ProGraph : une mémoire à deux couches pour agents LLM devance Mem0, RAG et HippoRAG

Des chercheurs ont présenté ProGraph (Profile-Graph Memory), une architecture de mémoire à long terme à deux couches pour agents LLM. Publiée en préprint sur arXiv en juillet 2026, elle atteint 80,1 % sur le nouveau benchmark MemHop et 78,4 % sur LoCoMo, devant Mem0, A-Mem, HippoRAG et RAG.

Pourquoi un nouveau benchmark

MemHop est un benchmark de 1000 questions, avec une profondeur de liens de 1 à 5 sauts (hops) sur 10 scénarios de réseaux sociaux, et un balisage des preuves à chaque saut. Selon le préprint publié sur arXiv, les tests de mémoire existants évaluent surtout le rappel en un seul saut (single-hop recall) et mesurent à peine les associations multi-hop, c'est-à-dire la liaison de faits à travers une chaîne d'entités intermédiaires. MemHop comble cette lacune et permet d'évaluer séparément la profondeur de raisonnement de l'agent.

Comment fonctionne ProGraph

ProGraph repose sur deux couches et ne construit pas de graphe de connaissances explicite. La première, la profile expansion, parcourt les sous-chaînes de noms d'entités qui apparaissent naturellement dans les profils textuels rédigés par le modèle lui-même. Elle remplace a minima la construction manuelle d'un knowledge graph. La seconde couche, les compression residuals, regroupe les dates exactes, les quantités et les objets nommés. Ces éléments sont extraits en même temps que chaque mise à jour de profil, sans appel d'API supplémentaire (zero extra API cost).

L'ablation sur la grille complète des configurations (full-grid ablation) montre que les mécanismes sont spécialisés. Sans profile expansion, le score perd 22,6 points de pourcentage sur MemHop ; sans extraction conjointe des compression residuals, il perd 8,6 points sur LoCoMo. Les effets croisés au sein d'une même architecture restent inférieurs à 3 points.

• Benchmark MemHop : 1000 questions, profondeur de 1 à 5 sauts, 10 scénarios de réseaux sociaux
• ProGraph : 80,1 % sur MemHop (au niveau de la référence FullContext) et 78,4 % sur LoCoMo (+11,3 pt par rapport à FullContext)
• La profile expansion gère le multi-hop : −22,6 pt sur MemHop lorsqu'elle est retirée
• Les compression residuals assurent la précision : −8,6 pt sur LoCoMo sans extraction conjointe
• Devance Mem0, A-Mem, HippoRAG et RAG sur les deux benchmarks

Pourquoi ce résultat compte

Sur LoCoMo, ProGraph dépasse de 11,3 points la référence FullContext. Sur MemHop, elle l'égale, sans conserver tout l'historique dans la fenêtre de contexte et sans construire de graphe explicite. L'agent peut donc répondre à des questions en chaîne à partir de profils compressés et de faits résiduels, sans recourir à l'historique complet des échanges.

« L'expansion par profils assure le raisonnement multi-hop, et les

résidus de compression la précision de l'extraction », indique le résumé du préprint sur arXiv.

Les auteurs ont mis en accès libre le benchmark MemHop, l'implémentation de ProGraph et les implémentations de référence des concurrents : les chiffres annoncés peuvent donc être reproduits de manière indépendante.

Ce que cela signifie

La mémoire des agents LLM s'éloigne de l'approche « tout mettre dans le contexte » et des lourds graphes de connaissances, au profit de profils textuels légers complétés par des faits ponctuels. ProGraph montre qu'une méthode peu coûteuse peut rattraper le contexte complet sur les questions profondes, et le dépasser lorsque la liaison de faits sur plusieurs sauts est déterminante.

Questions fréquentes

Qu'est-ce que MemHop ?

MemHop est un benchmark destiné à tester la mémoire multi-hop des agents LLM : 1000 questions avec une profondeur de liens de 1 à 5 sauts sur 10 scénarios de réseaux sociaux, et un balisage des preuves à chaque étape.

En quoi ProGraph se distingue-t-il de Mem0 et de RAG ?

ProGraph utilise deux couches, un parcours par noms dans des profils textuels et une extraction conjointe de faits précis (dates, nombres, objets), à la place d'un graphe de connaissances explicite. Sur les benchmarks MemHop et LoCoMo, il devance Mem0, A-Mem, HippoRAG et RAG.

Peut-on reproduire les résultats ?

Oui. Les auteurs ont publié le benchmark MemHop, l'implémentation de ProGraph et les implémentations de référence, de sorte que les mesures peuvent être refaites de façon autonome.