Mémoire de l'IA : ce que c'est, comment elle fonctionne et ce qu'elle stocke

La mémoire de l’IA désigne les informations qu’un assistant d’IA conversationnel enregistre à partir de vos conversations passées et réintègre dans les nouvelles, afin de se souvenir de vos préférences et de votre contexte. Le modèle lui-même n’en conserve rien. L’assistant les stocke séparément et les réinjecte lorsqu’elles sont pertinentes, ce qui donne au modèle un contexte persistant qui lui ferait autrement défaut.

Ce guide explique comment les assistants enregistrent et retrouvent ces informations, ce qu’ils stockent, pourquoi ils se trompent parfois, et comment les consulter, les modifier ou désactiver la mémoire.

Qu’est-ce que la mémoire de l’IA?

La mémoire de l’IA, aussi appelée mémoire persistante, désigne une fonctionnalité d’assistant d’IA qui stocke des informations à votre sujet, comme vos préférences, des faits et le contexte d’interactions passées, que l’assistant peut utiliser dans des conversations ultérieures.

Un assistant d’IA peut constituer ce dossier à partir de ce que vous lui demandez de retenir, des détails qu’il relève de lui-même et des clavardages antérieurs auxquels il peut se reporter.

La couche de mémoire de l’IA permet aux assistants d’IA d’offrir des réponses personnalisées sans que vous ayez à communiquer vos préférences dans chaque clavardage. Si vous avez dit à un assistant que vous vous entraînez pour un marathon et que vous préférez les kilomètres, votre prochaine question sur l’allure obtiendra une réponse en kilomètres sans que vous ayez à le répéter.

Plutôt que de réexpliquer votre situation dans chaque clavardage, la mémoire vous évite de taper et garde l’invite courte, ce qui compte, car les entrées longues rendent les réponses moins précises.

La mémoire n’est pas une transcription de chaque conversation, mais un ensemble de faits clés à votre sujet. Elle se souviendra donc que vous préférez les kilomètres. Retrouver le plan d’entraînement exact rédigé le mois dernier dépend de la capacité de l’assistant à consulter également les clavardages passés.

Types de mémoire de l’IA

Des chercheurs de l’Université de Princeton (2024) ont emprunté la terminologie des sciences de la mémoire humaine pour classer les types de systèmes de mémoire de l’IA. Leur cadre distingue la mémoire de travail de la mémoire à long terme :

• Mémoire de travail : Ce que le modèle retient pour l’étape en cours, soit la conversation jusqu’ici et tout ce qu’il a récupéré. Aussi appelée mémoire à court terme.
• Mémoire à long terme : Mémoire persistante d’une session à l’autre. C’est le type de mémoire dont traite cet article.

La mémoire à long terme comprend trois types de mémoire :

• Mémoire épisodique : Traces des interactions passées, comme le clavardage dans lequel vous avez demandé un plan d’entraînement le mois dernier.
• Mémoire sémantique : Connaissances sur le monde et sur vous, comme votre préférence pour les kilomètres.
• Mémoire procédurale : La façon dont un agent d’IA se comporte, intégrée aux poids du modèle ainsi qu’au code et aux invites qui font fonctionner l’agent. Dans un assistant d’IA, l’équivalent le plus proche est l’invite système et vos instructions personnalisées.

Agrandir

Mémoire d’assistant d’IA ou mémoire d’agent d’IA

La mémoire d’assistant d’IA et la mémoire d’agent d’IA sont toutes deux des mémoires à long terme. La mémoire d’assistant d’IA est surtout une mémoire sémantique et stocke des faits à votre sujet, afin que les réponses vous correspondent. La mémoire d’agent, comme Brain de Perplexity, stocke ce que l’agent a fait et comment cela s’est déroulé, y compris ce qui a fonctionné et ce que vous avez corrigé, afin qu’il entame chaque nouvelle tâche en meilleure position.

La mémoire de l’IA comparée aux fenêtres de contexte, aux données d’entraînement et aux instructions personnalisées

On confond facilement la mémoire de l’IA avec trois autres éléments qui façonnent une réponse : la fenêtre de contexte du modèle, les données d’entraînement et les instructions personnalisées. Chacun contient des informations différentes, dure plus ou moins longtemps et est contrôlé par un système différent.

Une fenêtre de contexte correspond à la quantité de texte qu’un grand modèle de langage (LLM) peut lire en une seule fois et couvre la conversation en cours. Elle est réinitialisée lorsque vous commencez un nouveau clavardage.

Certains modèles actuels disposent de grandes fenêtres de contexte d’un million de jetons ou plus; techniquement, vous pourriez donc coller vos informations clés dans chaque conversation. Mais le traitement de tout ce contenu ajoute de la latence et des coûts.

Plusieurs études ont également constaté que la précision des résultats diminue à mesure que l’entrée s’allonge, même lorsque la réponse se trouve dans le contexte.

Une étude de l’Université de l’Illinois et d’Amazon publiée en 2025 l’a observé même lorsque les modèles pouvaient réciter chaque détail pertinent : la précision a chuté de 13,9 à 85 % à mesure que les entrées atteignaient 30 000 jetons, bien en deçà des limites annoncées des modèles. NoLiMa, un banc d’essai de 2025 conçu par Adobe Research et la LMU de Munich, a révélé que 11 des 13 modèles testés affichaient des performances nettement inférieures dès 32 000 jetons lorsque la question et la réponse ne partageaient aucun mot-clé. Le rapport de Chroma de juillet 2025 l’a observé sur 18 modèles, y compris lorsqu’ils répondaient à partir d’un historique de clavardage de 113 000 jetons.

Les données d’entraînement sont les informations intégrées aux poids du modèle avant sa publication. Les utilisateurs ne peuvent pas les modifier. Les développeurs peuvent affiner un modèle sur de nouvelles données, mais il s’agit d’un processus d’ingénierie, pas d’un paramètre utilisateur,

Les instructions personnalisées sont des règles enregistrées dans les paramètres de l’assistant, que vous rédigez et modifiez vous-même pour personnaliser le comportement et les résultats de l’assistant d’IA. Par exemple, vous pourriez utiliser des instructions personnalisées pour définir le ton et le style des réponses ou les sources que l’assistant peut utiliser.

Voici comment ces quatre éléments se comparent :

Ce que stocke la mémoire de l’IA

Les assistants conservent certains détails à votre sujet, comme des faits, des préférences et des résumés, et certains s’appuient aussi sur vos clavardages passés.

• Faits et préférences que vous lui demandez de retenir : Il s’agit de détails que vous demandez explicitement à l’assistant d’enregistrer, comme « souviens-toi que je préfère les kilomètres ». L’assistant crée le souvenir lorsque vous le demandez, et celui-ci est conservé jusqu’à ce que vous le supprimiez ou qu’une conversation ultérieure le mette à jour.
• Détails qu’il relève dans vos conversations : L’assistant les enregistre lorsque le paramètre est activé. Perplexity « privilégie la fréquence des questions posées et des informations fournies par l’utilisateur », si bien que ce que vous mentionnez souvent a plus de chances d’être retenu que ce que vous ne mentionnez qu’une fois. Le souvenir est conservé jusqu’à sa mise à jour ou jusqu’à ce que vous le supprimiez.
• Références à vos clavardages passés : L’assistant s’appuie directement sur les conversations antérieures plutôt que sur une liste enregistrée. Perplexity appelle cela l’historique de recherche : vos questions et réponses passées, utilisées pour rendre une nouvelle réponse plus pertinente.

Fonctionnement de la mémoire de l’IA

Le modèle d’IA ne se souvient de rien d’une conversation à l’autre. C’est le système de mémoire de l’IA qui s’en charge : il tient un dossier distinct à votre sujet et ajoute les éléments pertinents à chaque nouvelle conversation. Le stockage et la récupération se font en coulisse, de sorte que le modèle les lit en même temps que votre question.

Agrandir

Ce processus se déroule en cinq étapes :

1. Enregistrement : L’assistant enregistre un souvenir lorsque vous le lui demandez, ou lorsqu’il juge qu’un détail mérite d’être conservé.
2. Stockage : Les souvenirs sont versés dans une base de données distincte du modèle. Dans de nombreux systèmes, il s’agit d’une base de données vectorielle, ce qui permet de les rechercher selon leur sens. La liste que vous voyez dans les paramètres est une vue de cet espace de stockage de la mémoire.
3. Récupération : Lorsque vous envoyez un message, l’assistant détermine quels souvenirs s’appliquent. De nombreux systèmes le font en convertissant votre message et chaque souvenir en plongements (embeddings), des représentations numériques du sens, puis en choisissant les correspondances les plus proches. C’est ainsi qu’ils peuvent retrouver un souvenir même s’il n’a aucun mot en commun avec votre question. Les systèmes plus simples chargent tous les souvenirs enregistrés dans chaque conversation.
4. Utilisation : Les souvenirs récupérés sont insérés sous forme de texte brut dans l’entrée, généralement dans un bloc d’instructions que le modèle lit avant votre message. Le modèle les traite comme n’importe quel autre texte de cette entrée.
5. Mise à jour et suppression : L’assistant extrait des faits des clavardages, cherche parmi les souvenirs existants et décide s’il faut ajouter le fait comme nouveau souvenir, mettre à jour un souvenir existant, le fusionner avec l’un d’eux ou supprimer un ancien souvenir qui contredit de nouvelles informations. Certains assistants horodatent chaque souvenir pour distinguer les informations récentes des plus anciennes.

Défis et risques de la mémoire de l’IA

La mémoire de l’IA vise à améliorer la qualité des réponses, mais les bancs d’essai montrent que la récupération en mémoire ne fait pas toujours ressortir des informations pertinentes ou à jour, surtout à partir de grandes bases de données. Elle pose aussi des risques pour la sécurité et la confidentialité.

Voici les problèmes de fiabilité et de sécurité courants liés à la mémoire de l’IA :

• Souvenirs mal appliqués : Un souvenir peut être intégré à une réponse avec laquelle il n’a rien à voir. Une étude de 2026 a testé 18 modèles pour déterminer si un souvenir enregistré dans un domaine de la vie déteignait sur une réponse portant sur un autre. Le taux d’échec médian était de 53 %. L’étude a aussi révélé qu’une fois que la mémoire contenait les convictions des utilisateurs ou une expertise revendiquée, presque tous les modèles les reprenaient, même si la question exigeait une réponse neutre.
• Souvenirs périmés : L’assistant continue d’agir en fonction d’un détail après qu’une conversation ultérieure l’a rendu inexact, surtout lorsque vous ne l’avez jamais dit explicitement. Dans un banc d’essai de mai 2026, qui vérifiait si les modèles remarquent de tels changements implicites, le meilleur modèle a obtenu une moyenne de 55,2 %.
• Surcharge de mémoire : Plus un assistant a de contenu à relire, plus il lui est difficile de repérer ce qui compte. LongMemEval, un banc d’essai de 2024, a révélé que les modèles lisant un historique de clavardage d’environ 115 000 jetons obtenaient des résultats de 30 % à 60 % inférieurs à ceux des modèles qui ne recevaient que les sessions pertinentes.
• Empoisonnement de la mémoire : De fausses informations ou des instructions cachées s’introduisent dans la mémoire d’un assistant, par exemple par l’intermédiaire d’un contenu que vous lui demandez de lire, ce qui entraîne des réponses biaisées ou dangereuses, ou des fuites de données.
• Risques pour la confidentialité : La mémoire conserve des renseignements personnels au-delà du clavardage d’où ils proviennent, parfois plus longtemps que vous ne le pensez. Perplexity, par exemple, peut conserver un journal des souvenirs supprimés jusqu’à 30 jours à des fins de sécurité et de débogage. La législation sur la protection des données considère les souvenirs stockés comme des données personnelles; vous devriez donc pouvoir les consulter et les supprimer.

Comment consulter, modifier et désactiver la mémoire de l’IA

Vous pouvez voir ce qu’un assistant a enregistré, le supprimer, désactiver la mémoire ou utiliser un clavardage privé qui ne crée pas de souvenirs.

La gestion de la mémoire se résume à quelques commandes. Voici ce que fait chacune d’elles et quand l’utiliser :

Pour repartir de zéro, désactivez la mémoire et effacez ce qui est enregistré.

Comment Perplexity gère la mémoire

La mémoire de Perplexity fonctionne avec tous les modèles proposés.

Perplexity personnalise les réponses à partir de deux sources : les souvenirs, c'est-à-dire les préférences et les détails que vous partagez, et votre historique de recherche. Lorsqu'un souvenir influence une réponse, il figure parmi les sources de cette réponse; vous pouvez ainsi voir quels souvenirs ont été utilisés et supprimer n'importe lequel d'entre eux.

Agrandir

Vous pouvez aussi personnaliser vos réponses en fournissant des renseignements sur vous et des instructions personnalisées pour les projets (chaque projet possède sa propre couche de mémoire).

Agrandir

Perplexity peut utiliser le contenu de la mémoire pour améliorer ses modèles sur les comptes grand public (jamais sur les comptes Enterprise), à moins que vous ne désactiviez cette option (« Conservation des données d'IA » dans Paramètres → Préférences → Intelligence artificielle).

Les abonnés Max et Enterprise Max ont aussi accès à Brain, une couche de mémoire partagée qui enrichit la mémoire en suivant vos projets et votre travail. Brain possède son propre interrupteur et ignore les sessions de navigation privée.

Essayez Perplexity et voyez comment les souvenirs façonnent votre prochaine réponse.

FAQ sur la mémoire de l'IA

Qu'est-ce que la mémoire limitée en IA?

IBM définit l'IA à mémoire limitée comme une IA capable de se souvenir d'événements et de résultats passés et de surveiller des situations au fil du temps, sans toutefois pouvoir conserver ces données dans une bibliothèque à long terme d'expériences passées. Il s'agit de l'une des quatre catégories d'une taxonomie des systèmes d'IA, dans laquelle IBM range les agents conversationnels et les assistants virtuels.

La mémoire d'assistant est une mémoire externe que ces systèmes ajoutent par-dessus. Elle persiste d'une session à l'autre, ce qui permet à un assistant d'utiliser des détails que vous avez partagés lors d'une conversation précédente.

Quel assistant d'IA a la meilleure mémoire?

Aucun assistant n'est le meilleur pour tout le monde. Une bonne mémoire est une mémoire que vous pouvez contrôler; évaluez donc les outils d'IA en vous posant quatre questions : Pouvez-vous voir ce qu'il a enregistré? Pouvez-vous supprimer un souvenir indépendamment du clavardage dont il provient? L'entraînement est-il un paramètre distinct de la mémoire? Existe-t-il un mode temporaire ou de navigation privée qui ne crée aucun souvenir?

Un modèle d'IA apprend-il de ce qu'il retient à votre sujet?

Utiliser la mémoire dans une réponse est un processus différent de l'entraînement. Perplexity affirme récupérer le contexte pertinent dans le stockage de votre mémoire au lieu de traiter votre historique comme des données d'entraînement. La possibilité que votre contenu serve à améliorer les modèles relève d'un paramètre distinct. Sur les comptes grand public, Perplexity peut utiliser le contenu de la mémoire à cette fin, et l'option « Conservation des données d'IA » permet de désactiver cette utilisation.

Agrandir

Que faut-il éviter de confier à la mémoire de l'IA?

Évitez de confier à la mémoire de l'IA tout ce que vous ne voudriez pas voir enregistré, utilisé pour établir votre profil ou répété plus tard : renseignements d'identité et financiers, informations sur la santé, mots de passe, renseignements sur d'autres personnes et tout ce qui concerne des enfants. Le Commissariat à la protection de la vie privée du Canada (mai 2025) et le National Cyber Security Centre du Royaume-Uni (mars 2023) recommandent d'éviter toute requête qui poserait problème si elle devenait publique.

Les filtres réduisent les risques pour la vie privée, mais ne garantissent pas que vos renseignements de santé ou financiers ne seront pas du tout enregistrés; passez donc en revue votre banque de mémoire et utilisez la navigation privée pour les questions délicates ponctuelles.