operational overhead.” The second form preserves the decision boundary.\"},\"tunes\":{}},{\"id\":\"p-cond-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"This matters even more for agent-learned procedures. A successful workflow should capture not only the steps but also the preconditions, environment, tool version, observable success criteria, and known failure modes. Otherwise a memory retrieved in the wrong environment can confidently reproduce an obsolete solution.\"},\"tunes\":{}},{\"id\":\"h-write-cost\",\"type\":\"header\",\"data\":{\"text\":\"A memory write should be more expensive than a memory read\",\"level\":2},\"tunes\":{}},{\"id\":\"p-write-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"Reading a weak memory can damage one answer. Writing a weak memory can damage many future answers. The asymmetry suggests a stricter write path than read path: classify the candidate, check provenance, detect contradictions, apply sensitivity rules, define scope, and decide whether human confirmation or external validation is required.\"},\"tunes\":{}},{\"id\":\"p-write-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"This is especially important when an agent writes memories from its own generated output. A generated summary can contain compression errors. A tool failure can be misinterpreted. A plausible hypothesis can be stored as a fact. If those outputs become future context without evidence status, the agent can create a self-reinforcing error loop.\"},\"tunes\":{}},{\"id\":\"h-quality\",\"type\":\"header\",\"data\":{\"text\":\"Memory quality has at least five dimensions\",\"level\":2},\"tunes\":{}},{\"id\":\"quality-table\",\"type\":\"table\",\"data\":{\"withHeadings\":true,\"stretched\":false,\"content\":[[\"Dimension\",\"Question\"],[\"Retention quality\",\"Did the system preserve the information that should survive?\"],[\"Retrieval quality\",\"Can the system recover the right memory when it matters?\"],[\"Freshness quality\",\"Does the system know when stored information is no longer current?\"],[\"Provenance quality\",\"Can the system distinguish source, user statement, observation, derivation, and inference?\"],[\"Retirement quality\",\"Can the system expire, supersede, restrict, or remove information when it should no longer influence decisions?\"]]},\"tunes\":{}},{\"id\":\"p-quality-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"Benchmarks are starting to separate these concerns. Microsoft's MemGym explicitly evaluates memory in long-horizon agentic settings and reports memory-isolated scores intended to reduce confounding from reasoning, retrieval, and tool-use ability. That direction is important because a final task score alone cannot tell you whether memory itself helped, harmed, or was irrelevant.\"},\"tunes\":{}},{\"id\":\"h-not-store\",\"type\":\"header\",\"data\":{\"text\":\"What not to put into durable memory by default\",\"level\":2},\"tunes\":{}},{\"id\":\"not-store-list\",\"type\":\"list\",\"data\":{\"style\":\"unordered\",\"meta\":{},\"items\":[\"Raw chain-of-thought or hidden reasoning artifacts.\",\"Temporary authentication tokens, secrets, or credentials.\",\"Model-generated hypotheses that have not been verified.\",\"Volatile state that has a live authoritative system.\",\"Cheaply recomputable derived values without their source inputs.\",\"Large tool outputs merely because storage is available.\",\"Duplicate copies of information already governed by a better source of truth.\",\"Sensitive personal data without a clear persistence purpose, access scope, and lifecycle.\",\"Superseded conclusions without explicit version or retirement semantics.\",\"Error messages or failure states that are only useful for the current run and have no reusable diagnostic value.\"]},\"tunes\":{}},{\"id\":\"h-task-specific\",\"type\":\"header\",\"data\":{\"text\":\"Memory is task-specific — there is no universal optimal store\",\"level\":2},\"tunes\":{}},{\"id\":\"p-task-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"A coding agent benefits from reusable procedures, repository conventions, successful repair patterns, and project decisions. A personal assistant may need preferences, commitments, and relationship context. A commerce agent needs current product and transaction state far more than historical copies of price or inventory. A research agent benefits from source provenance, unresolved hypotheses, and explicit evidence status.\"},\"tunes\":{}},{\"id\":\"p-task-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"Microsoft Research's M-star work makes this point directly: memory systems optimized for one purpose may transfer poorly to another, and task-specific memory mechanisms can outperform a fixed general-purpose design. The memory schema should therefore follow the decisions the agent must make, not a universal template imposed on every agent.\"},\"tunes\":{}},{\"id\":\"h-change\",\"type\":\"header\",\"data\":{\"text\":\"What would change this answer?\",\"level\":2},\"tunes\":{}},{\"id\":\"p-change-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"The balance changes when retrieval is slow or expensive, authoritative systems are intermittently unavailable, recomputation is costly, audit rules require historical snapshots, or the agent must operate offline. In those cases, more information may need to be cached or persisted — but with version, provenance, timestamp, and invalidation metadata.\"},\"tunes\":{}},{\"id\":\"p-change-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"The balance also changes for agents whose primary value is personalization. A stable preference may be worth remembering even if it could technically be asked again. Conversely, in high-risk domains, the threshold for converting an observation or interpretation into durable memory should be much higher.\"},\"tunes\":{}},{\"id\":\"p-change-3\",\"type\":\"paragraph\",\"data\":{\"text\":\"Future managed-memory platforms may automate consolidation, retrieval, forgetting, and context construction. That can reduce implementation work, but it does not remove the governance question: which information is allowed to influence future decisions, under what conditions, and when must the system return to the current source of truth?\"},\"tunes\":{}},{\"id\":\"h-limitations\",\"type\":\"header\",\"data\":{\"text\":\"Limitations\",\"level\":2},\"tunes\":{}},{\"id\":\"p-limit-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"There is no single definition of “agent memory” across current frameworks and research. Some systems use the term for conversation history, others for external persistent stores, structured knowledge, learned procedures, checkpoints, or model adaptation. The decision model in this article focuses on operational lifecycle semantics rather than enforcing one vocabulary.\"},\"tunes\":{}},{\"id\":\"p-limit-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"The four lifecycle actions can also overlap. A system may remember a stable summary, retain a pointer to the source, re-read volatile fields, and recompute a derived result in one workflow. The purpose of the model is not to force one storage primitive per fact, but to make the reason for persistence explicit.\"},\"tunes\":{}},{\"id\":\"h-conclusion\",\"type\":\"header\",\"data\":{\"text\":\"Conclusion\",\"level\":2},\"tunes\":{}},{\"id\":\"p-conclusion-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"A useful agent does not win by remembering the most. It wins by preserving the right information, returning to authoritative sources when reality can change, recalculating what is safer to derive again, and retiring information that should no longer influence future decisions.\"},\"tunes\":{}},{\"id\":\"p-conclusion-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"The practical question for every candidate memory is therefore not “Can we store this?” but: Will future decisions be more reliable if this survives? If the answer depends on freshness, authority, cost, sensitivity, or revision, encode those conditions into the memory lifecycle instead of trusting retrieval alone.\"},\"tunes\":{}},{\"id\":\"internal-reasoning\",\"type\":\"referralArticle\",\"data\":{\"url\":\"https:\u002F\u002Fstajic.de\u002Fblog\u002Ffrom-research-protocol-to-a-general-ai-reasoning-framework\",\"title\":\"From Research Protocol to a General AI Reasoning Framework\",\"excerpt\":\"A domain-independent reasoning method for separating evidence from assumptions, testing competing hypotheses, and using explicit validation rules.\",\"ctaLabel\":\"Read the reasoning framework\"},\"tunes\":{}},{\"id\":\"h-faq\",\"type\":\"header\",\"data\":{\"text\":\"FAQ\",\"level\":2},\"tunes\":{}},{\"id\":\"faq\",\"type\":\"faq\",\"data\":{\"title\":\"AI agent memory lifecycle\",\"items\":[{\"id\":\"faq1\",\"question\":\"What information should an AI agent remember long term?\",\"answer\":\"Prefer information that is durable, reusable, provenance-preserving, and expensive or unreliable to reconstruct, such as stable user preferences, accepted project decisions, reusable procedures, and verified long-term constraints.\"},{\"id\":\"faq2\",\"question\":\"What should an AI agent retrieve again instead of remembering?\",\"answer\":\"Volatile information with an authoritative external source should normally be retrieved again before consequential use. Examples include permissions, inventory, current prices, account state, policy versions, service status, and current documentation.\"},{\"id\":\"faq3\",\"question\":\"When should an AI agent recompute information?\",\"answer\":\"Recompute derived values when the calculation is cheap and stale results would be costly. Persisting a derived value makes more sense when recomputation is expensive and the cache includes the source version and invalidation conditions.\"},{\"id\":\"faq4\",\"question\":\"Should AI agents forget information?\",\"answer\":\"Yes. Forgetting, expiry, and supersession are useful controls for transient, obsolete, sensitive, low-value, or misleading information. Unbounded retention can create noise and allow stale or incorrect information to keep influencing future decisions.\"},{\"id\":\"faq5\",\"question\":\"Is storing the entire conversation history a good memory strategy?\",\"answer\":\"Not by itself. Raw history can preserve evidence, but long-running agents usually need curation, structure, summaries, reusable facts or procedures, retrieval, and lifecycle rules so that low-value history does not dominate future context.\"}]},\"tunes\":{}},{\"id\":\"h-glossary\",\"type\":\"header\",\"data\":{\"text\":\"Glossary\",\"level\":2},\"tunes\":{}},{\"id\":\"glossary\",\"type\":\"glossary\",\"data\":{\"title\":\"Key memory lifecycle terms\",\"entries\":[{\"term\":\"Memory admission\",\"definition\":\"The decision process that determines whether information is allowed to become persistent agent memory.\",\"anchor\":\"memory-admission\"},{\"term\":\"Supersession\",\"definition\":\"Marking an older memory or decision as replaced by newer information while preserving the historical record where needed.\",\"anchor\":\"supersession\"},{\"term\":\"Invalidation\",\"definition\":\"A rule or event that makes a stored or cached value unsafe to reuse without refresh, recomputation, or review.\",\"anchor\":\"invalidation\"},{\"term\":\"Provenance\",\"definition\":\"Metadata describing where information came from, when it was observed, who or what asserted it, and how it was transformed.\",\"anchor\":\"provenance\"},{\"term\":\"Volatility\",\"definition\":\"The likelihood that information will change between the time it is stored and the time it is reused.\",\"anchor\":\"volatility\"},{\"term\":\"Reconstruction cost\",\"definition\":\"The time, money, computation, tool use, or uncertainty required to recover or regenerate information instead of storing it.\",\"anchor\":\"reconstruction-cost\"}]},\"tunes\":{}},{\"id\":\"h-sources\",\"type\":\"header\",\"data\":{\"text\":\"Primary sources and further reading\",\"level\":2},\"tunes\":{}},{\"id\":\"src-openai-session\",\"type\":\"linkTool\",\"data\":{\"link\":\"https:\u002F\u002Fdevelopers.openai.com\u002Fcookbook\u002Fexamples\u002Fagents_sdk\u002Fsession_memory\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"OpenAI — Context Engineering: Short-Term Memory Management with Sessions\",\"description\":\"Guidance on trimming, summarization, long-running context, and risks such as stale details and context poisoning.\"}},\"tunes\":{}},{\"id\":\"src-anthropic-context\",\"type\":\"linkTool\",\"data\":{\"link\":\"https:\u002F\u002Fwww.anthropic.com\u002Fengineering\u002Feffective-context-engineering-for-ai-agents\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"Anthropic — Effective Context Engineering for AI Agents\",\"description\":\"Engineering guidance on curation, compaction, structured note-taking, and maintaining useful agent context over long horizons.\"}},\"tunes\":{}},{\"id\":\"src-anthropic-harness\",\"type\":\"linkTool\",\"data\":{\"link\":\"https:\u002F\u002Fwww.anthropic.com\u002Fengineering\u002Feffective-harnesses-for-long-running-agents\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"Anthropic — Effective Harnesses for Long-Running Agents\",\"description\":\"Practical work on preserving progress and artifacts across context windows in long-running agent tasks.\"}},\"tunes\":{}},{\"id\":\"src-ms-plugmem\",\"type\":\"linkTool\",\"data\":{\"link\":\"https:\u002F\u002Fwww.microsoft.com\u002Fen-us\u002Fresearch\u002Fblog\u002Ffrom-raw-interaction-to-reusable-knowledge-rethinking-memory-for-ai-agents\u002F\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"Microsoft Research — PlugMem\",\"description\":\"Research on transforming raw agent interactions into structured reusable facts and skills rather than accumulating undifferentiated history.\"}},\"tunes\":{}},{\"id\":\"src-ms-mstar\",\"type\":\"linkTool\",\"data\":{\"link\":\"https:\u002F\u002Fwww.microsoft.com\u002Fen-us\u002Fresearch\u002Fpublication\u002Fmstar-every-task-deserves-its-own-memory-harness\u002F\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"Microsoft Research — M★: Every Task Deserves Its Own Memory Harness\",\"description\":\"Research showing that task-specific memory mechanisms can outperform fixed general-purpose memory designs.\"}},\"tunes\":{}},{\"id\":\"src-ms-memgym\",\"type\":\"linkTool\",\"data\":{\"link\":\"https:\u002F\u002Fwww.microsoft.com\u002Fen-us\u002Fresearch\u002Fpublication\u002Fmemgym-a-long-horizon-memory-environment-for-llm-agents\u002F\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"Microsoft Research — MemGym\",\"description\":\"A benchmark for isolating and evaluating memory performance in long-horizon agent environments.\"}},\"tunes\":{}},{\"id\":\"src-ms-human-memory\",\"type\":\"linkTool\",\"data\":{\"link\":\"https:\u002F\u002Fwww.microsoft.com\u002Fen-us\u002Fresearch\u002Fpublication\u002Fhuman-inspired-memory-architecture-for-llm-agents\u002F\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"Microsoft Research — Human-Inspired Memory Architecture for LLM Agents\",\"description\":\"Research exploring consolidation, interference-based forgetting, reconsolidation, and retrieval in persistent agent memory.\"}},\"tunes\":{}}],\"version\":\"2.31.6\"}",{"time":853,"blocks":854,"version":1329},1790351469618,[855,859,863,868,873,877,881,885,889,893,921,925,929,958,963,967,971,975,979,983,987,991,996,1000,1004,1008,1012,1016,1020,1024,1028,1057,1061,1103,1107,1111,1115,1119,1123,1127,1131,1151,1155,1159,1174,1178,1182,1186,1190,1194,1198,1202,1206,1210,1214,1217,1221,1225,1232,1235,1255,1259,1278,1282,1289,1296,1303,1309,1316,1322],{"id":215,"data":856,"type":220,"tunes":858},{"title":857,"maxLevel":218,"minLevel":219},"Contents",{},{"id":223,"data":860,"type":226,"tunes":862},{"text":861},"Long-running AI agents accumulate far more information than they should permanently remember. Conversations, tool outputs, intermediate calculations, user preferences, project decisions, search results, system state, mistakes, and successful procedures can all look useful in the moment. Treating all of them as durable memory creates a second problem: the agent must later decide which stored information is still trustworthy, current, relevant, and safe to reuse.",{},{"id":229,"data":864,"type":234,"tunes":867},{"body":865,"title":866,"variant":233},"An AI agent should \u003Cstrong>remember information that is durable, reusable, provenance-preserving, and expensive to rediscover\u003C\u002Fstrong>; \u003Cstrong>re-read or retrieve volatile facts from their authoritative source\u003C\u002Fstrong>; \u003Cstrong>recompute cheap derived values when freshness matters\u003C\u002Fstrong>; and \u003Cstrong>forget, expire, or supersede information whose future reuse creates more risk than value\u003C\u002Fstrong>. The correct action depends less on whether information is “important” and more on its volatility, authority, derivation cost, reuse value, sensitivity, and revision behaviour.","Direct answer",{},{"id":237,"data":869,"type":234,"tunes":872},{"body":870,"title":871,"variant":241},"The Remember \u002F Re-read \u002F Recompute \u002F Forget model and the Memory Admission Test below are practical architecture tools proposed in this article. They are not formal industry standards. They are designed to make agent-memory decisions explicit, testable, and auditable.","About the decision model",{},{"id":244,"data":874,"type":42,"tunes":876},{"text":875,"level":219},"The real memory problem is not storage — it is lifecycle control",{},{"id":249,"data":878,"type":226,"tunes":880},{"text":879},"Modern agent systems can store almost anything: full transcripts, summaries, embeddings, files, database records, tool traces, structured facts, skills, and external artifacts. Storage capacity is therefore not the hard part. The hard part is deciding what deserves to survive, how long it should survive, and what must happen when reality changes.",{},{"id":254,"data":882,"type":226,"tunes":884},{"text":883},"OpenAI's session-memory guidance explicitly warns that carrying too much history forward can create distraction, inefficiency, context poisoning, and compounding errors. Anthropic similarly treats context as a finite resource that must be curated rather than accumulated. Microsoft Research has moved in the same direction: PlugMem converts raw interaction history into reusable structured knowledge instead of treating the complete history as equally valuable memory.",{},{"id":259,"data":886,"type":226,"tunes":888},{"text":887},"The architectural consequence is simple: memory needs an admission policy, a maintenance policy, and a retirement policy. A retriever alone does not provide those semantics.",{},{"id":264,"data":890,"type":42,"tunes":892},{"text":891,"level":219},"Four possible actions for any piece of agent information",{},{"id":269,"data":894,"type":297,"tunes":920},{"content":895,"stretched":43,"withHeadings":14},[896,900,905,910,915],[273,897,898,899],"Use when","Typical examples","Primary risk",[901,902,903,904],"Remember","The information remains useful across future tasks and is costly or impossible to reconstruct reliably","Stable user preference, accepted project decision, reusable skill, verified long-term constraint","Persisting something false, stale, or too broad",[906,907,908,909],"Re-read \u002F Retrieve","The information has an authoritative source that may change","Permissions, inventory, policy version, order state, product price, current API documentation","Using an old copy instead of current authority",[911,912,913,914],"Recompute","The information is derived and inexpensive enough to calculate again","Totals, scores, rankings, summaries from current source data, deterministic transformations","Persisting stale derived output",[916,917,918,919],"Forget \u002F Expire \u002F Supersede","Future reuse has little value or creates privacy, staleness, conflict, or contamination risk","Transient tool output, failed hypothesis, superseded decision, temporary token, obsolete environment state","Losing information that later proves necessary",{},{"id":300,"data":922,"type":42,"tunes":924},{"text":923,"level":219},"The Memory Admission Test",{},{"id":305,"data":926,"type":226,"tunes":928},{"text":927},"Before information becomes durable agent memory, test it against six properties. These properties are more useful than a vague importance score because they predict how the information behaves over time.",{},{"id":310,"data":930,"type":349,"tunes":957},{"rows":931,"title":950,"layout":297,"columns":951},[932,935,938,941,944,947],{"id":314,"label":933,"values":934},"Volatility",[317,317,317],{"id":319,"label":936,"values":937},"Authority",[317,317,317],{"id":323,"label":939,"values":940},"Reuse value",[317,317,317],{"id":327,"label":942,"values":943},"Reconstruction cost",[317,317,317],{"id":331,"label":945,"values":946},"Sensitivity",[317,317,317],{"id":335,"label":948,"values":949},"Revision behaviour",[317,317,317],"Six properties that decide whether information belongs in memory",[952,954,955],{"id":341,"label":953},"Property",{"id":344,"label":345},{"id":347,"label":956},"Decision pressure",{},{"id":352,"data":959,"type":234,"tunes":962},{"body":960,"title":961,"variant":356},"If a fact is \u003Cstrong>volatile + authoritative elsewhere + cheap to fetch\u003C\u002Fstrong>, do not promote a copied value into long-term memory. Store the pointer, identifier, or retrieval path instead.","A practical rule",{},{"id":359,"data":964,"type":42,"tunes":966},{"text":965,"level":218},"1. Remember: durable knowledge that improves future decisions",{},{"id":364,"data":968,"type":226,"tunes":970},{"text":969},"Good durable memory reduces repeated work without turning yesterday's state into today's truth. Typical candidates include explicit user preferences, durable project constraints, decisions and their rationale, reusable procedures, recurring failure patterns, and verified facts that are not expected to change frequently.",{},{"id":369,"data":972,"type":226,"tunes":974},{"text":973},"The strongest memories are not necessarily raw transcripts. PlugMem's 2026 work argues for converting interaction history into compact facts and reusable skills. Microsoft's BREW similarly distills past trajectories into retrievable procedural knowledge describing what to do, when it applies, and what to watch out for. Both point toward a useful design principle: store reusable knowledge, not merely historical text.",{},{"id":374,"data":976,"type":226,"tunes":978},{"text":977},"A remembered item should also retain provenance. A future agent should be able to distinguish “the user explicitly requested this,” “the system observed this,” “a source stated this,” and “a model inferred this.” Without that distinction, memory gradually converts evidence, interpretation, and speculation into one undifferentiated pool.",{},{"id":379,"data":980,"type":42,"tunes":982},{"text":981,"level":218},"2. Re-read or retrieve: volatile facts with an external source of truth",{},{"id":384,"data":984,"type":226,"tunes":986},{"text":985},"Some information is valuable precisely because it changes. Current permissions, order state, inventory, account status, service health, software documentation, prices, schedules, regulations, and API behaviour should normally be re-read from the system that owns them before consequential use.",{},{"id":389,"data":988,"type":226,"tunes":990},{"text":989},"The agent may remember that a source exists, how to access it, or what fields matter. It should not assume that an old retrieved value remains authoritative. This separates memory of where and how to obtain truth from a cached copy of truth.",{},{"id":394,"data":992,"type":234,"tunes":995},{"body":993,"title":994,"variant":398},"A fact can be perfectly remembered and still be wrong. Memory quality is not only recall accuracy; it also includes knowing when recall must yield to a fresh authoritative read.","The stale-memory trap",{},{"id":401,"data":997,"type":42,"tunes":999},{"text":998,"level":218},"3. Recompute: derived information that is cheaper to calculate than to trust",{},{"id":406,"data":1001,"type":226,"tunes":1003},{"text":1002},"Derived information deserves different treatment from source facts. If a value can be deterministically recalculated from current inputs, persisting the result may create unnecessary staleness. Totals, percentages, rankings, eligibility flags, generated summaries, and other derived outputs should often be recomputed when used.",{},{"id":411,"data":1005,"type":226,"tunes":1007},{"text":1006},"The key trade-off is cost. If recomputation is expensive, the system may cache the result together with the exact input version, timestamp, derivation method, and invalidation conditions. If recomputation is cheap, freshness usually wins.",{},{"id":416,"data":1009,"type":42,"tunes":1011},{"text":1010,"level":218},"4. Forget, expire, or supersede: deletion is a capability",{},{"id":421,"data":1013,"type":226,"tunes":1015},{"text":1014},"Forgetting is not necessarily a defect. It is a control mechanism. Transient tool outputs, one-off search results, failed hypotheses, temporary environment state, intermediate reasoning artifacts, obsolete user preferences, expired credentials, and superseded decisions can all become liabilities if they remain active indefinitely.",{},{"id":426,"data":1017,"type":226,"tunes":1019},{"text":1018},"Recent memory research increasingly recognizes that unbounded accumulation can degrade performance. Microsoft's 2026 human-inspired memory architecture explicitly includes interference-based forgetting and consolidation, while PlugMem reports that raw histories can overwhelm agents with low-value context. The engineering lesson does not require copying biological memory: retention should be selective.",{},{"id":431,"data":1021,"type":226,"tunes":1023},{"text":1022},"In many systems, supersession is safer than immediate deletion. The old decision remains auditable, but retrieval defaults to the new decision. This matters for projects, policies, compliance, and any workflow where the history of change is itself evidence.",{},{"id":436,"data":1025,"type":42,"tunes":1027},{"text":1026,"level":219},"The decision method",{},{"id":441,"data":1029,"type":470,"tunes":1056},{"steps":1030,"title":1055,"orientation":469},[1031,1034,1037,1040,1043,1046,1049,1052],{"label":1032,"description":1033},"1. Classify the information","Is it authoritative state, user preference, external evidence, derived output, procedure, observation, or model inference?",{"label":1035,"description":1036},"2. Identify the source of truth","Determine whether another system or source remains more authoritative than the memory itself.",{"label":1038,"description":1039},"3. Estimate volatility","Ask how likely the item is to change before the next meaningful reuse.",{"label":1041,"description":1042},"4. Estimate reuse and reconstruction cost","Compare future value with the cost and reliability of fetching or recreating the information.",{"label":1044,"description":1045},"5. Check sensitivity and scope","Define who may access the information, where it may persist, and whether persistence is justified.",{"label":1047,"description":1048},"6. Define invalidation","Specify expiry, supersession, conflict resolution, or a condition that forces a fresh authoritative read.",{"label":1050,"description":1051},"7. Choose the action","Remember, re-read\u002Fretrieve, recompute, or forget\u002Fexpire\u002Fsupersede.",{"label":1053,"description":1054},"8. Preserve provenance","Store enough metadata to distinguish source fact, user statement, observation, derivation, and model inference.","Decide the lifecycle of an information item",{},{"id":473,"data":1058,"type":42,"tunes":1060},{"text":1059,"level":219},"Examples: the same agent should use different lifecycle actions",{},{"id":478,"data":1062,"type":297,"tunes":1102},{"content":1063,"stretched":43,"withHeadings":14},[1064,1067,1070,1074,1078,1082,1086,1090,1094,1098],[482,1065,1066],"Recommended action","Why",[1068,901,1069],"“The user prefers concise technical answers.”","Stable preference with high reuse value",[1071,1072,1073],"“The deployment is currently paused.”","Re-read","Current operational state can change",[1075,1076,1077],"“The total projected cost is €48,620.”","Recompute from current inputs","Derived value should follow source changes",[1079,1080,1081],"A 20,000-token raw tool response from yesterday","Forget or archive externally","Low direct reuse; high context cost",[1083,1084,1085],"A confirmed workaround for a recurring build failure","Remember as reusable procedure","High future reuse and expensive rediscovery",[1087,1088,1089],"A model guess about why a server failed","Do not promote to durable fact","Inference is not verified evidence",[1091,1092,1093],"An old project decision later replaced by a new one","Supersede, retain audit history","The latest decision should win without erasing provenance",[1095,1096,1097],"A current product price","Retrieve again","High volatility and external authority",[1099,1100,1101],"A legal or policy interpretation","Remember the prior analysis only with source\u002Fversion metadata; re-check authority before action","Applicability can change with time and jurisdiction",{},{"id":522,"data":1104,"type":42,"tunes":1106},{"text":1105,"level":219},"Memory should store conditions, not only conclusions",{},{"id":527,"data":1108,"type":226,"tunes":1110},{"text":1109},"A durable memory becomes dangerous when it stores only the conclusion and loses the conditions under which the conclusion was valid. “Use database-per-tenant” is weaker than “Use database-per-tenant when regulatory isolation and tenant-specific lifecycle requirements outweigh operational overhead.” The second form preserves the decision boundary.",{},{"id":532,"data":1112,"type":226,"tunes":1114},{"text":1113},"This matters even more for agent-learned procedures. A successful workflow should capture not only the steps but also the preconditions, environment, tool version, observable success criteria, and known failure modes. Otherwise a memory retrieved in the wrong environment can confidently reproduce an obsolete solution.",{},{"id":537,"data":1116,"type":42,"tunes":1118},{"text":1117,"level":219},"A memory write should be more expensive than a memory read",{},{"id":542,"data":1120,"type":226,"tunes":1122},{"text":1121},"Reading a weak memory can damage one answer. Writing a weak memory can damage many future answers. The asymmetry suggests a stricter write path than read path: classify the candidate, check provenance, detect contradictions, apply sensitivity rules, define scope, and decide whether human confirmation or external validation is required.",{},{"id":547,"data":1124,"type":226,"tunes":1126},{"text":1125},"This is especially important when an agent writes memories from its own generated output. A generated summary can contain compression errors. A tool failure can be misinterpreted. A plausible hypothesis can be stored as a fact. If those outputs become future context without evidence status, the agent can create a self-reinforcing error loop.",{},{"id":552,"data":1128,"type":42,"tunes":1130},{"text":1129,"level":219},"Memory quality has at least five dimensions",{},{"id":557,"data":1132,"type":297,"tunes":1150},{"content":1133,"stretched":43,"withHeadings":14},[1134,1135,1138,1141,1144,1147],[561,345],[1136,1137],"Retention quality","Did the system preserve the information that should survive?",[1139,1140],"Retrieval quality","Can the system recover the right memory when it matters?",[1142,1143],"Freshness quality","Does the system know when stored information is no longer current?",[1145,1146],"Provenance quality","Can the system distinguish source, user statement, observation, derivation, and inference?",[1148,1149],"Retirement quality","Can the system expire, supersede, restrict, or remove information when it should no longer influence decisions?",{},{"id":579,"data":1152,"type":226,"tunes":1154},{"text":1153},"Benchmarks are starting to separate these concerns. Microsoft's MemGym explicitly evaluates memory in long-horizon agentic settings and reports memory-isolated scores intended to reduce confounding from reasoning, retrieval, and tool-use ability. That direction is important because a final task score alone cannot tell you whether memory itself helped, harmed, or was irrelevant.",{},{"id":584,"data":1156,"type":42,"tunes":1158},{"text":1157,"level":219},"What not to put into durable memory by default",{},{"id":589,"data":1160,"type":604,"tunes":1173},{"meta":1161,"items":1162,"style":603},{},[1163,1164,1165,1166,1167,1168,1169,1170,1171,1172],"Raw chain-of-thought or hidden reasoning artifacts.","Temporary authentication tokens, secrets, or credentials.","Model-generated hypotheses that have not been verified.","Volatile state that has a live authoritative system.","Cheaply recomputable derived values without their source inputs.","Large tool outputs merely because storage is available.","Duplicate copies of information already governed by a better source of truth.","Sensitive personal data without a clear persistence purpose, access scope, and lifecycle.","Superseded conclusions without explicit version or retirement semantics.","Error messages or failure states that are only useful for the current run and have no reusable diagnostic value.",{},{"id":607,"data":1175,"type":42,"tunes":1177},{"text":1176,"level":219},"Memory is task-specific — there is no universal optimal store",{},{"id":612,"data":1179,"type":226,"tunes":1181},{"text":1180},"A coding agent benefits from reusable procedures, repository conventions, successful repair patterns, and project decisions. A personal assistant may need preferences, commitments, and relationship context. A commerce agent needs current product and transaction state far more than historical copies of price or inventory. A research agent benefits from source provenance, unresolved hypotheses, and explicit evidence status.",{},{"id":617,"data":1183,"type":226,"tunes":1185},{"text":1184},"Microsoft Research's M-star work makes this point directly: memory systems optimized for one purpose may transfer poorly to another, and task-specific memory mechanisms can outperform a fixed general-purpose design. The memory schema should therefore follow the decisions the agent must make, not a universal template imposed on every agent.",{},{"id":622,"data":1187,"type":42,"tunes":1189},{"text":1188,"level":219},"What would change this answer?",{},{"id":627,"data":1191,"type":226,"tunes":1193},{"text":1192},"The balance changes when retrieval is slow or expensive, authoritative systems are intermittently unavailable, recomputation is costly, audit rules require historical snapshots, or the agent must operate offline. In those cases, more information may need to be cached or persisted — but with version, provenance, timestamp, and invalidation metadata.",{},{"id":632,"data":1195,"type":226,"tunes":1197},{"text":1196},"The balance also changes for agents whose primary value is personalization. A stable preference may be worth remembering even if it could technically be asked again. Conversely, in high-risk domains, the threshold for converting an observation or interpretation into durable memory should be much higher.",{},{"id":637,"data":1199,"type":226,"tunes":1201},{"text":1200},"Future managed-memory platforms may automate consolidation, retrieval, forgetting, and context construction. That can reduce implementation work, but it does not remove the governance question: which information is allowed to influence future decisions, under what conditions, and when must the system return to the current source of truth?",{},{"id":642,"data":1203,"type":42,"tunes":1205},{"text":1204,"level":219},"Limitations",{},{"id":647,"data":1207,"type":226,"tunes":1209},{"text":1208},"There is no single definition of “agent memory” across current frameworks and research. Some systems use the term for conversation history, others for external persistent stores, structured knowledge, learned procedures, checkpoints, or model adaptation. The decision model in this article focuses on operational lifecycle semantics rather than enforcing one vocabulary.",{},{"id":652,"data":1211,"type":226,"tunes":1213},{"text":1212},"The four lifecycle actions can also overlap. A system may remember a stable summary, retain a pointer to the source, re-read volatile fields, and recompute a derived result in one workflow. The purpose of the model is not to force one storage primitive per fact, but to make the reason for persistence explicit.",{},{"id":657,"data":1215,"type":42,"tunes":1216},{"text":659,"level":219},{},{"id":662,"data":1218,"type":226,"tunes":1220},{"text":1219},"A useful agent does not win by remembering the most. It wins by preserving the right information, returning to authoritative sources when reality can change, recalculating what is safer to derive again, and retiring information that should no longer influence future decisions.",{},{"id":667,"data":1222,"type":226,"tunes":1224},{"text":1223},"The practical question for every candidate memory is therefore not “Can we store this?” but: Will future decisions be more reliable if this survives? If the answer depends on freshness, authority, cost, sensitivity, or revision, encode those conditions into the memory lifecycle instead of trusting retrieval alone.",{},{"id":672,"data":1226,"type":678,"tunes":1231},{"url":1227,"title":1228,"excerpt":1229,"ctaLabel":1230},"https:\u002F\u002Fstajic.de\u002Fblog\u002Ffrom-research-protocol-to-a-general-ai-reasoning-framework","From Research Protocol to a General AI Reasoning Framework","A domain-independent reasoning method for separating evidence from assumptions, testing competing hypotheses, and using explicit validation rules.","Read the reasoning framework",{},{"id":681,"data":1233,"type":42,"tunes":1234},{"text":683,"level":219},{},{"id":686,"data":1236,"type":686,"tunes":1254},{"items":1237,"title":1253},[1238,1241,1244,1247,1250],{"id":690,"answer":1239,"question":1240},"Prefer information that is durable, reusable, provenance-preserving, and expensive or unreliable to reconstruct, such as stable user preferences, accepted project decisions, reusable procedures, and verified long-term constraints.","What information should an AI agent remember long term?",{"id":694,"answer":1242,"question":1243},"Volatile information with an authoritative external source should normally be retrieved again before consequential use. Examples include permissions, inventory, current prices, account state, policy versions, service status, and current documentation.","What should an AI agent retrieve again instead of remembering?",{"id":698,"answer":1245,"question":1246},"Recompute derived values when the calculation is cheap and stale results would be costly. Persisting a derived value makes more sense when recomputation is expensive and the cache includes the source version and invalidation conditions.","When should an AI agent recompute information?",{"id":702,"answer":1248,"question":1249},"Yes. Forgetting, expiry, and supersession are useful controls for transient, obsolete, sensitive, low-value, or misleading information. Unbounded retention can create noise and allow stale or incorrect information to keep influencing future decisions.","Should AI agents forget information?",{"id":706,"answer":1251,"question":1252},"Not by itself. Raw history can preserve evidence, but long-running agents usually need curation, structure, summaries, reusable facts or procedures, retrieval, and lifecycle rules so that low-value history does not dominate future context.","Is storing the entire conversation history a good memory strategy?","AI agent memory lifecycle",{},{"id":712,"data":1256,"type":42,"tunes":1258},{"text":1257,"level":219},"Glossary",{},{"id":717,"data":1260,"type":717,"tunes":1277},{"title":1261,"entries":1262},"Key memory lifecycle terms",[1263,1266,1269,1271,1273,1275],{"term":1264,"anchor":723,"definition":1265},"Memory admission","The decision process that determines whether information is allowed to become persistent agent memory.",{"term":1267,"anchor":727,"definition":1268},"Supersession","Marking an older memory or decision as replaced by newer information while preserving the historical record where needed.",{"term":730,"anchor":731,"definition":1270},"A rule or event that makes a stored or cached value unsafe to reuse without refresh, recomputation, or review.",{"term":734,"anchor":735,"definition":1272},"Metadata describing where information came from, when it was observed, who or what asserted it, and how it was transformed.",{"term":933,"anchor":314,"definition":1274},"The likelihood that information will change between the time it is stored and the time it is reused.",{"term":942,"anchor":740,"definition":1276},"The time, money, computation, tool use, or uncertainty required to recover or regenerate information instead of storing it.",{},{"id":744,"data":1279,"type":42,"tunes":1281},{"text":1280,"level":219},"Primary sources and further reading",{},{"id":749,"data":1283,"type":756,"tunes":1288},{"link":751,"meta":1284},{"image":1285,"title":1286,"description":1287},{"url":317},"OpenAI — Context Engineering: Short-Term Memory Management with Sessions","Guidance on trimming, summarization, long-running context, and risks such as stale details and context poisoning.",{},{"id":759,"data":1290,"type":756,"tunes":1295},{"link":761,"meta":1291},{"image":1292,"title":1293,"description":1294},{"url":317},"Anthropic — Effective Context Engineering for AI Agents","Engineering guidance on curation, compaction, structured note-taking, and maintaining useful agent context over long horizons.",{},{"id":768,"data":1297,"type":756,"tunes":1302},{"link":770,"meta":1298},{"image":1299,"title":1300,"description":1301},{"url":317},"Anthropic — Effective Harnesses for Long-Running Agents","Practical work on preserving progress and artifacts across context windows in long-running agent tasks.",{},{"id":777,"data":1304,"type":756,"tunes":1308},{"link":779,"meta":1305},{"image":1306,"title":782,"description":1307},{"url":317},"Research on transforming raw agent interactions into structured reusable facts and skills rather than accumulating undifferentiated history.",{},{"id":786,"data":1310,"type":756,"tunes":1315},{"link":788,"meta":1311},{"image":1312,"title":1313,"description":1314},{"url":317},"Microsoft Research — M★: Every Task Deserves Its Own Memory Harness","Research showing that task-specific memory mechanisms can outperform fixed general-purpose memory designs.",{},{"id":795,"data":1317,"type":756,"tunes":1321},{"link":797,"meta":1318},{"image":1319,"title":800,"description":1320},{"url":317},"A benchmark for isolating and evaluating memory performance in long-horizon agent environments.",{},{"id":804,"data":1323,"type":756,"tunes":1328},{"link":806,"meta":1324},{"image":1325,"title":1326,"description":1327},{"url":317},"Microsoft Research — Human-Inspired Memory Architecture for LLM Agents","Research exploring consolidation, interference-based forgetting, reconsolidation, and retrieval in persistent agent memory.",{},"2.31.6","Long-running agents should not remember everything. This article provides a practical lifecycle model for deciding what belongs in durable memory, what should be retrieved again, what is safer to recompute, and what should expire or be superseded.",{"lang":7,"title":208,"content":210,"contentJson":1332,"excerpt":813},{"time":212,"blocks":1333,"version":812},[1334,1337,1340,1343,1346,1349,1352,1355,1358,1361,1370,1373,1376,1396,1399,1402,1405,1408,1411,1414,1417,1420,1423,1426,1429,1432,1435,1438,1441,1444,1447,1459,1462,1476,1479,1482,1485,1488,1491,1494,1497,1507,1510,1513,1518,1521,1524,1527,1530,1533,1536,1539,1542,1545,1548,1551,1554,1557,1560,1563,1572,1575,1585,1588,1593,1598,1603,1608,1613,1618],{"id":215,"data":1335,"type":220,"tunes":1336},{"title":217,"maxLevel":218,"minLevel":219},{},{"id":223,"data":1338,"type":226,"tunes":1339},{"text":225},{},{"id":229,"data":1341,"type":234,"tunes":1342},{"body":231,"title":232,"variant":233},{},{"id":237,"data":1344,"type":234,"tunes":1345},{"body":239,"title":240,"variant":241},{},{"id":244,"data":1347,"type":42,"tunes":1348},{"text":246,"level":219},{},{"id":249,"data":1350,"type":226,"tunes":1351},{"text":251},{},{"id":254,"data":1353,"type":226,"tunes":1354},{"text":256},{},{"id":259,"data":1356,"type":226,"tunes":1357},{"text":261},{},{"id":264,"data":1359,"type":42,"tunes":1360},{"text":266,"level":219},{},{"id":269,"data":1362,"type":297,"tunes":1369},{"content":1363,"stretched":43,"withHeadings":14},[1364,1365,1366,1367,1368],[273,274,275,276],[278,279,280,281],[283,284,285,286],[288,289,290,291],[293,294,295,296],{},{"id":300,"data":1371,"type":42,"tunes":1372},{"text":302,"level":219},{},{"id":305,"data":1374,"type":226,"tunes":1375},{"text":307},{},{"id":310,"data":1377,"type":349,"tunes":1395},{"rows":1378,"title":338,"layout":297,"columns":1391},[1379,1381,1383,1385,1387,1389],{"id":314,"label":315,"values":1380},[317,317,317],{"id":319,"label":320,"values":1382},[317,317,317],{"id":323,"label":324,"values":1384},[317,317,317],{"id":327,"label":328,"values":1386},[317,317,317],{"id":331,"label":332,"values":1388},[317,317,317],{"id":335,"label":336,"values":1390},[317,317,317],[1392,1393,1394],{"id":341,"label":342},{"id":344,"label":345},{"id":347,"label":348},{},{"id":352,"data":1397,"type":234,"tunes":1398},{"body":354,"title":355,"variant":356},{},{"id":359,"data":1400,"type":42,"tunes":1401},{"text":361,"level":218},{},{"id":364,"data":1403,"type":226,"tunes":1404},{"text":366},{},{"id":369,"data":1406,"type":226,"tunes":1407},{"text":371},{},{"id":374,"data":1409,"type":226,"tunes":1410},{"text":376},{},{"id":379,"data":1412,"type":42,"tunes":1413},{"text":381,"level":218},{},{"id":384,"data":1415,"type":226,"tunes":1416},{"text":386},{},{"id":389,"data":1418,"type":226,"tunes":1419},{"text":391},{},{"id":394,"data":1421,"type":234,"tunes":1422},{"body":396,"title":397,"variant":398},{},{"id":401,"data":1424,"type":42,"tunes":1425},{"text":403,"level":218},{},{"id":406,"data":1427,"type":226,"tunes":1428},{"text":408},{},{"id":411,"data":1430,"type":226,"tunes":1431},{"text":413},{},{"id":416,"data":1433,"type":42,"tunes":1434},{"text":418,"level":218},{},{"id":421,"data":1436,"type":226,"tunes":1437},{"text":423},{},{"id":426,"data":1439,"type":226,"tunes":1440},{"text":428},{},{"id":431,"data":1442,"type":226,"tunes":1443},{"text":433},{},{"id":436,"data":1445,"type":42,"tunes":1446},{"text":438,"level":219},{},{"id":441,"data":1448,"type":470,"tunes":1458},{"steps":1449,"title":468,"orientation":469},[1450,1451,1452,1453,1454,1455,1456,1457],{"label":445,"description":446},{"label":448,"description":449},{"label":451,"description":452},{"label":454,"description":455},{"label":457,"description":458},{"label":460,"description":461},{"label":463,"description":464},{"label":466,"description":467},{},{"id":473,"data":1460,"type":42,"tunes":1461},{"text":475,"level":219},{},{"id":478,"data":1463,"type":297,"tunes":1475},{"content":1464,"stretched":43,"withHeadings":14},[1465,1466,1467,1468,1469,1470,1471,1472,1473,1474],[482,483,484],[486,278,487],[489,490,491],[493,494,495],[497,498,499],[501,502,503],[505,506,507],[509,510,511],[513,514,515],[517,518,519],{},{"id":522,"data":1477,"type":42,"tunes":1478},{"text":524,"level":219},{},{"id":527,"data":1480,"type":226,"tunes":1481},{"text":529},{},{"id":532,"data":1483,"type":226,"tunes":1484},{"text":534},{},{"id":537,"data":1486,"type":42,"tunes":1487},{"text":539,"level":219},{},{"id":542,"data":1489,"type":226,"tunes":1490},{"text":544},{},{"id":547,"data":1492,"type":226,"tunes":1493},{"text":549},{},{"id":552,"data":1495,"type":42,"tunes":1496},{"text":554,"level":219},{},{"id":557,"data":1498,"type":297,"tunes":1506},{"content":1499,"stretched":43,"withHeadings":14},[1500,1501,1502,1503,1504,1505],[561,345],[563,564],[566,567],[569,570],[572,573],[575,576],{},{"id":579,"data":1508,"type":226,"tunes":1509},{"text":581},{},{"id":584,"data":1511,"type":42,"tunes":1512},{"text":586,"level":219},{},{"id":589,"data":1514,"type":604,"tunes":1517},{"meta":1515,"items":1516,"style":603},{},[593,594,595,596,597,598,599,600,601,602],{},{"id":607,"data":1519,"type":42,"tunes":1520},{"text":609,"level":219},{},{"id":612,"data":1522,"type":226,"tunes":1523},{"text":614},{},{"id":617,"data":1525,"type":226,"tunes":1526},{"text":619},{},{"id":622,"data":1528,"type":42,"tunes":1529},{"text":624,"level":219},{},{"id":627,"data":1531,"type":226,"tunes":1532},{"text":629},{},{"id":632,"data":1534,"type":226,"tunes":1535},{"text":634},{},{"id":637,"data":1537,"type":226,"tunes":1538},{"text":639},{},{"id":642,"data":1540,"type":42,"tunes":1541},{"text":644,"level":219},{},{"id":647,"data":1543,"type":226,"tunes":1544},{"text":649},{},{"id":652,"data":1546,"type":226,"tunes":1547},{"text":654},{},{"id":657,"data":1549,"type":42,"tunes":1550},{"text":659,"level":219},{},{"id":662,"data":1552,"type":226,"tunes":1553},{"text":664},{},{"id":667,"data":1555,"type":226,"tunes":1556},{"text":669},{},{"id":672,"data":1558,"type":678,"tunes":1559},{"url":674,"title":675,"excerpt":676,"ctaLabel":677},{},{"id":681,"data":1561,"type":42,"tunes":1562},{"text":683,"level":219},{},{"id":686,"data":1564,"type":686,"tunes":1571},{"items":1565,"title":709},[1566,1567,1568,1569,1570],{"id":690,"answer":691,"question":692},{"id":694,"answer":695,"question":696},{"id":698,"answer":699,"question":700},{"id":702,"answer":703,"question":704},{"id":706,"answer":707,"question":708},{},{"id":712,"data":1573,"type":42,"tunes":1574},{"text":714,"level":219},{},{"id":717,"data":1576,"type":717,"tunes":1584},{"title":719,"entries":1577},[1578,1579,1580,1581,1582,1583],{"term":722,"anchor":723,"definition":724},{"term":726,"anchor":727,"definition":728},{"term":730,"anchor":731,"definition":732},{"term":734,"anchor":735,"definition":736},{"term":315,"anchor":314,"definition":738},{"term":328,"anchor":740,"definition":741},{},{"id":744,"data":1586,"type":42,"tunes":1587},{"text":746,"level":219},{},{"id":749,"data":1589,"type":756,"tunes":1592},{"link":751,"meta":1590},{"image":1591,"title":754,"description":755},{"url":317},{},{"id":759,"data":1594,"type":756,"tunes":1597},{"link":761,"meta":1595},{"image":1596,"title":764,"description":765},{"url":317},{},{"id":768,"data":1599,"type":756,"tunes":1602},{"link":770,"meta":1600},{"image":1601,"title":773,"description":774},{"url":317},{},{"id":777,"data":1604,"type":756,"tunes":1607},{"link":779,"meta":1605},{"image":1606,"title":782,"description":783},{"url":317},{},{"id":786,"data":1609,"type":756,"tunes":1612},{"link":788,"meta":1610},{"image":1611,"title":791,"description":792},{"url":317},{},{"id":795,"data":1614,"type":756,"tunes":1617},{"link":797,"meta":1615},{"image":1616,"title":800,"description":801},{"url":317},{},{"id":804,"data":1619,"type":756,"tunes":1622},{"link":806,"meta":1620},{"image":1621,"title":809,"description":810},{"url":317},{},"Post erfolgreich abgerufen",{"items":1625,"source":1668,"manualIds":1669,"manualMatchedIds":1670},[1626,1633,1640,1647,1654,1661],{"id":1627,"slug":1628,"title":1629,"excerpt":1630,"featuredImage":1631,"publishedAt":1632},"466","the-gpu-is-not-the-product-future-proof-private-ai-architecture","Le GPU n'est pas le produit : architecture d'IA privée pérenne","Une infrastructure d'IA privée ne devrait pas être conçue autour d'un seul GPU ou d'un seul modèle. Une approche plus résiliente combine des GPU d'inférence rapides, des systèmes d'IA riches en mémoire, des nœuds d'IA physique et des modèles cloud de pointe optionnels derrière une couche de routage prenant en compte les capacités.","\u002Fuploads\u002F2026\u002F09\u002Fthe-gpu-is-not-the-product-future-proof-private-ai-architecture-1790140878812-8hsl39.webp","2026-09-23T01:19:00.000Z",{"id":1634,"slug":1635,"title":1636,"excerpt":1637,"featuredImage":1638,"publishedAt":1639},"467","the-answer-validity-boundary-the-missing-layer-between-relevance-and-reliable-ai-answers","La frontière de validité des réponses : la couche manquante entre la pertinence et les réponses fiables de l'IA","Une source peut être pertinente, faisant autorité et pourtant être erronée pour la question posée. La couche manquante est l'applicabilité : les conditions dans lesquelles une réponse est valable, et les changements qui obligent à la reconsidérer. Cet article présente la Frontière de Validité de la Réponse comme un modèle de conception de source pour les humains, la recherche par IA et les systèmes RAG.","\u002Fuploads\u002F2026\u002F09\u002Fthe-answer-validity-boundary-the-missing-layer-between-relevance-and-reliable-ai-answers-1790272901306-1g5jly.webp","2026-09-24T11:59:00.000Z",{"id":1641,"slug":1642,"title":1643,"excerpt":1644,"featuredImage":1645,"publishedAt":1646},"478","what-is-rag-the-simplest-explanation-of-how-it-works","Qu'est-ce que le RAG ? L'explication la plus simple de son fonctionnement","Le RAG semble compliqué, mais l'idée est simple : avant qu'une IA ne réponde, elle recherche d'abord des informations utiles dans une source de connaissances et transmet ces informations au modèle de langage. Ce guide explique le RAG, les LLM, l'état, la mémoire et les outils à l'aide d'un modèle mental simple.","\u002Fuploads\u002F2026\u002F09\u002Fwhat-is-rag-the-simplest-explanation-of-how-it-works-1790377492124-khjagt.webp","2026-09-25T19:03:00.000Z",{"id":1648,"slug":1649,"title":1650,"excerpt":1651,"featuredImage":1652,"publishedAt":1653},"471","how-to-know-whether-an-ai-agent-actually-used-the-right-evidence","Comment savoir si un agent IA a réellement utilisé les bonnes preuves","Un agent IA peut citer des sources et tout de même utiliser les mauvais éléments de preuve. Cet article présente une méthode pratique pour vérifier le soutien des affirmations, l'autorité de la source, l'applicabilité, la provenance et si les éléments de preuve ont réellement influencé la réponse.","\u002Fuploads\u002F2026\u002F09\u002Fhow-to-know-whether-an-ai-agent-actually-used-the-right-evidence-1790351317188-o5z9ve.webp","2026-09-25T11:47:00.000Z",{"id":1655,"slug":1656,"title":1657,"excerpt":1658,"featuredImage":1659,"publishedAt":1660},"476","mcp-vs-a2a-vs-ucp-vs-ap2-vs-a2ui-the-agent-protocol-stack-explained","MCP vs A2A vs UCP vs AP2 vs A2UI : La pile de protocoles d'agent expliquée","MCP, A2A, UCP, AP2 et A2UI sont souvent présentés comme des standards d'agents concurrents. Ils résolvent principalement des problèmes d'interopérabilité différents. Ce guide associe chaque protocole à la frontière qu'il standardise réellement—et montre comment ils peuvent fonctionner ensemble dans un seul système de production.","\u002Fuploads\u002F2026\u002F09\u002Fmcp-vs-a2a-vs-ucp-vs-ap2-vs-a2ui-the-agent-protocol-stack-explained-1790352625869-2ezle0.webp","2026-09-25T12:09:00.000Z",{"id":1662,"slug":1663,"title":1664,"excerpt":1665,"featuredImage":1666,"publishedAt":1667},"468","ai-agent-memory-is-not-rag-how-to-separate-memory-retrieval-state-and-context","La mémoire des agents IA n'est pas le RAG : comment séparer la mémoire, la récupération, l'état et le contexte","La mémoire des agents, le RAG, l'état et le contexte sont souvent utilisés comme s'ils étaient interchangeables. Ils ne le sont pas. Ce modèle d'architecture pratique sépare les quatre couches, montre où chacune se situe et explique ce qui dysfonctionne lorsque les systèmes les fusionnent en une seule.","\u002Fuploads\u002F2026\u002F09\u002Fai-agent-memory-is-not-rag-how-to-separate-memory-retrieval-state-and-context-1790350560308-np0xy6.webp","2026-09-25T11:34:00.000Z","fallback",[],[]]