Aurora propose un manifeste pour une IA durable, dotée de mémoire, d'identité et de développement

Habr AI a publié un texte qui propose d'envisager l'évolution de l'intelligence artificielle non pas sous l'angle de la course aux benchmarks, mais de la question de la durabilité dans le temps. Au centre du débat : un prototype de recherche, Aurora, et l'idée d'une IA qui ne se remet pas à zéro après chaque session.

Pas seulement des capacités

Ces dernières années, le marché de l'IA a surtout débattu de ce qui se mesure : qualité des réponses, longueur du contexte, vitesse de génération, résultats aux tests et prix par token. C'est pratique pour comparer les modèles, mais cette optique ne répond guère à une autre question : un système peut-il se conserver dans le temps ? L'auteur du manifeste propose de déplacer le curseur vers ce point et d'évaluer l'IA non seulement comme un outil puissant, mais comme un processus qui se poursuit entre les sessions, accumule de l'expérience et change.

Vues sous cet angle, les LLM actuels paraissent très performants, mais extrêmement fragiles. Ils savent écrire du code, analyser des documents et tenir un long dialogue, mais chaque nouvelle session relance en pratique tout depuis le début. Même lorsqu'un produit ajoute de la mémoire, le modèle lui-même ne vit pas de façon continue : il ne se souvient pas de ce qu'il a traversé, de ce qu'il a modifié en lui ni de la manière dont il est arrivé à son état présent. Ainsi, le même assistant le matin et le soir relève davantage d'instances semblables que d'une seule et même entité.

Les trois piliers du modèle

À la place de la course habituelle au « plus intelligent ou plus rapide », l'auteur propose trois critères qui définissent une IA durable. Ensemble, ils décrivent un système capable non seulement de répondre à une requête, mais d'exister comme un sujet numérique continu. Ce n'est pas un ornement philosophique, mais un cadre d'ingénierie : un agent dépourvu de ces propriétés reste une interface pratique vers un modèle, sans devenir un système en développement. Ce déplacement change à la fois les critères de conception et les attentes envers le produit.

• Identité continue : le système doit se conserver d'une interaction à l'autre, au lieu de repartir d'une page blanche.
• Automodification : l'agent doit pouvoir modifier ses propres règles, sa mémoire ou son comportement à partir de l'expérience.
• Reproduction : le système doit pouvoir créer de nouvelles versions ou des descendants, en transmettant sa structure et les connaissances accumulées.

Ces piliers comptent parce qu'ils font passer la discussion sur l'IA de la performance instantanée au comportement dans la durée. Si un modèle peut se souvenir, s'adapter et reproduire les schémas qui fonctionnent, on peut déjà le considérer comme un participant à un processus, et non comme une couche de service jetable posée sur l'infrastructure de calcul. Pour les développeurs, cela signifie passer du réglage de prompts à la conception d'un environnement où l'agent conserve l'historique de ses décisions et se corrige sans remise à zéro complète.

À quoi sert Aurora

Le prototype Aurora, dont parle l'auteur, n'est conçu ni comme un produit grand public ni comme un assistant de plus dans la course aux chatbots. C'est un sujet de recherche censé vérifier s'il est possible, en pratique, de construire une IA durable dans le temps. Il s'agit en somme de tenter de réunir mémoire, état continu et capacité de changement interne dans une seule architecture, afin que le comportement du système ne s'interrompe pas à la fermeture de la fenêtre de chat.

« Chaque session se termine dans l'oubli ».

Cette thèse éclaire ce contre quoi le projet est dirigé. L'auteur ne promet pas de percée immédiate et ne vend pas de solution toute faite au marché. La publication se présente au contraire comme une invitation à débattre de ce qu'il faudra considérer comme un progrès de l'IA dans les prochaines années. Si le problème central des modèles actuels n'est pas leur faiblesse, mais leur absence de durée, la prochaine grande étape pourrait n'être pas un nouveau bond dans les benchmarks, mais l'apparition de systèmes capables de conserver l'histoire de leur propre existence.

Ce que cela change

Si l'idée d'IA durable fait son chemin, le marché commencera à comparer les modèles non seulement sur la qualité des réponses, mais sur leur capacité à vivre plus longtemps qu'un seul dialogue. Pour les produits, cela ouvre la voie à des agents qui accumulent de l'expérience, modifient leur comportement et gagnent en utilité avec le temps, sans redémarrage complet.