Pourquoi Vos Agents IA Oublient Toujours Ce Qu'ils Faient

Soyons directs. Si vous bossez régulièrement avec des agents de coding IA, cette situation vous parle forcément.

Vous revenez sur un projet le lendemain. Vous ouvrez le chat. Vous demandez à l'agent de reprendre là où vous en étiez. Et ensuite, vous assistez à la spirale infernale de confusion : qu'est-ce qui se passait ? Qu'est-ce qui a foiré ? Qu'est-ce qui a fonctionné ? Qu'est-ce qu'on a abandonné en cours de route ?

Ça vous dit quelque chose ?

Le problème que personne ne souligne assez : ce n'est pas que ces agents manquent de mémoire. C'est que leur mémoire est de la mauvaise nature.

Contexte contre Continuité : Une Différence Majeure

Posez-vous la question. Le contexte, c'est tout ce à quoi un agent a accès à un instant T — les fichiers, l'historique du chat, la documentation, les notes récupérées. Ça sert à quelque chose. La continuité, c'est ce qui permet à votre agent de reprendre demain en sachant exactement où vous en êtes aujourd'hui.

Ça ressemble à la même chose. Ce n'est pas le cas.

Une fenêtre de contexte large permet à un agent de manipuler plus d'informations en même temps. Mais quand la session se termine, quand vous changez d'outil, quand vous recommencez le lendemain matin, vous butez sur le même mur : qu'est-ce qui se passait concrètement ? Qu'est-ce qui a changé ? Qu'est-ce qui a foiré ? Qu'est-ce qui semblait fonctionner sans l'être vraiment ?

Des fenêtres de contexte plus grandes ne règlent rien. Elles vous offrent juste plus de texte à éplucher tout en ratant l'essentiel.

Le Problème du Tiroir de Bordel

La solution instinctive ? Construire du stockage plus grand. Plus d'historique de chat. Des bases vectorielles plus costaudes. Des archives exhaustives de tout ce que l'agent a jamais touché.

J'ai vu des équipes mettre ça en place. Ça fait puissant. Ça fait avancer les choses.

Mais voici ce qui se passe vraiment : le système devient un tiroir de bordel ultra cher. Les résumés deviennent obsolètes. Les approches foireuses cohabitent avec les réussites avec le même poids visuel. L'agent récupère quelque chose qui semble pertinent, mais personne ne peut dire si c'est actuel, utile, ou juste une hallucination plausible de la session de la semaine dernière.

Quand un agent a besoin d'informations opérationnelles dignes de confiance — est-ce que cette commande a vraiment passé ? quel fichier a été modifié ? — il obtient du bruit sémantiquement similaire à la place.

C'est pire que pas de mémoire du tout.

À Quoi Ressemble Vraiment la Continuité

Laisse-moi dessiner ce que demande une vraie continuité.

Au lieu d'une note vague du style « on a probablement corrigé le problème d'auth », vous voulez des enregistrements structurés qui suivent l'état opérationnel réel : quels fichiers ont été modifiés, quelles commandes ont tourné, quel était le résultat, ce qui reste non résolu, et quelle est la prochaine action.

Il ne s'agit pas de tout retenir. Il s'agit de préserver les bonnes infos dans un format qui survit aux limites de session.

Un souvenir dit : « On a avancé sur le parser. »

Un enregistrement de continuité dit : « Tâche parser en pause. tokenizer.py modifié. pytest tests/test_parser.py passé. Suite de tests complète pas encore exécutée. Étape suivante : lancer le groupe de tests complet du parser avant d'étendre le scope. »

La différence, c'est celle entre un collègue qui se souvient vaguement d'une conversation et un autre qui vous tend des notes détaillées avec les prochaines étapes clairement définies.

Ce Que Ça Change dans Votre Workflow

Voilà où ça devient concret. Si vous construisez des workflows de développement assistés par IA — et si vous êtes là, c'est probablement le cas — vous devez réfléchir à cette architecture dès le départ.

Les instructions statiques sur votre repository sont précieuses. Elles expliquent aux agents comment lancer les tests, où se trouvent les modules, quelles conventions suivre. Mais elles sont statiques. Elles ne savent pas qu'une tâche a été interrompue, que la validation a foiré, ou que vous avez réduit le scope en cours de session.

Vous avez besoin des deux : des instructions stables ET un état de travail qui évolue. L'un sans l'autre, c'est incomplet.

C'est pour ça que l'approche « plus de mémoire » continue d'échouer. On résout le mauvais problème avec le mauvais outil. Les bases de données vectorielles excellent dans la recherche sémantique — trouver de la documentation liée, des notes passées similaires, des chunks de base de connaissances correspondants. Mais les faits de continuation les plus importants sont petits, ennuyeux, et opérationnels : quelle commande a foiré, quel fichier a été modifié, quel test a passé, quoi reste à faire.

La Vraie Oportunité

Mon avis : la prochaine frontière du développement assistée par IA, c'est pas des modèles plus gros ou des contextes plus longs. C'est de meilleurs systèmes de passage de relais.

On avance vers un monde où les agents de coding pourront vraiment reprendre là où ils se sont arrêtés — non pas en ayant plus d'informations, mais en ayant les bonnes informations, structurées pour survivre aux limites de session.

Ça veut dire réfléchir soigneusement à quel état préserver, comment le structurer, et comment le rendre opérationnellement fiable plutôt que juste sémantiquement plausible.

Chez NameOcean, quand on réfléchit au vibe coding et au développement assistée par IA, c'est exactement ce genre d'infrastructure qui compte. C'est pas juste donner aux développeurs des outils puissants — c'est leur donner des outils qui se souviennent vraiment de ce qu'ils faisaient quand vous revenez bosser le lendemain matin.

Les agents qui vont gagner, ce seront pas ceux avec la plus grosse mémoire. Ce seront ceux qui vous éviteront de refaire deux fois le même ballet d'orientation.

Le Mot de la Fin

La prochaine fois que vous vous surprenez à réexpliquer votre projet à un agent IA, ne cherchez pas une fenêtre de contexte plus grande. Demandez-vous : est-ce que je lui donne du contexte, ou de la continuité ?

Le contexte, c'est facile. La continuité, c'est ce qui compte vraiment.