Anthropic fait passer la précision des agents dotés de mémoire de 54 % à 61 %

La plupart des systèmes dotés d'une « mémoire » se contentent en réalité d'empiler d'anciennes conversations dans un dossier. Au bout de quelques semaines, l'agent n'en tire pas un avantage mais un grenier numérique : des notes contradictoires, des états périmés et des dizaines de fichiers qu'il faut relire avant chaque action.

Anthropic propose un modèle plus utile. L'agent doit conserver non pas tout ce qu'il a vu, mais ce qui servira lors de la prochaine session : des règles vérifiées, l'objectif en cours, un plan de travail et les pièges qui lui ont déjà coûté des erreurs. Puis, pendant les périodes d'inactivité, il revient sur ses journaux de travail, vérifie ses notes et les reconstruit. Les chercheurs appellent ce processus dreaming — le « rêve ».

La mémoire est une prévision, pas une archive

Quand un agent note une règle, il fait en réalité un pari : cette information sera de nouveau nécessaire et il est plus avantageux de la conserver que de la retrouver. La qualité de la mémoire dépend donc avant tout de la capacité à distinguer l'important du provisoire.

L'expérience menée avec Pokémon Red l'illustre bien. Claude Sonnet 3.7 enregistrait presque chaque rencontre, chaque combat et chaque objet trouvé. Vers les 10 000 pas, il avait créé 413 fichiers dans 225 dossiers, mais n'avait obtenu qu'un seul badge. Une partie des notes devenait vite obsolète, et l'agent consacrait de plus en plus d'actions à l'entretien de sa propre archive.

Un autre modèle, Fable 5, s'est limité à neuf fichiers dans deux dossiers et à un document principal. On y trouvait l'objectif en cours, le plan de progression et les règles d'utilisation de la mémoire. Des notes distinctes décrivaient les itinéraires et les astuces de jeu éprouvées. Cet agent a obtenu quatre badges : il avait moins de mémoire, mais chaque entrée l'aidait à prendre la décision suivante.

Le principe pratique est simple. Inutile de conserver des coordonnées, un solde ou l'état d'une tâche si l'agent peut les obtenir immédiatement auprès d'un outil fiable. Il faut conserver ce qui n'existe pas dans le système externe : les leçons tirées des erreurs, les régularités confirmées, les plans et les raisons des décisions prises.

Le « rêve » corrige les erreurs commises avec assurance

Le danger d'une mémoire persistante est qu'une note erronée survive à la session qui l'a produite. Au lancement suivant, l'agent lit sa propre note comme une source de vérité et reprend la mauvaise décision.

Lors d'une partie de Pokémon, Claude avait noté à tort que le centre de soins se trouvait du côté est de la montagne. Il en a conclu qu'il avait déjà traversé la grotte, s'est trompé de chemin et est revenu plusieurs fois sur le même itinéraire. Après la troisième répétition, l'agent a en pratique abandonné.

Pendant le « rêve », le modèle a comparé la note au journal d'origine, repéré l'écart et corrigé l'emplacement du lieu. Au lancement suivant, Claude est retourné dans la grotte et a atteint une nouvelle ville. Ce qui compte ici n'est pas l'anecdote de jeu, mais le schéma d'ingénierie : le journal d'actions reste la preuve primaire, et la mémoire est un dérivé modifiable qu'il faut vérifier périodiquement.

Ce que cela apporte aux agents en production

Anthropic a testé la même approche sur un corpus d'environ 350 000 documents internes, soit quelque 420 millions de jetons. Les agents ont construit pas à pas une base de connaissances reliée : ils créaient des pages, fusionnaient les doublons, corrigeaient les affirmations et les vérifiaient par rapport aux sources. Lorsque le traitement en arrière-plan est passé de deux à 128 sessions, le résultat sur l'ensemble de questions est passé de 13 % à 48 % des critères d'évaluation.

Pourtant, la base de connaissances n'a pas remplacé la recherche. Le meilleur résultat est venu de l'association des deux mécanismes : la carte des connaissances accumulées indique où chercher, et l'outil de recherche permet de vérifier les détails dans la source primaire. À mesure que la base se développait, le résultat de cette association est passé de 54 % à 61 %, contre 53 % pour la recherche seule.

Pour un développeur, la conclusion est très concrète. Commencez par une petite mémoire : un fichier avec l'objectif et les prochaines étapes, une section distincte pour les règles confirmées et des liens vers les journaux d'origine. Ajoutez une tâche de fond qui cherche les contradictions, signale les conclusions non confirmées et supprime ce qui est périmé. N'imposez pas à un modèle puissant des dizaines de règles strictes sur ce qu'il faut mémoriser : dans les essais d'Anthropic, l'exigence de ne conserver que les erreurs réduisait l'utilité de la mémoire.

Les métriques proviennent de modèles propres à l'entreprise et de petits jeux de tâches ; on ne peut donc pas transposer ces pourcentages à n'importe quel produit. Mais la conclusion architecturale paraît solide : la bonne mémoire d'un agent n'est pas un journal infini, mais un modèle du monde compact, vérifiable et régulièrement réécrit.