La mémoire n'est pas le primitif d'agent que vous croyez

La plupart des agents en production n'ont pas besoin de mémoire. Ils ont besoin de récupération de contexte, et ces deux choses ne sont pas identiques.

Si vous avez évalué Zep, Mem0 ou Letta cette année, vous faites vos achats sur un marché qui a fusionné deux produits distincts sous un seul mot.

Vous avez raison de vouloir que vos agents progressent d'une session à l'autre. Le problème, c'est que la moitié des outils de votre liste ont été conçus pour résoudre un problème différent : le rappel de faits au sein d'une seule conversation, et non la capitalisation de connaissances sur des mois de travail. Cet article distingue les deux camps, vous indique lequel votre agent requiert réellement, et signale les indicateurs de marché que la plupart des acheteurs manquent.

• Le marché est en réalité deux marchés. Camp 1 optimise le *rappel*. Camp 2 optimise la *capitalisation*. La plupart des acheteurs les confondent.

• Zep a changé de positionnement. En 2026, la société est passée de la «mémoire» à l'«Context Engineering». C'est le signal public le plus clair dans cet espace.

• Zilliz a lancé MemSearch. Une société de base de données vectorielle a livré un système où des fichiers markdown se trouvent en amont de sa propre base de données vectorielle.

• La plupart des agents métier ont besoin de Camp 2. Si votre agent doit s'améliorer dans son travail sur des semaines et des mois, une infrastructure de rappel est la mauvaise couche.

• Combiner les deux est coûteux. Deux systèmes avec des chemins d'écriture qui se chevauchent produisent des souvenirs contradictoires qui se corrompent mutuellement.

Le marché vend du rappel. Vos agents ont probablement besoin de capitalisation.

Parcourez GitHub. Il y a plus de 450 dépôts étiquetés `agent-memory` et plus de 460 étiquetés `context-management`. Presque aucun ne trace une ligne claire entre les deux.

Cette ambiguïté est le problème central du marché. La mémoire semble être une chose unique, donc les acheteurs la traitent comme une chose unique, donc les vendeurs la commercialisent comme une chose unique. Résultat : les développeurs paient pour une infrastructure vectorielle qu'ils doivent ensuite reconstruire en markdown de toute façon.

La distinction n'est pas théorique. Camp 1 pose la question *que doit retenir l'IA ?* et livre une base de données. Camp 2 pose la question *dans quel contexte l'IA doit-elle opérer ?* et livre un substrat. Les deux sont utiles. Ils ne sont pas interchangeables.

Si vous choisissez une infrastructure pour un agent d'une entreprise qui compte sur cet agent pour progresser réellement sur des mois de travail, webvise peut vous aider à définir la bonne couche avant que vous ne signiez un contrat annuel.

Camp 1 : Memory Backends (optimisés pour le rappel)

Les outils de Camp 1 font une chose bien. Ils prennent une conversation, en extraient les faits importants, les stockent dans une base de données vectorielle et les récupèrent quand la conversation suivante en a besoin. La boucle est simple.

C'est ce que la plupart des gens entendent par «mémoire d'agent». C'est le camp le plus important en nombre d'étoiles GitHub, et c'est celui vers lequel la plupart des acheteurs se tournent par défaut, car l'argument de vente est facile : votre chatbot se souviendra que l'utilisateur habite à San Francisco.

Camp 1 est la bonne réponse pour les chatbots, la persistance des préférences utilisateur et le rappel de faits rapide avec une latence inférieure à 200 ms. C'est la mauvaise réponse pour les agents qui doivent comprendre l'*état* d'un travail continu sur cinq projets, trois outils et deux mois.

La limite est architecturale, pas d'implémentation. Une base de données vectorielle vous indique la correspondance la plus proche à une requête. Elle ne vous dit pas ce qui a changé depuis la semaine dernière, ni pourquoi, ni comment cela affecte la décision que vous vous apprêtez à prendre.

Camp 2 : Context Substrates (optimisés pour la capitalisation)

Camp 2 inverse la boucle. Au lieu d'extraire des faits des conversations vers une base de données, l'agent lit des fichiers de contexte structurés et lisibles par l'humain, effectue son travail à l'intérieur de ces fichiers, puis y réécrit. À la session suivante, le contexte est plus riche. Rien n'est «extrait».

C'est le schéma qu'Andrej Karpathy a décrit comme le LLM Wiki : une base de connaissances personnelle que le modèle compile une fois et maintient à jour, plutôt que de re-dériver les réponses à partir de fragments à chaque requête. La propriété clé est la capitalisation. Le contexte s'améliore avec l'usage.

Camp 2 est la bonne réponse quand vous faites tourner un agent en continu, quand plusieurs outils ou plusieurs agents écrivent dans la même base de connaissances, ou quand vous avez besoin que le système s'améliore de façon mesurable sur des semaines et des mois sans reconstruire le pipeline à chaque fois.

Le test le plus simple : l'agent a-t-il besoin de savoir ce qui s'est passé mardi dernier, ou a-t-il besoin de connaître la *structure* de votre activité en ce moment ? La seconde question relève de Camp 2.

Le repositionnement qui dit tout

Vous n'avez pas besoin d'un analyste pour lire ce marché. Deux mouvements publics, tous deux de sociétés qui vendent de la mémoire, expliquent quel camp est en train de gagner.

Zep se présentait autrefois comme une société de mémoire. En 2026, elle a changé ce positionnement pour l'Context Engineering. Une société financée dans cet espace ne se repositionne pas pour le plaisir. Elle l'a fait parce que les acheteurs qui payaient le plus avaient cessé de demander de la mémoire et avaient commencé à demander un contexte qui se capitalise.

Zilliz, la société derrière Milvus, a lancé MemSearch. MemSearch est un système où les fichiers markdown sont la source de vérité et où la propre base de données vectorielle de Zilliz se trouve en aval comme couche d'accès. C'est une société de base de données vectorielle qui reconnaît publiquement que le markdown appartient en amont des vecteurs.

Prédiction : dans six mois, l'«Context Engineering» remplacera la «mémoire» comme étiquette par défaut pour toute infrastructure d'agent sérieuse. Commencez à lire les pages produits avec cette substitution en tête et le positionnement réel deviendra évident.

Comment déterminer de quel camp vous avez réellement besoin

Voici le cadre de décision, réduit à des règles pratiques.

La plupart des agents orientés métier relèvent de Camp 2. Si votre agent gère la prospection commerciale, le suivi des comptes clients, les opérations de contenu, ou tout domaine où le résultat doit s'affiner avec le temps, vous achetez Camp 1 comme composant au mieux, pas comme le système.

L'erreur coûteuse est l'inverse. Un bot de support client construit sur un substrat Camp 2 lourd semblera lent et sur-ingénié. Faites correspondre le camp à la mission, pas l'inverse.

Ce que cela signifie pour votre décision d'achat

Trois recommandations concrètes avant de signer un contrat.

• Prototypez en markdown d'abord. Avant d'acheter un produit de mémoire, prototypez le cas d'usage sur un substrat markdown simple avec une couche de récupération. Si ce prototype résout votre problème, vous n'avez jamais eu besoin de Camp 1.

• Évaluez les fournisseurs sur la capitalisation, pas sur le rappel. Les benchmarks de rappel (LongMemEval et autres) renseignent sur Camp 1. Ils ne vous disent pas si le système est plus performant à la semaine 12 qu'à la semaine 1. Concevez des évaluations qui mesurent cela directement.

• Choisissez un seul chemin d'écriture. Si vous combinez Camp 1 et Camp 2, définissez quelle couche gère les écritures. Deux systèmes avec des écritures qui se chevauchent, voilà comment on se retrouve avec des faits contradictoires qui se corrompent mutuellement.

La couche de connaissances IA est l'infrastructure sur laquelle tout cela repose, et la plupart des entreprises avec lesquelles nous travaillons n'ont pas besoin d'une nouvelle base de données vectorielle pour en disposer. Elles ont besoin du bon substrat, du bon schéma, et de la discipline pour le laisser se capitaliser.

Si vous planifiez une infrastructure d'agent et souhaitez un second avis avant de signer, webvise aide les entreprises à concevoir des couches de connaissances d'agent qui se capitalisent. Parlez-nous avant de choisir un camp.