Mémoire pour agents IA : de la complexité à 300 lignes de code

La mémoire est l'un des problèmes les plus ardus lorsqu'on construit des systèmes autonomes à base d'agents IA. Le développeur Nikolay Gusev a passé des mois à chercher une solution viable et raconte comment il est arrivé à une approche à la fois simple et évolutive.

MemPalace et la première erreur

Tout a commencé par une idée ambitieuse : MemPalace, un système de mémoire inspiré de l'architecture des palais médiévaux. Sur le papier, c'était astucieux, mais en pratique il a produit 58 mille fragments en double et s'est transformé en labyrinthe infranchissable. Trop de couches d'abstraction, trop de magie. L'agent se perdait dans sa propre mémoire.

Le chemin vers la simplicité

Après MemPalace, l'auteur a ramené la stack à quatre composants : MEMORY.md (base principale), USER.md (contexte utilisateur), SQLite state.db (état), HippoRAG (recherche) et des fichiers wiki (données structurées). Mais même cela lui paraissait excessif. Le bon choix a été d'écrire `findings_to_wiki`, un simple script Python de 300 lignes qui enregistre automatiquement les analyses structurées (repérées par des titres comme `## Findings`) dans des fichiers markdown et les convertit en pages wiki. Pas de frameworks, pas d'ORM : seulement des fichiers et du texte.

Passer à l'échelle : ClickHouse

Avec un seul agent, le stockage en fichiers fonctionne parfaitement. Mais pour gérer plus de 100 utilisateurs en simultané, il faut une vraie base de données. C'est là qu'intervient ClickHouse 24.x. Ses principales fonctionnalités :

• Recherche vectorielle via la fonction `cosineDistance()` : recherche rapide de souvenirs sémantiquement proches
• Recherche textuelle avec l'index `tokenbf_v1` : recherche plein texte dans la mémoire
• Partitionnement par user_id : l'isolation des données des utilisateurs est intégrée à la base
• TTL pour la suppression automatique : les anciens enregistrements sont effacés sans intervention manuelle

ClickHouse exécute analyses et recherches sur des millions d'enregistrements en quelques millisecondes. Pour la mémoire d'un agent, c'est largement suffisant.

Ce que cela signifie

L'enseignement principal : ne commencez pas par la montée en charge. Résolvez le problème simplement (fichiers, markdown, 300 lignes de code), puis passez à l'échelle seulement si nécessaire. Nikolay a montré que la meilleure voie d'ingénierie va de la complexité vers la simplicité, et non l'inverse.