Memorilla comprime la mémoire des assistants IA en seize blocs lus à la volée
— AGENTS
Des chercheurs de Stanford et d'autres institutions proposent une mémoire externe qui reconstruit seize représentations adaptées à chaque question, au lieu de relire tout l'historique. Le gain de vitesse mesuré est spectaculaire, la perte de précision sur les détails fins aussi.
Un assistant personnel qui doit fouiller des mois de conversations pour répondre juste, c'est le problème que Memorilla attaque. Plutôt que de relire tout l'historique à chaque question, le système stocke les échanges sous forme de représentations numériques calculées une seule fois, puis compose à la volée seize blocs adaptés à la demande du moment. Le modèle de langage qui répond reste inchangé : seul un petit module de mémoire apprend à choisir quoi lui transmettre.
Aucun studio créatif ne va entraîner ce module demain matin. L'expérience tourne sur Qwen3-8B, un modèle de recherche, et les publications visent des équipes qui construisent des assistants personnalisés à grande échelle. Mais c'est exactement ce type de brique qui finira, dans deux ou trois ans, derrière l'assistant de montage ou l'outil de génération qui se souvient des choix d'un client sans qu'on les lui répète à chaque brief.
Le chiffre qui parle au praticien, c'est le temps de réponse. Sur une configuration test, le système répond en 0,74 seconde là où relire tout le contexte en demande 19,9. De quoi transformer un assistant capable de se souvenir en un assistant capable de répondre vite tout en se souvenant, ce qui change la nature même de l'outil pour un usage quotidien.
La compression a un coût. Sur des textes narratifs longs, retrouver un nom précis ou un détail exact reste mieux réussi par la méthode qui va chercher des passages entiers que par la mémoire condensée. Un assistant qui doit se rappeler le nom exact d'un personnage secondaire d'un scénario, ou la référence Pantone donnée trois semaines plus tôt par un client, perd en fiabilité dès que l'information se noie dans la synthèse.
L'arbitrage est clair : vitesse et légèreté d'un côté, exactitude sur les détails fins de l'autre. Les résultats montrent une méthode qui gagne sur cinq évaluations sur huit, mais qui échoue justement là où la précision factuelle compte le plus. Pour des métiers qui vivent de détails précis, référence couleur, nom de personnage, numéro de version, cette tension entre rapidité et exactitude mérite d'être suivie de près avant qu'elle n'atterrisse dans les outils du quotidien.