Les agents IA ont besoin de docs, pas de mémoire
Original : Agents don't need memory, they need documentation
Pourquoi c'est important
Remet en question toute une catégorie de produits IA aujourd'hui très financée.
Kevin Liao soutient que les plugins mémoire pour agents IA reposent tous sur du RAG mal conçu. Selon lui, le vrai problème n'est pas l'oubli, mais l'absence de documentation structurée du projet.
Dans un billet publié le 3 octobre 2026, Kevin Liao démonte l'architecture commune à tous les plugins mémoire pour agents IA. Le principe est toujours le même : extraire des snippets de transcriptions de sessions, les indexer dans une base vectorielle, puis injecter les cinq plus similaires à chaque prompt. Résultat : une loterie sur des fragments hors contexte, sans garantie de pertinence, d'exactitude ou d'exhaustivité.
Liao identifie cinq défaillances structurelles. La recherche par similarité ne dit rien sur la validité ou l'actualité d'un snippet. Le contexte — motivations, décisions, environnement — est perdu à l'indexation. Le passé est traité comme vérité, alors que la codebase évolue chaque jour. L'agent ne peut pas chercher ce qu'il ignore. Et le store est inauditable : des milliers d'embeddings sans visibilité sur ce qui est périmé ou erroné.
Ajouter des « dreamers », des rerankers ou de la compression de contexte ne règle pas le problème de fond, argue-t-il. Ces ajouts brûlent des tokens pour masquer une hypothèse fausse : que l'enjeu est de mieux se souvenir. Or, personne ne reregarde une réunion de trois ans pour retrouver une contrainte technique. On consulte la documentation. C'est là, selon Liao, que réside la vraie solution : une mémoire fondée sur des documents structurés et maintenus, pas sur la reconstruction fragmentaire du passé.