Votre IA recommence à zéro à chaque fois. J'ai fini par lui construire une mémoire.

À chaque nouvelle conversation avec ChatGPT ou Claude, je recommençais à zéro. Je réexpliquais qui j'étais, ce que fait mon entreprise, où en était le projet, ce qu'on s'était dit la veille. 5 minutes de contexte avant la première vraie question, plusieurs fois par jour, et tout repartait à la poubelle en fermant l'onglet. Sur une semaine de travail, ça fait des heures passées à réchauffer une machine qui, de toute façon, allait tout oublier. Une taxe invisible, payée tous les jours.

Le plafond qu'on ne voit pas

Et le temps perdu à répéter est presque secondaire. Ce qui coûte vraiment, c'est ce qu'on renonce à entreprendre parce qu'on sait que la machine oubliera. Quand votre interlocuteur perd la mémoire toutes les heures, vous ne lui confiez pas un raisonnement qui court sur plusieurs jours. Vous posez des questions courtes, vous restez transactionnel, vous le traitez comme un moteur de recherche un peu bavard plutôt que comme un partenaire. On s'installe sous un plafond sans même le voir, et on met ça sur le compte de l'outil alors qu'on se l'est imposé tout seul.

Ce que j'ai fini par faire

En avril, j'ai décidé d'arrêter de payer cette taxe. J'ai construit à Claude, l'assistant que j'utilise tous les jours, une mémoire persistante, un dossier de fichiers texte qu'il recharge à chaque réveil, avec des règles, un index, les archives de nos conversations et surtout les décisions déjà prises, avec la raison de les avoir prises. Rien de sophistiqué, des fichiers texte et une discipline de rangement. J'en avais même fait un article, tellement la mise en place m'avait semblé être le sujet.

D'un amnésique brillant à un bras droit

Ce que ça change tient dans une image. On quitte l'assistant amnésique, capable mais qui vous redécouvre chaque matin, pour un bras droit qui vous connaît. Et tout se joue dans ce qu'il retient. La mémoire de ChatGPT garde votre prénom et 2 préférences, c'est un post-it. Ce qui compte, c'est qu'elle garde la trace de ce que vous avez tranché, de ce que vous avez essayé puis écarté, et pourquoi. Cette couche-là, l'historique des décisions, presque personne ne la conserve, et c'est pourtant elle qui fait passer d'un outil à un collaborateur.

Le bénéfice arrive en courbe

Le bénéfice ne se voit pas le premier jour. Il arrive au bout de quelques semaines, quand l'IA n'a plus besoin qu'on lui rappelle le contexte parce qu'elle le porte déjà, et que le temps du réchauffage part directement dans le travail. Au départ, se construire une mémoire coûte plus cher que de ne rien faire, il faut poser les règles, ranger, archiver, tenir la discipline. Puis les 2 trajectoires se croisent, au bout d'environ 4 semaines dans mon cas, et l'écart se creuse en votre faveur. Cet écart, c'est la dette de contexte que vous ne payez plus.

12 semaines plus tard, la dérive

Mais une mémoire d'IA n'est pas magique, et c'est là que j'ai appris quelque chose. Le 2 juillet, 12 semaines après l'avoir mise en place, je l'ai auditée, et le constat était sévère. Le réveil de mon IA coûtait environ 80 000 tokens, 40 % de son contexte partait dans la mémoire elle-même avant ma première question. Le fichier de règles avait tellement grossi qu'il ne tenait plus en une seule lecture. Des conversations récentes n'étaient plus rattachées à rien. Le fichier qui donne l'état des chantiers empilait 3 versions contradictoires, et l'IA les lisait toutes les 3. Le système répondait encore, les sessions produisaient encore, mais le coût enflait et les repères se brouillaient en silence, tout marchait de plus en plus mal.

J'avais pourtant eu un avertissement. Le 15 juin déjà, le dossier avait enflé à 1,7 Go d'images et de livrables accumulés, et je l'avais scindé en 2 pour retomber à 23 Mo. J'ai cru avoir réglé le problème. Je n'avais traité qu'un symptôme, et il a suffi de 17 jours pour que la même dérive revienne un cran plus bas, dans les fichiers texte cette fois.

Ce mécanisme, je le connais du terrain. Dans un train SAFe, 8 ou 10 équipes qui avancent en parallèle, chaque équipe optimise sa production locale, personne ne porte l'intégration, et l'ensemble ralentit pendant que toutes les parties accélèrent. La dette de coordination ne prévient pas, on la découvre le jour où le coût d'assemblage dépasse le coût de production. Ma mémoire d'IA avait rejoué ce film en 12 semaines, à l'échelle d'une seule personne, parce que chaque session écrivait, archivait, ajoutait une règle, et qu'aucune ne retranchait. L'écriture était outillée, presque rituelle. Le compactage, lui, n'existait nulle part.

La question de l'entretien

Je m'étais trompé de nature. J'avais conçu ce système comme un produit qu'on livre une fois, alors que c'est une base vivante qu'on exploite dans la durée. Ce qui manquait, c'est un contrat d'entretien, avec un budget de taille par fichier, un rituel de compactage qui a une date sous peine de ne jamais arriver, un contrôle automatique qui tourne sans état d'âme, et un cœur léger toujours chargé pendant que le détail attend qu'on le réclame. Après ce régime, le réveil est retombé autour de 28 000 tokens, presque 3 fois moins, pour exactement la même mémoire.

Rien de tout ça ne me fait regretter le choix. En 12 semaines, cette mémoire m'a donné une continuité que je n'aurais eue nulle part ailleurs, des décisions qui ne se reperdent plus, un historique qui se consulte au lieu de se reconstruire à chaque fois. Je referais le même choix demain matin, mais en sachant cette fois où porter la vigilance. Tout le monde soigne la mise en place, moi le premier. C'est l'entretien qui décide, et il se joue en silence. Beaucoup d'organisations vont donner un cerveau digital à leur entreprise dans les mois qui viennent. Savoir le construire, presque tout le monde saura. La vraie question est ailleurs, et elle est chez vous : qui est propriétaire de cette mémoire, et quand a-t-elle été compactée pour la dernière fois ?