Microsoft présente Memora, un système de mémoire pour les agents IA qui réduit l'utilisation du contexte jusqu'à 98 %. Microsoft Research a introduit Memora, une nouvelle architecture de mémoire pour les agents d'intelligence artificielle conçue pour permettre à ces systèmes de mémoriser des informations sur de longues périodes sans avoir besoin de traiter en permanence des historiques de conversations entiers.
Selon l'entreprise, le système établit un nouvel état de l'art en matière de tests de mémoire à long terme tels que LoCoMo et LongMemEval. Memora surpasse les architectures telles que RAG et Mem0, tout en réduisant la consommation de jetons de contexte jusqu'à 98 %.
Cohérence narrative
Les travaux seront présentés lors de la conférence ICML 2026, qui se tiendra du 6 au 11 juillet à Séoul, en Corée du Sud. La proposition aborde la capacité à maintenir une mémoire persistante et contextuelle pendant des semaines, des mois, voire des années d'interaction chez des agents autonomes.
La principale innovation de Memora est de séparer le stockage des informations du mécanisme utilisé pour les récupérer. Au lieu de forcer le modèle à relire de grandes quantités de texte ou à s'appuyer sur des résumés manquant d'informations pertinentes, le système stocke l'intégralité du contenu de la mémoire et l'organise à l'aide d'abstractions légères et d'ancres contextuelles qui facilitent la récupération ultérieure.
L'IA trouve des bugs dans Windows et déclenche un conflit avec Microsoft
Selon Microsoft, cela permet aux agents de maintenir la cohérence narrative de projets complexes, de se souvenir des décisions passées, de récupérer des contraintes spécifiques et de reconstruire le contexte historique d'une tâche sans avoir besoin d'élargir indéfiniment la fenêtre contextuelle des grands modèles de langage.
La recherche reflète un changement de stratégie dans le développement de l’intelligence artificielle. Face à la course à la construction de modèles avec des contextes de plus en plus étendus, Microsoft mise sur des systèmes de mémoire persistante capables d'accumuler expérience et connaissances sur le long terme, une fonctionnalité considérée comme essentielle pour la prochaine génération d'agents autonomes et d'assistants d'IA d'entreprise.