L'ESSENTIEL EN 30 SECONDES

  • Publié le 6 novembre, le billet distingue trois composantes : les notes prises en cours de tâche, le choix de ce qui mérite d'être gardé et un « rêve » hors ligne qui relit les transcriptions passées.
  • Sur la tâche de base de données de CL-Bench 1.0, un espace mémoire persistant fait passer la récompense moyenne d'Opus 5.5 de 0,655 à 0,838 et celle de Sonnet 5.5 de 0,644 à 0,833.
  • Anthropic reconnaît des limites : la consolidation coûte du calcul, des notes erronées peuvent être reprises plus tard et certains wikis dépassent la taille de leurs sources.

Anthropic a publié le 6 novembre un billet de recherche qui expose sa conception de la mémoire des agents d'IA. L'entreprise en retient une définition étroite : les connaissances que Claude tire de son expérience et conserve sous une forme lisible d'une session à l'autre. Les modifications des poids du modèle, l'apprentissage en contexte et la compression des longues conversations n'en font pas partie.

Trois briques de base

La première est la note de mémoire. Pendant une tâche, Claude peut signaler un événement ou écrire dans un espace mémoire, et chaque note est présentée comme un pari sur l'utilité future de l'information. La deuxième est la saillance, c'est-à-dire décider quoi garder sans savoir ce qui viendra ensuite. Selon Anthropic, les modèles les plus puissants font de meilleurs choix lorsqu'on les laisse juger par eux-mêmes plutôt que de leur imposer des règles fixes. La troisième est ce que l'entreprise appelle le « rêve » : une passe hors ligne, inspirée du sommeil, qui relit transcriptions et journaux pour corriger des erreurs, rédiger de nouvelles notes ou construire des références structurées comme des wikis.

Pour mesurer l'effet, Anthropic présente CL-Bench 1.0. Dans la tâche de base de données, chaque question est traitée dans une nouvelle session Claude Managed Agents, avec pour seul lien un répertoire mémoire persistant. Grâce à lui, Opus 5.5 passe de 0,655 à 0,838 de récompense moyenne et Sonnet 5.5 de 0,644 à 0,833. Le plus ancien Sonnet 4.6 progresse à peine (de 0,330 à 0,364) ; le billet relève qu'il consultait sa mémoire avant de répondre moins d'une fois sur deux, et des consignes affinées le portent à 0,641.

Exemples et limites affichées

D'autres essais s'appuient sur Pokémon Rouge. Un modèle ancien a accumulé 413 fichiers, quand un plus récent s'est contenté de 10 et a gagné davantage de badges. Dans une autre partie, le « rêve » a corrigé une note erronée sur un lieu de la carte qui enfermait l'agent dans une boucle. Sur un corpus d'environ 350 000 fichiers de Stainless, une société rachetée par Anthropic, un wiki construit en 128 sessions a fait passer le score d'Opus 5 sur 25 questions de 13 % à 48 % des critères notés, d'après le billet. Interesting Engineering, qui a couvert ces travaux, met aussi en avant ces tests.

Anthropic ne cache pas les points faibles. La consolidation consomme du calcul, prendre des notes en pleine tâche peut détourner du travail, des notes fausses ou périmées risquent d'être tenues pour fiables plus tard, et dans un essai le wiki a fini plus volumineux que les documents qu'il résumait. Le billet ne présente pas le « rêve » comme une fonction commerciale ; il renvoie vers des guides pratiques et des outils existants.