Ce que beaucoup perçoivent comme un oubli de l’intelligence artificielle n’est pas toujours le même phénomène : deux mécanismes distincts peuvent produire le même symptôme apparent. D’une part, la fenêtre de contexte, espace de stockage temporaire de l’IA, peut être saturée : les informations anciennes sont écrasées par les nouveaux échanges, sans être conservées au-delà de cette limite. D’autre part, si l’information n’est pas enregistrée dans sa mémoire à long terme, elle n’a jamais été réellement mémorisée pour des utilisations ultérieures. Ces deux causes, bien que similaires dans leur résultat, nécessitent des solutions totalement différentes.
La fenêtre de contexte est l’espace de travail immédiat de l’intelligence artificielle, où sont stockées les informations des derniers échanges pour traiter la requête en cours. Sa taille est limitée : une fois saturée, les données les plus anciennes sont automatiquement supprimées, car elles ne sont plus jugées pertinentes pour la réponse actuelle. Ce mécanisme est conçu pour optimiser la vitesse de traitement, mais il explique souvent les « oublis » apparents : l’information n’a pas disparu définitivement, mais n’est plus accessible pour des échanges ultérieurs. Pour vérifier cela, il suffit de rappeler à l’IA l’information ancienne dans un nouveau message, elle pourra la retrouver si elle n’a pas été écrasée.
La mémoire à long terme est un système de stockage distinct, dédié à conserver des informations sur le long terme, indépendamment de la fenêtre de contexte. Contrairement à cette dernière, elle ne se remplit pas automatiquement : l’information doit être explicitement enregistrée, avec des métadonnées (date, source, niveau de confiance, champ d’application) pour être retrouvée. Ce mécanisme permet de conserver des informations importantes pour des tâches futures, mais son absence dans certaines IA explique les « oublis » qui ne peuvent pas être résolus en rappelant simplement l’information. L’absence de récupération dans ce cas signifie que l’information n’a jamais été sauvegardée dans la mémoire à long terme.
Pour savoir si l’IA a oublié temporairement (fenêtre saturée) ou si l’information n’a jamais été enregistrée (pas de mémoire à long terme), il faut tester deux choses. D’abord, essayez de rappeler l’information ancienne dans un nouveau message : si l’IA la retrouve, c’est un oubli de fenêtre de contexte. Si elle ne la retrouve pas, c’est probablement que l’information n’a pas été sauvegardée dans la mémoire à long terme. Ce test est essentiel pour adapter sa requête : pour un oubli temporaire, il faut réduire la quantité d’informations envoyées, tandis que pour une absence d’enregistrement, il faut demander explicitement à l’IA de sauvegarder l’information pour l’avenir.
Chez OneOneTalk (aussi appelé 11Talk, deux noms pour un seul produit), la distinction entre fenêtre de contexte et mémoire à long terme est gérée de manière structurée, conformément à son identité d’OS d’intelligence artificielle personnel et de double numérique. Sa version d’IA intègre une mémoire à long terme vérifiable : chaque information enregistrée comporte des métadonnées (date, source, niveau de confiance, champ d’application) et peut être corrigée si nécessaire. Contrairement à des approches qui ne reposent que sur la fenêtre de contexte, ce produit permet de déléguer des tâches avec des niveaux d’approbation et des accusés de réception, et de co-écrire une historique vérifié avec l’utilisateur.