Une IA qui écrit moins dans son carnet se souvient mieux de votre dossier

Lundi, votre assistant a rédigé la note du comité de direction. Il connaissait le format, les chiffres et la décision prise en fin de réunion. Mardi matin, vous lui demandez de la compléter. Il repart de zéro, repose les mêmes questions et propose un format différent.

Ce n'est pas de la mauvaise volonté. C'est une question de conception. Un assistant ne se souvient de rien par défaut. Chaque nouvelle conversation démarre vide, comme un intérimaire à qui on ne laisse aucun dossier.

Le 6 novembre, l'équipe d'ingénierie d'Anthropic a publié un long compte rendu de ses travaux sur ce point. Elle y décrit la mémoire d'un agent, et les tests menés pour la rendre utile. Un agent est un assistant qui enchaîne seul plusieurs actions. Le texte parle des produits de son auteur, il faut le garder en tête. Les mécanismes décrits, eux, valent pour n'importe quel projet.

Le lundi il sait tout, le mardi il redemande

Deux mots suffisent pour comprendre le problème.

Une session est une conversation ouverte, menée jusqu'au bout, puis fermée. Un assistant travaille dans une session. Quand vous en ouvrez une nouvelle, il ne garde rien de la précédente, sauf ce qu'on lui a écrit quelque part.

La mémoire désigne exactement cela : ce qui survit à la fermeture, sous forme de fichiers que l'assistant peut relire. Anthropic la distingue de deux autres choses. D'abord ce que le programme a appris pendant son entraînement, qui ne change pas à l'usage. Ensuite ce qu'il retient le temps d'une seule conversation, et qui disparaît avec elle.

L'analogie est celle du classeur. Un salarié qui quitte son poste laisse un classeur. Si le classeur est vide, son remplaçant recommence tout. S'il est bien tenu, il reprend en une heure. La question n'est pas de savoir si l'assistant est doué. Elle est de savoir ce qu'on met dans le classeur.

Deux carnets, deux résultats

Pour mesurer ce point, Anthropic a fait jouer ses modèles à Pokémon Rouge, un jeu ancien dont les parties durent des milliers d'étapes. Le jeu sert de banc d'essai : il faut avancer, se repérer et retenir des leçons sur la durée.

Deux versions du programme ont été comparées, à peu près au même moment de leur partie, vers la dix millième étape.

La première écrivait tout. Elle a produit 413 fichiers de notes, répartis dans 225 dossiers. Chaque combat, chaque objet trouvé et chaque personnage rencontré avait son fichier. Résultat : un seul badge, la marque d'une progression très lente.

La seconde a écrit neuf fichiers dans deux dossiers, plus un fichier de tête. Ce fichier tenait en trois éléments : l'objectif en cours, un plan pour la suite et les règles que le programme s'était données. Résultat : quatre badges.

Moins de notes, quatre fois plus de progression. Le carnet trop rempli coûtait plus qu'il ne rapportait. Vers la dix millième étape, la première version a passé dix-sept actions d'affilée à ranger ses dossiers, sans jouer un seul coup.

Écrire ce qui ne se lit pas à l'écran

La différence tient à une question simple : que faut-il noter ?

Une partie de l'information est visible à chaque instant. L'argent disponible, la position sur la carte, l'état de l'équipe : tout cela se relit à l'écran. Le noter revient à recopier chaque matin le solde de votre compte sur un papier. Le papier sera faux dès le premier retrait.

L'autre partie n'existe nulle part. Une stratégie, un plan, une règle testée puis validée : ces éléments ne survivent que si quelqu'un les écrit. C'est là que la mémoire rapporte.

Un exemple, tiré du compte rendu. Après sept tentatives ratées pour attraper une créature facile, le programme a noté une règle : au-delà de trois échecs, varier le rythme des pressions. La règle a fonctionné tout de suite. Elle vaut pour toutes les captures suivantes, sans avoir à la redécouvrir.

Le même principe vaut pour votre entreprise. Les chiffres du mois se relisent dans votre logiciel de gestion. La raison pour laquelle vous avez refusé un client, elle, ne se relit nulle part.

Relire à froid pour corriger les fausses notes

Reste un défaut. Une note écrite à chaud peut être fausse, et l'assistant la croira dans la session suivante.

Anthropic décrit une parade, qu'elle appelle la relecture à froid. Pendant les temps morts, l'assistant relit ses notes et les compare au déroulé réel de la conversation. Il corrige ce qui ne correspond pas, fusionne les doublons et range ce qui traîne.

L'exemple donné est net. Dans une grotte du jeu, un passage à sens unique renvoie le joueur en arrière. Le programme avait noté, à tort, que la sortie se trouvait d'un côté. Il s'est engagé sur le passage, a perdu la trace du chemin et a conclu qu'il s'était trompé de direction. Il a répété l'erreur trois fois, puis s'est arrêté.

La même partie, avec une relecture à froid, se déroule autrement. Le programme compare sa note au déroulé de la session, constate l'erreur et la réécrit. Il retrouve l'entrée de la grotte et poursuit sa route.

La leçon pour une équipe est directe. Une note fausse ne coûte pas une erreur. Elle coûte toutes les décisions prises ensuite sur cette base.

Un classeur d'entreprise, 128 relectures

Le dernier test porte sur des documents d'entreprise. Anthropic a pris environ 350 000 fichiers internes, issus d'une société qu'elle a rachetée, soit à peu près 420 millions de jetons. Un jeton est la fraction de texte qu'un modèle lit et facture, environ trois quarts d'un mot.

Puis elle a posé 25 questions sur cet ensemble, et laissé l'assistant construire un classeur de fiches liées entre elles, une fiche par sujet.

La progression est lente et régulière. Après deux relectures, l'assistant satisfaisait 13 % des critères de notation. Après 128 relectures, 48 %. Le classeur se bonifie comme celui d'un salarié qui prend ses marques : pauvre la première semaine, solide au bout d'un trimestre.

Un détail compte davantage que le chiffre. Le classeur seul ne suffit pas. Avec un outil de recherche en plus, le score passe de 54 % à 61 % au fil de sa croissance, contre 53 % pour la recherche seule. La combinaison économise aussi environ 20 000 jetons par question.

Tout n'est pas transposable. Sur un second banc d'essai, juridique cette fois, le classeur apportait 87 % de réponses justes contre 73 % pour la recherche seule. Sur une tâche où chaque réponse tenait dans un seul document, il n'apportait rien.

Il peut même nuire. Dans un cas, le classeur a grossi jusqu'à dépasser en taille les documents d'origine. Il ne résumait plus rien. La fiche était exhaustive et inutilisable.

Ce que votre équipe peut copier cette semaine

Décidez ce qui mérite d'être écrit. Une règle, une préférence de client, une raison de refuser. Pas les chiffres, qui se relisent à la source.

Laissez l'assistant juger, mais donnez-lui le cap. Anthropic a testé des consignes strictes, dont une qui demandait de ne noter que les échecs. Chez les programmes les plus récents, cette règle a fait perdre l'essentiel du bénéfice. Indiquer à quoi sert le carnet marche mieux qu'imposer quoi y mettre.

Prévoyez un temps de relecture. Une note fausse se propage à toutes les sessions suivantes. Un contrôle par semaine, sur les notes les plus lourdes de conséquences, coûte moins que trois décisions fondées sur une erreur.

Gardez la tête du carnet courte. La première couche, celle qui est relue à chaque session, doit rester petite. Trop longue, elle dilue l'attention. Le reste se cherche au besoin.

Ce qu'il faut retenir

• Un assistant IA ne se souvient de rien entre deux conversations, sauf ce qu'on lui a écrit dans des fichiers qu'il peut relire.
• Sur une même partie de jeu, la version qui notait tout a produit 413 fichiers et gagné un badge ; celle qui notait neuf fichiers en a gagné quatre.
• Ce qui se relit à l'écran ne mérite pas d'être noté ; une règle testée, une préférence de client, une raison de décider, oui.
• Une note fausse se propage : une relecture à froid, qui compare la note au déroulé réel, la corrige.
• Sur 350 000 documents internes, le classeur de fiches est passé de 13 % à 48 % des critères en 128 relectures.
• Trois gestes suffisent : choisir ce qui mérite d'être écrit, laisser le jugement à l'assistant, relire chaque semaine.