Vos meilleurs employés connaissent des choses sur les clients, les processus et l’historique qui ne sont jamais enregistrées dans aucun système. Quand ils partent, ces connaissances disparaissent. Les agents IA ont le même problème — mais en pire, car ils oublient après chaque conversation.
Le problème des agents sans état
Chaque plateforme d’agents IA aujourd’hui a la même limitation fondamentale : l’exécution sans état. Chaque conversation repart de zéro. Chaque exécution de workflow n’a aucune mémoire des exécutions précédentes. Chaque agent ne sait rien du département qu’il sert.
Les fenêtres de contexte sont un pansement, pas une solution. Elles donnent à un agent quelques milliers de tokens d’historique récent, puis cet historique s’évapore. Votre agent de support qui a brillamment résolu un problème complexe hier ? Aujourd’hui, il n’a aucune idée que le client existe.
Ce n’est pas un inconvénient mineur. C’est une défaillance structurelle qui empêche les agents IA d’être véritablement utiles dans le temps.
Ce que « mémoire » signifie pour les agents IA
Quand nous disons qu’un agent IA devrait « se souvenir », nous ne parlons pas de stocker des journaux de chat dans une base de données. Nous parlons de connaissances structurées et hiérarchiques qui reflètent la façon dont les organisations humaines stockent et récupèrent réellement l’information.
Pensez à ce qu’un employé expérimenté sait :
- Sur des entités spécifiques : Le client X préfère l’email au téléphone. Le fournisseur Y envoie toujours des factures dans des formats non standard. Le projet Z a été dépriorisé au T2.
- Sur les workflows : Le rapport mensuel prend 3 jours, pas 2. L’étape 4 nécessite toujours une révision manuelle. La limite de taux API nécessite un délai de 30 secondes.
- Sur le département : La voix de marque est professionnelle mais chaleureuse. Les remises au-dessus de 15% nécessitent l’approbation du VP. Le chemin d’escalade passe par Sarah, puis James.
Un agent IA a besoin de ces trois niveaux — et plus.
La hiérarchie de mémoire à 5 couches
JieGou implémente la mémoire persistante comme une hiérarchie à 5 couches. Chaque couche sert un objectif différent et reflète un type différent de connaissance organisationnelle :
Couche 1 : Mémoire d’entité
Des faits persistants sur les clients, produits et projets. Quand un client mentionne ses contraintes budgétaires T3 en janvier, ce fait est stocké. En mars, un agent différent dans un workflow différent peut automatiquement ajuster sa proposition en fonction de ce contexte.
La mémoire d’entité utilise la compaction LLM : à mesure que les entités accumulent des interactions, les anciennes mémoires sont automatiquement résumées en un contexte concis et à haute valeur. La mémoire reste pertinente sans croissance illimitée.
Couche 2 : Mémoire de workflow
Des connaissances accumulées par workflow à partir de l’historique d’exécution. Votre workflow de traitement de factures s’est exécuté 500 fois. Il sait maintenant que le fournisseur X envoie toujours des PDF avec des en-têtes non standard et s’ajuste automatiquement. Il sait que l’étape d’approbation prend en moyenne 2 heures et pré-notifie l’approbateur.
La mémoire de workflow n’est pas simplement du « point de contrôle d’état » (sauvegarder où vous en êtes). C’est apprendre de l’historique — extraire des schémas et des connaissances des exécutions passées.
Couche 3 : Mémoire de département
C’est entièrement unique à JieGou. La mémoire de département est l’équivalent du CLAUDE.md pour les départements d’entreprise.
Tout comme le fichier CLAUDE.md de Claude Code donne à un agent IA le contexte au niveau du projet, la mémoire de département donne à chaque agent départemental un contexte institutionnel. Elle se remplit automatiquement à partir des recettes installées, des modèles et des workflows actifs. Un nouvel agent marketing est créé. Il connaît instantanément la voix de marque, l’historique des campagnes et les segments d’audience — sans aucune configuration manuelle.
Couche 4 : Mémoire d’agent
Chaque agent individuel conserve le contexte à travers les conversations et les tâches. Un agent de support se souvient d’un client d’une conversation il y a 3 mois et reprend là où il s’était arrêté. La mémoire d’agent survit aux limites de session et aux fenêtres de conversation.
Couche 5 : Mémoire inter-workflows
Les insights d’un workflow informent automatiquement les autres grâce à la mémoire d’entité partagée. Les Ventes découvrent qu’un client évalue un concurrent. Les workflows de Support, Marketing et gestion de compte obtiennent tous ce contexte automatiquement — car ils partagent la mémoire d’entité au niveau départemental.
Comparaison avec les alternatives
| Capacité | JieGou | LangGraph | CrewAI | n8n | Vertex AI |
|---|---|---|---|---|---|
| Couches de mémoire | 5 | 1 | 1 | 1 | 2 |
| Mémoire au niveau entité | Oui | Non | Non | Non | Partiel |
| Compaction LLM | Oui | Non | Non | Non | Non |
| Mémoire au niveau département | Oui | Non | Non | Non | Non |
| Partage inter-workflows | Oui | Non | Non | Non | Partiel |
| Intégration gouvernance | Oui | Non | Non | Non | Non |
LangGraph dispose de points de contrôle d’état — sauvegarder où un workflow s’est arrêté pour qu’il puisse reprendre. CrewAI dispose d’une mémoire partagée pour les membres d’équipe au sein d’une seule exécution. n8n dispose de nœuds tampon qui conservent les messages récents. Ce sont des fonctionnalités utiles, mais ce sont des solutions ponctuelles, pas une hiérarchie de mémoire.
Compaction LLM : une mémoire qui grandit sans déborder
Une approche naïve de la mémoire persistante stockerait chaque interaction pour toujours. Cela ne passe pas à l’échelle. Après 10 000 interactions clients, la mémoire brute serait trop volumineuse pour tenir dans n’importe quelle fenêtre de contexte.
JieGou résout cela avec la compaction LLM. Quand les entrées de mémoire d’une entité dépassent un seuil (par défaut : 20), le système invoque un LLM pour résumer les anciennes entrées en un résumé compact et à haute valeur. Le résultat : un historique d’interactions illimité, un stockage borné.
Cela signifie que vos agents peuvent se souvenir d’un client dès sa toute première interaction, même après des milliers d’interactions ultérieures à travers plusieurs agents et workflows.
Premiers pas
La mémoire persistante est disponible sur tous les plans JieGou. La mémoire d’entité et la mémoire de workflow sont activées par agent et par workflow. La mémoire de département se remplit automatiquement à partir de vos recettes et modèles installés. Aucune configuration supplémentaire n’est nécessaire pour commencer à construire la mémoire institutionnelle de vos agents IA.
Commencez votre essai gratuit et découvrez comment la mémoire persistante transforme vos workflows IA.