IA7 novembre 2026Annoncé

Agents d'IA : Anthropic laisse le modèle décider de ses notes

Anthropic a publié le 6 novembre un billet sur la mémoire de ses agents d'IA, qui gardent des notes d'une séance à l'autre. Selon ses tests, la consigne de n'enregistrer que les échecs a réduit le gain de deux modèles récents.

Selon Anthropic, sur 350 000 documents internes d'une entreprise rachetée par l'éditeur, la part des points attendus dans une bonne réponse (grille de correction d'Anthropic) est passée, pour 25 questions, de 13 % après 2 séances à 48 % après 128 séances, pendant lesquelles l'agent a construit un recueil de notes reliées entre elles.
Sur 24 questions portant sur une fusion d'entreprises, l'agent obtient 87 % des points attendus avec ce recueil de notes, contre 73 % avec une recherche classique dans les documents, sans recueil. Sur une tâche de note juridique où une recherche suffisait, le gain n'est pas net.
Précaution : ces mesures viennent d'Anthropic, sur ses propres modèles, sans vérification indépendante. Le billet n'annonce ni date ni offre pour le « rêve » (relecture des notes hors séance).

Ce que ça change pour une direction

Fixez à la mémoire d'un agent un but clair, ce qu'il doit retenir et ne retrouve pas ailleurs, sans dicter chaque note. Évitez d'y stocker des données déjà visibles dans vos outils et vite périmées.
Anthropic avertit qu'une note fausse peut être reprise dans les séances suivantes : faites-la vérifier régulièrement, par une personne ou un contrôle automatique, contre le journal de travail de l'agent.
Avant d'étendre un agent à d'autres équipes, comparez ses réponses avec et sans mémoire sur quelques dizaines de questions réelles de votre métier, et n'étendez que si la mémoire les améliore nettement.

Source :

Anthropic, « The components of agent memory » (titre en anglais), billet d'ingénierie du 6 novembre 2026

Analyse

Le « rêve » : relire pour corriger

Anthropic appelle « rêve » une phase hors séance où l'agent relit son journal de travail, la trace de ses actions, pour corriger ses notes ou en écrire de nouvelles. Exemple du billet, tiré du jeu Pokémon Rouge : une note fausse sur l'emplacement d'un bâtiment ramenait trois fois l'agent sur la route d'où il venait. Après relecture du journal, la note corrigée l'a fait atteindre la ville suivante.

Moins de notes, de meilleures notes

Selon le billet, un ancien modèle, Claude Sonnet 3.7, a enregistré 413 notes, y compris ce que l'écran montre déjà, et il a gagné un badge (une étape franchie dans le jeu Pokémon Rouge). Un modèle récent, Claude Fable 5, a enregistré neuf notes de stratégie et de règles testées, et il a gagné quatre badges. Dans un second essai, des questions de base de données : avec la consigne « n'enregistrer que les échecs », Claude Opus 5 et Claude Opus 4.7 ont perdu une grande part du gain apporté par la mémoire.

Un cas de contrats : une page par contrat

Selon Anthropic, quand plusieurs agents écrivaient dans un même tableau de clauses de contrats, 41 des 57 faits relevés ont été retrouvés dans le recueil final. Avec un agent par contrat, chacun écrivant sa propre page et citant les clauses mot pour mot, les 57 y étaient. Il s'agit d'un essai de l'éditeur sur un jeu de contrats d'évaluation.

Garder la mémoire petite

Dans un autre essai, les notes sont devenues plus longues que les documents d'origine et n'apportaient donc plus de gain de lecture. Anthropic précise que la partie des notes chargée au début de chaque séance doit rester petite. Claude Code, son outil de programmation, n'en charge que les 200 premières lignes, soit au plus environ 25 000 caractères.

#IA #Anthropic #AgentsIA #DSI #Memoire