Michael JohnsonSi un agent d’IA mémorise un fait erroné, il risque de répéter la même erreur avec assurance lors de la session suivante. Dans une étude publiée par Anthropic le 6 novembre 2026, l’entreprise décrit une méthode pour réviser les notes entre les tâches : l’agent les confronte aux journaux de ses travaux précédents, corrige les inexactitudes et rassemble les informations utiles. L’entreprise appelle ce processus en arrière-plan le « rêve ».
La leçon pratique pour les personnes qui conçoivent des agents persistants : il ne faut pas évaluer la mémoire au nombre de notes enregistrées, mais à la capacité du système à vérifier leur provenance, à mettre à jour les informations qui ont changé et à retrouver les éléments pertinents dans une vaste archive. Les expériences d’Anthropic montrent à la fois l’intérêt de cette approche et les conditions dans lesquelles la mémoire commence à devenir un obstacle.
Ce que les chercheurs entendent par mémoire d’un agent
Dans sa description des composants de la mémoire, Anthropic la définit comme l’ensemble des connaissances issues d’interactions et de tâches antérieures, conservées entre les sessions sous la forme d’un contexte accessible à l’agent. Il s’agit d’une couche distincte du système : des notes, des fichiers, des index et d’autres représentations externes, et non d’une modification des paramètres du modèle ou d’un simple résumé de la conversation en cours.
Le dispositif comporte plusieurs niveaux. Un journal ou une transcription consigne les événements ; des notes en extraient des observations individuelles ; des représentations connexes, comme un wiki, rassemblent les informations par thème ; une petite couche supérieure peut être chargée à l’avance dans une nouvelle session. L’agent doit décider quoi conserver, quoi vérifier plus tard et quoi présenter directement à l’exécution suivante.
Ce dernier choix est particulièrement difficile : l’importance d’un événement ne devient souvent claire qu’après que l’agent a vu la suite. Anthropic a donc étudié une séparation entre le travail pendant la session et le traitement en arrière-plan. Pendant l’exécution, l’agent laisse des journaux et des notes ; par la suite, une passe distincte peut les réexaminer, confronter les sources et actualiser la structure de la mémoire.
Comment le mécanisme a été évalué
Au lieu d’un test général unique, l’entreprise a décrit plusieurs tâches : répondre à des questions sur une base de connaissances, terminer Pokémon Rouge, créer un wiki à partir de documents d’entreprise et préparer une note juridique à partir des conditions d’accords. Cet ensemble évalue différentes fonctions de la mémoire : conserver des règles d’une session à l’autre, sélectionner les détails utiles, corriger une erreur et rassembler des informations provenant de plusieurs documents.
Dans l’une des tâches sur la base de données, chaque question commençait dans une nouvelle session. Seul le dossier mémoire était conservé d’une session à l’autre, et le modèle pouvait y accéder. Les chercheurs comparaient les résultats avec et sans mémoire et observaient également la façon dont les modèles produisaient leurs notes. Anthropic souligne une distinction importante : une note contenant une règle vérifiée et expliquant son origine peut aider à répondre à la question suivante, tandis qu’un ensemble de suppositions non vérifiées ne constitue pas une boucle d’apprentissage fiable.
Dans une expérience distincte, un agent a construit un wiki à partir d’environ 350 000 documents internes, soit quelque 420 millions de jetons. Puis 128 sessions successives ont complété et vérifié les pages, corrigé les liens et fusionné les doublons. L’évaluation reposait sur 25 questions portant sur le corpus. Il s’agit d’une tâche expérimentale circonscrite à un ensemble donné de documents, et non d’une évaluation universelle de la mémoire de tous les agents.
Ce que les expériences ont montré
Dans la tâche sur la base de connaissances, la mémoire a amélioré le résultat moyen de plusieurs modèles. Par exemple, pour Opus 5.5, la proportion moyenne de critères remplis est passée de 0,655 sans stockage à 0,838 avec stockage ; pour Sonnet 5.5, elle est passée de 0,644 à 0,833. Le résultat dépendait toutefois de la manière dont le modèle utilisait les notes : Claude Sonnet 4.6 ne consultait souvent pas les fichiers mémoire avant de répondre, tandis qu’Opus 5.5 et Sonnet 5.5 formulaient mieux des règles vérifiées et les réutilisaient par la suite.
L’expérience avec Pokémon a montré le coût d’un archivage excessif. Lors d’un essai, Sonnet 3.7 a créé 413 fichiers répartis dans 225 dossiers, consignant de nombreuses rencontres, de nombreux objets et personnages. Une grande partie de ces informations devenait rapidement obsolète : la position et l’état du jeu changeaient, et l’agent consacrait des actions à analyser et à réorganiser ses notes. Dans une comparaison distincte, vers 10 000 étapes, Fable 5 utilisait neuf fichiers dans deux dossiers et un fichier général séparé ; selon Anthropic, Fable 5 a obtenu quatre badges, contre un pour Sonnet 3.7.
Un exemple particulièrement parlant concerne une note erronée sur l’emplacement du Centre Pokémon près de la grotte du Mont Sélénite. L’agent pensait avoir déjà traversé la grotte et se retrouvait à nouveau sur l’itinéraire précédent. Une passe en arrière-plan a confronté la note au journal d’actions, détecté l’erreur et l’a réécrite. L’agent est alors retourné à l’entrée et a atteint Azuria ; la variante dont la note n’avait pas été corrigée restait bloquée sur le même tronçon. Dans ce cas, le « rêve » a servi à vérifier l’historique, et non à ajouter librement de nouveaux faits.
Dans l’expérience sur le grand wiki, le score fondé sur les critères pour les 25 questions est passé de 13 % à 48 % au fil de sa construction. Lors d’une comparaison distincte, le wiki seul, sans recherche, a obtenu 48 % ; avec le wiki et la recherche, le résultat est passé de 54 % à 61 %, tandis que la recherche sans wiki a obtenu 53 %. Dans cette expérience, le wiki servait plutôt de carte des relations et de couche thématique par-dessus la recherche que de substitut aux documents d’origine.
Pourquoi une mémoire plus grande n’est pas toujours meilleure
Une note est une prédiction sur l’avenir : l’agent suppose que l’information enregistrée lui sera à nouveau utile. Cette prédiction peut devenir obsolète, être erronée ou faire doublon avec des informations directement accessibles dans l’état actuel de l’environnement. Dans un jeu, la position du personnage est visible à l’écran, tandis qu’une stratégie déduite ou une règle vérifiée ne peut pas être retrouvée de la même façon sans refaire le raisonnement.
L’expérience sur les documents a révélé un autre risque : les erreurs de structure. Plusieurs agents ont compilé simultanément les conditions des contrats sur une page commune et écrasé des parties du tableau. Le wiki ne contenait alors que 41 des 57 faits vérifiables, et la première note juridique remplissait 72 % des critères. Après l’attribution d’une page distincte à chaque contrat et la reprise littérale des conditions importantes, la note a atteint 100 % des critères. Pour les formulations à valeur juridique, conserver les citations et les liens vers les documents d’origine s’est révélé plus utile qu’un résumé général.
Enfin, la création d’un wiki ne justifie pas toujours son coût. Pour une tâche dont les réponses figuraient dans un seul document, Anthropic n’a pas constaté de gain évident par rapport à une recherche textuelle classique. Dans un autre test, le wiki créé était plus volumineux que les fichiers d’origine. Ces résultats suggèrent une règle d’usage simple : une structure élaborée est utile lorsque les questions exigent régulièrement de relier des informations provenant de plusieurs sources ; pour des recherches simples, elle peut alourdir la maintenance sans apporter de bénéfice notable.
Ce que l’on peut retenir pour concevoir des agents
Les résultats plaident en faveur d’une architecture pratique en trois parties. D’abord, conservez les journaux primaires afin que les notes reposent sur des éléments vérifiables. Ensuite, produisez des notes compactes sur les conclusions, les règles et les plans, en indiquant leur origine et si elles ont été vérifiées. Enfin, lancez périodiquement une passe distincte pour repérer les contradictions dans ces notes, corriger les liens et réorganiser l’index, sans remplacer les documents d’origine par son propre résumé.
Pour les informations susceptibles de changer, il est utile de conserver la date ou le contexte de validité et de vérifier la note lorsqu’elle est réutilisée. Pour les connaissances stables, il faut conserver la source et sa confirmation. Quant au contexte général de chaque session, il ne devrait contenir qu’un index succinct : Anthropic relève également que les instructions chargées consomment la fenêtre de contexte et qu’une note erronée ajoutée automatiquement à chaque exécution peut diffuser la même erreur à de nombreuses reprises.
La principale leçon de l’étude est que la mémoire d’un agent devient utile grâce à la sélection et à la maintenance, et non à l’accumulation. L’archive conserve l’historique, la recherche retrouve les passages pertinents, les notes structurées relient les règles récurrentes, et la vérification en arrière-plan confronte les conclusions aux éléments de preuve primaires. C’est ce lien vérifiable qui transforme l’expérience passée en ressource pour la session suivante.
