« Je te l’ai dit hier ! » Et pourtant non : hier n’existe pas pour un modèle de langage. Ses connaissances sont figées à l’entraînement, et sa fenêtre de contexte (le bureau de notre article sur la fenêtre de contexte) se vide à chaque nouvelle conversation. Un LLM est, par construction, un amnésique brillant.
Et pourtant ChatGPT connaît vos préférences, Claude retient vos projets, les assistants de code se souviennent de vos habitudes. De la magie ? Non : tout ce qui ressemble à de la mémoire est un système externe, construit autour du modèle. Aujourd’hui, on démonte ces systèmes, étage par étage. Vous allez voir : c’est pas sorcier.
Le collègue Memento
L’image juste, c’est le héros du film Memento : incapable de fabriquer des souvenirs, il s’en sort par un système : tatouages pour l’essentiel, polaroids annotés, notes partout. Il ne se souvient de rien ; son système se souvient pour lui.
Une IA « qui a de la mémoire », c’est exactement ça. Le modèle reste amnésique : ses poids ne changent jamais pendant que vous l’utilisez. Autour de lui, un système extrait, stocke, et repose les bonnes notes sur le bureau au début de chaque session. Trois conséquences immédiates :
- La « mémoire » n’est pas de l’apprentissage : le modèle ne devient pas plus intelligent, il est mieux briefé (la nuance fine-tuning vs contexte, déjà croisée dans l’article sur le RAG).
- Tout souvenir rappelé occupe le bureau : la mémoire consomme du contexte, avec sa facture.
- Ce qui est stocké peut être lu, édité, supprimé, et c’est une excellente nouvelle.
Étage 1 : la mémoire de travail (déjà vue)
La fenêtre de contexte : tout ce qui est sur le bureau pendant la session. Volatile par nature : c’était l’article sur la fenêtre de contexte, avec ses six patterns de compression. Retenez juste qu’elle est le point de passage obligé : quelle que soit sa provenance, un souvenir n’agit que s’il finit posé sur le bureau.
Étage 2 : les fiches utilisateur, la mémoire de ChatGPT et Claude
Le système le plus connu du grand public. Pendant la conversation, un processus discret repère ce qui mérite d’être retenu et l’écrit sous forme de petites fiches :
« Développe en .NET et Blazor » · « Préfère les réponses concises » · « Prépare une certification Azure »
À chaque nouvelle session, les fiches pertinentes sont réinjectées dans le contexte, et voilà pourquoi ChatGPT « sait » ce que vous faites dans la vie. Deux mécanismes cohabitent chez OpenAI : les souvenirs explicites (les fiches, consultables et supprimables une à une dans les réglages) et la référence à l’historique (piocher dans vos anciennes conversations). Claude joue une partition proche avec sa mémoire par projets, activable et visualisable : vous pouvez lire ce qu’il a retenu, le corriger, l’effacer.
Le réflexe à prendre : allez lire vos fiches. C’est votre profil vu par la machine, et parfois, une fiche périmée (« travaille en Java » depuis 2024…) biaise toutes vos réponses. Une mémoire s’entretient.
Étage 3 : la mémoire d’outil (l’assistant qui prend des notes)
Un étage plus discret, mais bien réel, surtout si vous codez avec une IA :
- Copilot CLI entretient une repository memory : les conventions découvertes en travaillant (« tests en triple A », « telle bibliothèque pour les endpoints ») sont notées et resservies, plus une mémoire inter-sessions pour retrouver le fil de la semaine passée (les détails sur notre blog dev Sense of [Blog]).
- Claude Code tient des fichiers de mémoire en Markdown : des notes datées, organisées, versionnables. La forme la plus inspectable qui soit : on peut relire, ligne par ligne, ce que l’IA a retenu.
Notez la parenté avec Memento : dans les deux cas, ce sont des fichiers texte que le système relit au démarrage. Pas de boîte noire, juste des notes.
Étage 4 : la mémoire écrite par l’humain (vos fondations)
Et voici le twist : vous pouvez tenir la plume vous-même. Les fichiers d’instructions qu’on donne aux assistants de code (AGENTS.md, consignes de projet, journaux de décisions) : qu’est-ce que c’est, sinon des souvenirs rédigés par vous, injectés à chaque session ? Un carnet de chantier, en somme : tout ce qui a été décidé, noté noir sur blanc, consultable par quiconque arrive sur le chantier, humain ou IA.
La différence avec l’étage 3 est une différence de plume : ici l’humain écrit (fiable, intentionnel, relu), là l’outil apprend (automatique, mais faillible). Les deux se complètent : l’humain écrit les fondations, l’outil apprend le reste.
Étage 5 : la mémoire recherchable (le RAG sur votre passé)
Dernier étage, pour les gros volumes : quand les souvenirs se comptent en milliers, on ne peut plus tout réinjecter. On les indexe (embeddings, base vectorielle, comme dans l’article sur le RAG) et on ne rappelle que les plus pertinents pour la question du moment. Le bibliothécaire, appliqué à votre propre historique. Certains systèmes d’agents poussent l’idée jusqu’aux graphes de connaissances : des souvenirs reliés (ce client → préfère → livraison express), pas juste empilés.
Le cycle complet (et ses pièges)
Toute mémoire d’IA vit le même cycle en quatre temps : extraire (que retenir, une fois la réponse écrite ?), stocker (fiche, fichier, vecteur), rappeler (poser sur le bureau au bon moment), entretenir (dédupliquer, mettre à jour, périmer). Et chaque temps a son piège :
- La mémoire polluée : une fiche fausse ou périmée est réinjectée à chaque session, un biais permanent. D’où l’importance de l’inspectabilité (et l’avantage des mémoires en fichiers texte : elles se relisent).
- La vie privée : ce qui est mémorisé voyage dans chaque prompt. En entreprise, la question « que retient l’outil, où, pour qui ? » mérite d’être posée avant le déploiement ; les modes incognito/mémoire désactivée existent pour de bonnes raisons.
- Le trop-plein : mémoriser trop, c’est ressusciter la dilution de la fenêtre de contexte. Une bonne mémoire oublie : c’est une fonctionnalité, pas un défaut.
En résumé
| Étage | Qui écrit | Durée de vie | Exemple |
|---|---|---|---|
| Fenêtre de contexte | la session | la conversation | le bureau |
| Fiches utilisateur | l’outil (auto) | des mois | ChatGPT Memory, mémoire Claude |
| Mémoire d’outil | l’outil (auto) | la vie du projet | repository memory de Copilot CLI |
| Fondations écrites | vous | la vie du projet | AGENTS.md, journaux de décisions |
| Mémoire indexée | l’outil | illimitée | RAG sur l’historique, graphes |
- Un LLM est amnésique par construction : toute « mémoire » est un système externe qui re-briefe le modèle à chaque session.
- Se souvenir = extraire, stocker, rappeler, entretenir, et le rappel passe toujours par le bureau (donc se paie).
- Lisez vos fiches : une mémoire s’inspecte, se corrige, s’épure, et en entreprise, elle se gouverne.
- La mémoire la plus fiable reste celle que vous écrivez : vos consignes et vos notes de décisions sont des souvenirs de première classe.
Le collègue Memento s’en sort très bien, à condition de tenir ses notes à jour. Offrez le même soin à vos outils : quelques fiches justes valent mieux qu’un carnet gonflé de souvenirs douteux. Vous voyez : c’est pas sorcier.
