← Le LiveIA CODE LIVE
ARTICLE Par

La mémoire des agents devient un état à structurer, mesurer et restaurer

Illustration éditoriale — La mémoire des agents devient un état à structurer, mesurer et restaurer

V7 traite la mémoire comme une couche de données séparée du context window. Son Context Graph extrait entités, relations et preuves depuis des millions de fichiers, puis laisse les agents interroger cet historique via MCP. Pour les développeurs, conserver le passé ne suffit plus : il faut le structurer, le mettre à jour et relier chaque fait à sa source.

Le nouveau cycle de l’Agent Memory Leaderboard formalise ce besoin. Les systèmes sont évalués séparément sur mémoire textuelle, multimodale et coding agent, avec historique pertinent ou bruité, événements temporels et recherche cross-session. La mémoire devient ainsi un composant mesurable via une API Add/Search stable, plutôt qu’un effet opaque du prompt ou du modèle.

Cohesity ajoute la contrainte opérationnelle : une mémoire utile doit aussi pouvoir revenir à un état sain. Agent Resilience applique snapshots immuables et restauration point-in-time aux mémoires et configurations d’agents Bedrock. En production, cela pousse les équipes à versionner, tester et sauvegarder la mémoire comme n’importe quel autre état critique du runtime.

Références

Sources

Chaque onglet présente la publication d’origine et son lien direct.

OpenAI

How V7 gives AI agents institutional memory

OpenAI décrit V7 Go, qui extrait entités, relations et preuves de millions de fichiers dans un Context Graph interrogeable par les agents et exposé via MCP. La page donne aussi les résultats de V7 sur retrieval, coûts, tool calls et requêtes de graphe avec GPT-5.6 et GPT-6 Astra.

Ouvrir la source ↗