Mémoire à court et long terme des agents
Architecture de mémoire hiérarchique pour les agents autonomes. Distinction entre la mémoire à court terme (Short-Term Memory — fenêtre contextuelle active de la session en cours) et la mémoire à long terme (Long-Term Memory — bases de données vectorielles, fichiers de profil utilisateur et journaux épisodiques).
1. Aperçu du concept et de sa finalité
L'être humain ne conserve pas chaque seconde de son existence dans sa mémoire vive. Vous ne pensez pas à ce que vous avez pris au petit-déjeuner le 14 mai dernier, mais si l'on vous demande le nom de votre ancienne enseignante, votre cerveau remonte instantanément cette information depuis les profondeurs de votre mémoire.
Pour qu'un agent IA devienne un véritable assistant personnel ou un partenaire commercial fiable, il lui faut une architecture hiérarchisée similaire.
L'architecture mémoire de l'agent se divise en deux niveaux :
- Mémoire à court terme (Short-Term Memory) : la mémoire vive (RAM). Il s'agit des messages échangés actuellement dans l'onglet ouvert. Dès que vous fermez le chat, elle est purgée.
- Mémoire à long terme (Long-Term Memory) : le disque dur (SSD). C'est la base de connaissances persistante qui stocke vos habitudes, préférences, contacts et les résultats des projets achevés.
Analogie pratique : la différence entre ce que vous gardez en tête immédiatement et votre journal intime rangé dans le tiroir de votre bureau.
2. Répartition de l'information par l'agent entre les niveaux de mémoire
┌─────────────────────────────────────────────────────────────┐
│ ARCHITECTURE MÉMOIRE À DEUX NIVEAUX │
├─────────────────────────────────────────────────────────────┤
│ ⚡ MÉMOIRE À COURT TERME (Fenêtre de contexte du LLM) : │
│ - Dialogue en cours (« Affiche la ligne n°42 dans le fichier ») │
│ - Brouillon de raisonnement (<scratchpad>) │
│ - Dernières erreurs de compilation (valables jusqu'à la fermeture du chat) │
├─────────────────────────────────────────────────────────────┤
│ 💾 MÉMOIRE À LONG TERME (Base de données externe / Vector DB) : │
│ ├── Profil utilisateur : « Prénom Olena, designer, Mac » │
│ ├── Règles de l'entreprise : « Couleurs de la marque : #00FF55, #111111 » │
│ └── Expérience épisodique : « Ce client demande des reçus au format PDF » │
└─────────────────────────────────────────────────────────────┘
3. Les quatre types de connaissances dans l'esprit d'un agent intelligent
- Mémoire de travail (Working Memory) : la tâche courante pour les deux prochaines minutes.
- Mémoire épisodique (Episodic) : la chronologie des actions passées (ce qui a été fait hier).
- Mémoire sémantique (Semantic) : les faits bruts sur le monde et sur vous (technologies préférées, adresse du bureau).
- Mémoire procédurale (Procedural) : les instructions et algorithmes d'action (comment déployer correctement une release sur le serveur).
4. Conclusion pratique
Lorsque vous construisez ou choisissez un assistant IA, assurez-vous qu'il dispose d'un mécanisme de stockage à long terme (par exemple, des fichiers MEMORIES.md ou une intégration avec une base vectorielle). Sans mémoire à long terme, l'agent est condamné à se réveiller chaque matin comme un étranger atteint d'amnésie totale.
FAQ: Mémoire à court et long terme des agents
Termes associés
Mémoire ChatGPT (Sauvegarde des faits entre les conversations)
Fonctionnalité de mémoire à long terme de ChatGPT (Memory). Permet à l'intelligence artificielle de retenir votre nom, profession, technologies préférées, format de réponse et détails personnels entre des chats totalement différents.
Taille de la fenêtre contextuelle (Mémoire de la conversation en cours)
Volume maximal de texte (en jetons) qu'un modèle linguistique peut conserver simultanément en mémoire lors d'une conversation en cours. Détermine la longueur des documents pouvant être téléchargés en une seule fois sans perte de contenu.
Bases de données vectorielles (Vector DBs & ANN Search)
SGBD spécialisées et extensions (Qdrant, pgvector, Milvus, Chroma, Turso), optimisées pour le stockage de millions de vecteurs multidimensionnels et la recherche approximative des plus proches voisins (Approximate Nearest Neighbors) ultra-rapide.