Sediment Palace : une mémoire locale pour agents IA inspirée des strates géologiques

En 2025, les agents IA ont atteint des sommets impressionnants : ils écrivent du code, analysent des documents, négocient et pilotent des outils. Mais la plupart partagent une faiblesse fondamentale : la mémoire. Plus exactement, ils n'en ont pas d'une session à l'autre, ou l'organisent de manière extrêmement grossière.

Un développeur ayant publié un article sur Habr a pris deux concepts existants et les a fusionnés en un système inédit : Sediment Palace. Le principe repose sur une analogie avec la géologie. La mémoire n'est pas organisée comme une liste plate d'enregistrements ni comme un espace vectoriel, mais comme une structure en couches où les données se « déposent » littéralement avec le temps.

Les informations récentes, c'est-à-dire les événements des dernières minutes ou heures, occupent la couche supérieure. Elles sont accessibles rapidement, prennent beaucoup de place et ne sont pas compressées. Au fil du temps, les enregistrements s'enfoncent : ils sont tassés, agrégés, perdent en détail mais gardent l'essentiel. Les couches les plus anciennes sont comme des fossiles : toujours accessibles, mais très compressées, et consultées plus rarement.

C'est une analogie directe avec le fonctionnement de la mémoire humaine. Nous nous rappelons nettement ce que nous avons mangé au petit-déjeuner aujourd'hui, vaguement ce qui s'est passé il y a un mois, et ne conservons que des « empreintes » condensées d'événements vieux de plusieurs années. Le cerveau fait exactement ce que Sediment Palace tente de reproduire par logiciel : tasser automatiquement l'expérience ancienne tout en préservant ses motifs clés.

Contrairement aux approches classiques, comme les systèmes RAG sur bases de données vectorielles ou la simple fenêtre de contexte, le modèle de sédimentation fonctionne en local et de façon déterministe. Il n'exige pas d'API de base de données externe, pas de recherche probabiliste sur des embeddings, et ne dépend pas de la taille de la fenêtre de contexte du modèle. C'est l'agent lui-même qui gère ce dont il se souvient et sous quelle forme.

L'auteur reconnaît que l'idée n'est pas entièrement originale. Il a repris deux approches existantes, le concept de mémoire hiérarchique et la métaphore des couches géologiques, pour les assembler en une architecture fonctionnelle. Cette honnêteté fait la valeur de la publication : le domaine des outils d'IA regorge de travaux qui réinventent la roue sans citer leurs prédécesseurs. Ici, c'est l'inverse.

L'intérêt pratique du système apparaît surtout avec des agents à longue durée de vie : assistants personnels, chercheurs automatisés, agents de supervision. Pour des tâches où une session dure non pas des minutes mais des jours ou des semaines, Sediment Palace propose un compromis entre l'exhaustivité de l'historique et le coût de son stockage.

Une question importante se pose à la découverte du concept : comment l'agent décide-t-il ce qu'il faut tasser et ce qu'il faut écarter lors du passage d'une couche à l'autre ? C'est là que l'élégance architecturale se heurte aux difficultés pratiques. Toute heuristique d'« importance » est inévitablement subjective, et c'est le principal défi de ce type de système.

La seule apparition de tels projets est pourtant révélatrice. La communauté des développeurs s'intéresse de plus en plus non à la puissance des modèles, mais à l'infrastructure qui les entoure. Mémoire, outils, orchestration : c'est la prochaine frontière. Sediment Palace est l'une des expériences menées à cette frontière, et elle mérite l'attention.