Conversations et mémoire épisodique
Une mémoire pour agent sert à conserver des éléments issus des échanges, des faits sur l’utilisateur et des préférences, puis à restituer un contexte pertinent lors d’une autre exécution. Il faut toutefois distinguer cette fonction d’un simple historique de conversation. Une mémoire courte peut soutenir une tâche en cours ; une mémoire longue peut garder une préférence entre plusieurs sessions ; une mémoire épisodique peut rattacher un souvenir à un échange ou à un événement. Ces catégories décrivent ce qu’il faut examiner, pas une garantie que chaque produit les expose séparément.
memU est le cas le plus directement associé à cette catégorie : sa description le présente comme une couche de mémoire agentique destinée aux compagnons IA. À l’inverse, une fiche comme Microsoft Copilot parle d’automatisation de tâches dans diverses applications, sans détailler la structure de sa mémoire. Un système de mémoire ne vérifie pas à lui seul la véracité d’un souvenir, ne décide pas automatiquement quelle information devrait être conservée et ne remplace pas les règles de confidentialité de l’agent. Vérifiez donc la sélection, la correction et la suppression des souvenirs avant de confier des données personnelles.
Agents, assistants et compagnons
Le bon choix dépend du rôle que la mémoire doit soutenir. Pour un compagnon qui doit se rappeler des préférences et des échanges, memU correspond explicitement à ce scénario. Pour un agent local ou une équipe d’agents, Team9 décrit un espace de travail géré pour déployer des agents IA local-first, recruter des collaborateurs IA et rejoindre l’écosystème Moltbook. Sa fiche mérite donc un examen spécifique de la mémoire réellement configurable, plutôt qu’une présomption fondée sur le mot « agent ».
AI FIRST se présente comme un assistant conversationnel qui automatise la recherche, les tâches dans le navigateur, le scraping web et la gestion de fichiers en langage naturel. Ce parcours appelle des questions sur la continuité entre recherches, pages visitées et fichiers manipulés. Les équipes IT peuvent regarder BMC Helix, décrit comme une plateforme de gestion des services et des opérations IT pilotée par l’IA ; les équipes de sécurité peuvent examiner Vicarius, centré sur la détection et la remédiation des vulnérabilités. Dans ces deux cas, la mémoire doit être reliée au processus métier réel, et non seulement à une conversation.
Fichiers, voix et sorties attendues
Les formats de travail donnent un premier axe de comparaison, mais ils ne prouvent pas à eux seuls la présence d’une mémoire persistante. AI FIRST mentionne la recherche, le navigateur et la gestion de fichiers ; Agora Conversational AI Engine met en avant des capacités de communication vocale et vidéo ; JsonifyAI génère du texte à partir des entrées utilisateur. Si votre agent doit rappeler un document, une instruction vocale ou une préférence exprimée par écrit, demandez comment cet élément devient un souvenir et comment il est ensuite renvoyé au modèle.
Les autres fiches élargissent encore les sorties possibles : insMind's AI Design Agent crée des images, des vidéos et des modèles 3D ; Sindarin aide à la création de contenu et aux tâches d’automatisation ; Prismia propose une aide à la productivité avec des recommandations. Pour chacun, séparez la production de contenu de la persistance du contexte. À vérifier avant décision : types d’entrée acceptés, forme du souvenir retourné à l’agent, conservation des pièces jointes, possibilité d’exporter les données et intégrations avec vos applications. La description fournie ne précise pas ces points pour les produits cités.
Quotas, prix et export des souvenirs
Une fiche courte ne suffit pas à évaluer la capacité réelle d’une mémoire. Cherchez la longueur maximale d’une conversation ou d’un enregistrement, la taille des fichiers conservés, la durée de rétention, le nombre de souvenirs récupérés par requête et les éventuels quotas d’utilisation. Pour les médias, la résolution ou la durée peuvent aussi compter ; pour les agents, le nombre d’exécutions ou de connexions peut être déterminant. Aucun de ces seuils ni aucun tarif n’est indiqué dans les descriptions fournies : il faut donc les confirmer auprès de chaque éditeur.
Le modèle de facturation mérite la même attention. Distinguez abonnement, facturation à l’appel, volume de stockage, nombre d’utilisateurs ou consommation liée aux services externes. Demandez également si l’export produit un fichier exploitable, une API, des enregistrements structurés ou seulement un historique lisible. Cette question est particulièrement importante si la mémoire doit rester interchangeable avec un agent construit par votre équipe. Agent Analytics AI, décrit comme un outil d’analyse des performances des agents, peut entrer dans une chaîne de suivi ; sa fiche ne précise toutefois ni le format des données collectées ni son rôle comme couche de mémoire.
Parcours utilisateur et intégrations
Choisissez selon l’endroit où le souvenir doit réapparaître. Un compagnon conversationnel a besoin de retrouver une préférence au début d’un nouvel échange. Un assistant de recherche doit relier des demandes successives, des pages et éventuellement des fichiers. Un agent de création peut devoir reprendre des instructions de contenu ; un agent IT ou de sécurité peut avoir à rattacher un contexte à un service, une opération, une vulnérabilité ou une remédiation. Ces parcours ne demandent pas forcément la même interface ni le même niveau de contrôle.
Microsoft Copilot est décrit comme un outil de productivité qui automatise des tâches dans diverses applications, tandis que Agora Conversational AI Engine concerne les échanges vocaux et vidéo. Ces descriptions peuvent orienter le choix du point d’intégration, mais elles ne confirment pas une mémoire réglable. De même, Prismia, JsonifyAI et Sindarin peuvent convenir à des flux d’automatisation ou de création ; vérifiez la continuité du contexte plutôt que la seule présence d’un assistant. Enfin, écartez les solutions qui ne donnent pas de réponse claire sur les droits d’accès, la correction des souvenirs, la suppression, l’export et la séparation entre utilisateurs ou agents.
