Anthropic : avec 413 fichiers de notes, Claude décroche 1 badge dans Pokémon ; avec quelques fichiers, il en obtient 4
Un agent qui travaille sur un projet pendant plusieurs jours doit se souvenir du passé, mais des notes à chaque étape deviennent vite obsolètes et le gênent. Dans Pokémon Red, l'ancienne Claude Sonnet 3.7 a créé en 10 000 pas 413 fichiers dans 225 dossiers et n'a obtenu qu'un badge. Claude Fable 5, elle, tenait quelques fichiers de stratégies et de règles vérifiées, et a obtenu quatre badges. C'est comme garder une note par commit au lieu d'un court README. Conclusion : pour la mémoire d'un agent, la sélection compte plus que le volume.
Traité par IA depuis The Decoder ; édité par Hamidun News
Un agent qui travaille sur un projet pendant plusieurs jours repart d'une page blanche à chaque session. On lui donne donc un dossier de notes : il y écrit lui-même et le relit plus tard. Le problème, c'est que ces notes deviennent vite obsolètes.
Imaginez un dépôt où chaque commit a sa propre note, dont la moitié est fausse depuis longtemps, et où le nouvel arrivant doit tout lire. C'est exactement ce qui s'est passé avec Claude dans un test d'Anthropic : dans Pokémon Red, la version qui notait tout a créé 413 fichiers dans 225 dossiers et n'a obtenu qu'un badge, tandis que celle qui se contentait de quelques fichiers en a obtenu quatre. Conclusion de l'étude : la qualité de la mémoire d'un agent ne dépend pas du volume, mais de sa capacité à décider ce qu'il ne faut pas conserver.
Un agent qui note tout se perd
La difficulté principale est le tri. Au moment d'écrire, l'agent ne sait pas ce qui lui servira plus tard : chaque note est donc un pari sur l'avenir. L'ancienne Claude Sonnet 3.7 jugeait tout important : en environ 10 000 pas de jeu, elle a créé 413 fichiers dans 225 dossiers, ouvrant souvent un fichier distinct pour chaque combat et chaque objet trouvé. L'état du jeu change en permanence, et une telle archive devient rapidement caduque. Par moments, le modèle ne jouait pas du tout et se contentait de remettre de l'ordre dans ses notes. Résultat : un seul badge.
La plus récente Claude Fable 5 s'est contentée de quelques fichiers. Elle n'écrivait pas ce qui est de toute façon visible à l'écran et ne consignait que les plans, les stratégies et les règles qu'elle avait elle-même vérifiées. Résultat : quatre badges. Une réserve importante : la comparaison repose sur une seule partie par modèle, c'est donc plus une illustration qu'une statistique.
Le conseil pratique d'Anthropic : expliquer au modèle à quoi sert la mémoire et le laisser décider lui-même comment l'utiliser. Dans l'un des benchmarks, des consignes rigides du type « n'enregistre que les erreurs » ont annulé l'essentiel de l'avantage des modèles puissants. En revanche, des règles claires ont aidé les anciens modèles, par exemple l'obligation de relire les notes avant chaque réponse. Il faut donc adapter le prompt de mémoire à la classe du modèle.
Dreaming : vérifier les notes « pendant le sommeil »
Second écueil : les notes erronées, auxquelles l'agent se fie ensuite aveuglément. Dans le test Pokémon, Claude a mal noté de quel côté d'une montagne se trouvait un repère. Fort de cette note, il est tombé trois fois dans le même piège, a fini par vouloir abandonner et n'a pas atteint son objectif. Une histoire similaire est arrivée avec une note erronée sur l'emplacement d'un Pokémon Center : à cause d'elle, Claude tombait sans cesse d'un rebord.
Pour ces cas, Anthropic propose un processus appelé Dreaming, qui prolonge les idées de chercheurs de Letta et de UC Berkeley. Comme le cerveau retraite l'expérience pendant le sommeil, Claude parcourt entre deux sessions les anciennes transcriptions et y confronte ses notes. Après un tel passage, l'agent a repéré l'erreur, choisi le bon chemin et traversé Mt. Moon jusqu'à Cerulean City. Cela n'a fonctionné qu'avec la note corrigée.
Dreaming sait faire plus : organiser de grandes bases de connaissances. Claude a construit un wiki interconnecté à partir d'environ 350 000 documents internes de Stainless, l'éditeur de logiciels racheté par Anthropic. Le système crée de nouvelles pages, comble les lacunes, supprime les doublons et répare les liens cassés.
Le meilleur résultat est venu de l'association du wiki et de la recherche : le wiki complète la recherche, sans la remplacer. Dans un test juridique distinct, le wiki a été particulièrement utile quand la réponse est dispersée dans plusieurs documents : 87% de réponses justes, contre 73% pour la recherche seule. Sur les requêtes simples, wiki et recherche étaient à peu près à égalité, et dans un cas, le wiki est même devenu plus volumineux que les documents sources.
Ce qui reste non résolu et que faire
Anthropic reconnaît elle-même les limites. Les notes prises en cours de tâche distraient l'agent de son travail. Dreaming exige du calcul supplémentaire, et le résultat arrive avec un délai. Les wikis et les notes demandent un entretien régulier, faute de quoi erreurs et hallucinations s'accumulent. Il ne faut pas non plus charger automatiquement trop de souvenirs dans chaque session : ils consomment du contexte et transmettent une mauvaise note à toutes les sessions futures. Tous les tests ont été réalisés par Anthropic elle-même.
L'entreprise a présenté Dreaming en mai, en research preview pour Claude Managed Agents. Le service lit le stockage de mémoire existant et jusqu'à 100 sessions passées, supprime les doublons et les entrées périmées, puis crée un nouveau stockage sans toucher à l'original. Au lancement, seuls Claude Opus 4.
7 et Sonnet 4.6 étaient pris en charge. D'autres acteurs suivent une voie proche : OpenAI appelle aussi Dreaming la mémoire de ChatGPT mise à jour en juin, qui tient en arrière-plan un profil de l'utilisateur et corrige ce qui est périmé ; selon l'entreprise, la précision tenant compte du temps est passée de 52,2% à 75,1%.
Google dispose de WikiSkill, un wiki pour agents avec des couches distinctes pour les transcriptions brutes, la synthèse des connaissances et les instructions concrètes.
Si vous construisez un agent doté d'une mémoire longue, ne l'obligez pas à tenir un journal de chaque étape. Conservez les stratégies et les règles vérifiées, et n'écrivez pas ce qui est visible dans le contexte courant. Ajoutez une confrontation régulière des notes aux logs de sessions et gardez l'original pour pouvoir revenir en arrière. Pour les grandes bases de connaissances, associez wiki et recherche.
- 18 nov. 2026Une IA trouve une faille inconnue dans V8 pour $4,24 en 13 minutes, alors qu'en février elle n'avait rien trouvé pour $350
- 18 nov. 2026Opus 5.5 a distingué sans la moindre erreur 19 tests de sécurité de 36 tâches ordinaires
- 18 nov. 202612 services de design prêts à l'emploi pour débarrasser les sites IA du slop : gratuits ou à partir de $6 par mois
- 18 nov. 2026Claude Code avec Kimi attendait 22,6 s la vérification des commandes — un modèle rapide ramène ce délai à 9,9 s
Questions clés sur cet article
Que sait-on sur Un agent qui note tout se perd ?
La difficulté principale est le tri. Au moment d'écrire, l'agent ne sait pas ce qui lui servira plus tard : chaque note est donc un pari sur l'avenir. L'ancienne Claude Sonnet 3.7 jugeait tout important : en environ 10 000 pas de jeu, elle a créé 413 fichiers dans 225 dossiers, ouvrant souvent un fichier distinct pour chaque combat et chaque objet trouvé. L'état du jeu change en permanence, et une telle archive devient rapidement caduque.
Que sait-on sur Dreaming : vérifier les notes « pendant le sommeil » ?
Second écueil : les notes erronées, auxquelles l'agent se fie ensuite aveuglément. Dans le test Pokémon, Claude a mal noté de quel côté d'une montagne se trouvait un repère. Fort de cette note, il est tombé trois fois dans le même piège, a fini par vouloir abandonner et n'a pas atteint son objectif. Une histoire similaire est arrivée avec une note erronée sur l'emplacement d'un Pokémon Center : à cause d'elle, Claude tombait sans cesse d'un rebord.
Que sait-on sur Ce qui reste non résolu et que faire ?
Anthropic reconnaît elle-même les limites. Les notes prises en cours de tâche distraient l'agent de son travail. Dreaming exige du calcul supplémentaire, et le résultat arrive avec un délai. Les wikis et les notes demandent un entretien régulier, faute de quoi erreurs et hallucinations s'accumulent. Il ne faut pas non plus charger automatiquement trop de souvenirs dans chaque session : ils consomment du contexte et transmettent une mauvaise note à toutes les sessions futures.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.