Pourquoi les IA qui apprennent de leurs erreurs dépensent moins de mémoire ?

Imaginez une intelligence artificielle chargée de diviser une facture, trouver une chanson ou synchroniser une commande sur neuf applications simulées. Si elle échoue, ce n’est généralement pas par manque de connaissances. Elle se trompe sur l’ordre des pages d’une API, identifie la mauvaise personne ou renvoie une valeur alors qu’on ne lui a rien demandé. Le modèle connaît les API, mais il n’a pas encore appris à les utiliser de manière fiable. Pourtant, cette fiabilité s’acquiert en analysant ses propres erreurs passées.

DEUX SYSTÈMES POUR APPRENDRE DE SES ERREURS

Deux systèmes récents font exactement cela : ACE (Agentic Context Engineering) et ALTK-Evolve, présenté ici. Tous deux appartiennent à la famille de la mémoire agentique : ils transforment les trajectoires passées d’un agent en leçons réutilisables, qu’ils réinjectent au moment de l’inférence, sans modifier les poids du modèle ni nécessiter d’étiquetage humain. Même leur approche de base est similaire. Là où ils diffèrent, c’est dans la livraison de ces leçons.

Pour éviter toute confusion, clarifions le vocabulaire : ce qu’un agent apprend s’appelle une leçon. ACE organise ses leçons dans un livret de jeu complet et évolutif. ALTK-Evolve, lui, les regroupe en directives individuelles et récupérables. Même contenu, deux formats différents.

POURQUOI COMPRESSER LES LEÇONS D’UNE IA EST UNE MAUVAISE IDÉE

ACE et ALTK-Evolve répondent à la même question : faut-il résumer les leçons durement acquises d’un agent en une synthèse concise ? Leur réponse est claire : non. Mieux vaut les compter que les compresser.

ACE attribue un compteur utile/dangereux à chaque point de son livret de jeu. ALTK-Evolve, lui, associe un nombre de supports à chaque directive : combien d’épisodes indépendants l’ont produite ? Une leçon découverte par cinq tâches différentes n’a pas la même valeur qu’une leçon apparue une seule fois. Toutes deux méritent d’être conservées.

ACE et ALTK-Evolve partagent donc la même philosophie : ne pas réduire l’expérience d’un agent à un résumé trop simple. Leurs différences apparaissent dans la construction et la livraison de cette mémoire.

COMMENT SE CONSTRUIT LA MÉMOIRE D’UNE IA ?

ACE construit son livret de jeu grâce à une boucle Générateur → Réfléchisseur → Curateur. Il applique des mises à jour incrémentales et déduplique les leçons en utilisant des embeddings. De son côté, ALTK-Evolve regroupe les leçons quasi identiques et les fusionne en conservant leur nombre de supports : quand plusieurs leçons fusionnent, la survivante hérite de leur compte combiné. Ainsi, la mémoire rétrécit sans perdre la trace de l’expérience qui la soutient.

ALTK-Evolve extrait également des directives typées — stratégie, récupération et optimisation — avec une attribution causale et une provenance remontant à la trajectoire source. Ces directives sont extraites à un niveau de granularité sous-tâche, ce qui permet à une leçon apprise sur une application de s’appliquer à une autre.

LA LIVRAISON : L’ART DE DONNER JUSTE CE QU’IL FAUT

C’est ici que tout se joue. ACE injecte le livret de jeu complet à chaque étape, quel que soit le modèle ou la tâche. ALTK-Evolve, lui, traite la livraison comme un réglage ajustable : une petite base fixe de directives à haut support, complétée par quelques directives sélectionnées pour la tâche en cours. La sélection peut être guidée par similarité cosinus, par un modèle de langage, ou par un système de priorités pondérées. Quand un modèle a la capacité de tout utiliser, ALTK-Evolve peut aussi lui fournir l’ensemble complet consolidé.

Les deux systèmes mettent à disposition les mêmes leçons. La différence ? ACE envoie toujours tout. ALTK-Evolve n’envoie que ce que le modèle peut réellement utiliser.

POURQUOI ÇA COMPTE : LES CHIFFRES PARLENT

Sur le benchmark AppWorld, avec le même agent de base ReAct, les deux systèmes ont été testés en interne. Les résultats sont surprenants :

Attention à l’interprétation des coûts : ACE se concentre sur l’efficacité de la construction de son contexte. ALTK-Evolve, lui, optimise l’efficacité du service. En récupérant quelques directives par tâche au lieu d’injecter tout le livret à chaque étape, c’est là que les tokens sont économisés. Et c’est une conséquence directe de la différence de livraison.

D’OÙ VIENT LA PRÉCISION ? LES TÂCHES FACILES VS DIFFICILES

Une analyse par niveau de difficulté révèle deux histoires différentes :

Pour gpt-oss-120b, le livret complet de ACE aide sur les tâches faciles et moyennes : il suffit de suivre des instructions génériques pour réussir. Mais sur les tâches difficiles, où le modèle doit choisir la bonne leçon plutôt que de se noyer dans un flot d’informations, la récupération ciblée fait la différence. C’est cette catégorie qui détermine le score global.

Pour DeepSeek-V3.2, c’est l’inverse : le modèle plus puissant intègre bien le livret complet de ACE et le domine sur les tâches moyennes. Mais ALTK-Evolve mène sur les tâches faciles, difficiles et globales. Avec plus de capacité à spare, davantage de leçons (livrées selon sa méthode) continuent d’aider au lieu de se gêner mutuellement.

CHAQUE MODÈLE REÇOIT SA CONFIGURATION OPTIMALE

Les deux systèmes ont été configurés pour offrir le meilleur à chaque modèle. Pour le modèle puissant, ALTK-Evolve utilise l’ensemble complet consolidé. Pour le modèle plus faible, il utilise une récupération sélective, car un grand contexte peut le submerger au lieu de l’aider. La question n’est pas seulement de savoir combien injecter, mais aussi comment cela évolue avec les capacités du modèle. C’est le sujet d’un prochain article.

MÊMES LEÇONS, LIVRAISON DIFFÉRENTE

ACE et ALTK-Evolve refusent tous deux de compresser l’expérience durement acquise d’un agent en une synthèse trop simple. Leur point commun est là. Leur divergence ? La livraison est-elle fixe ou calibrée ? ACE envoie toujours tout, quel que soit le contexte. ALTK-Evolve n’envoie que ce que le modèle peut réellement utiliser. Cette calibration explique les chiffres précédents : même précision ou mieux, pour une fraction du coût d’inférence. Sur le modèle plus faible, c’est même la différence entre une aide utile et une guidance qui encombre.

ESSAYEZ ALTK-Evolve ET PLONGEZ DANS LA TECHNIQUE

Vous pouvez tester la bibliothèque ALTK-Evolve, qui inclut le pipeline d’extraction, de consolidation et de récupération utilisé ici. Ou consulter le rapport technique complet pour une description détaillée de la méthode et des ablations.

LES RÉFÉRENCES TECHNIQUES

Le benchmark AppWorld comprend 168 tâches. Il utilise un agent de code ReAct (chaque étape écrit du Python ; l’environnement renvoie le résultat). Deux métriques sont mesurées : TGC (Task Goal Completion, achèvement de l’objectif de la tâche) et SGC (Scenario Goal Completion, achèvement de l’objectif du scénario, qui exige que toutes les variantes d’un scénario réussissent). La mémoire est extraite uniquement à partir des ensembles d’entraînement et de Développement. Les résultats sont issus de runs uniques (pass@1), comme c’est la norme pour ce benchmark.

Les chiffres de ACE proviennent de runs internes effectués par les auteurs, évalués sur les mêmes splits d’AppWorld et les mêmes modèles de base que ALTK-Evolve (DeepSeek-V3.2 et gpt-oss-120b). L’article original de ACE rapporte des résultats sur un modèle différent (DeepSeek-V3.1), donc les runs internes permettent une comparaison contrôlée, modèle et environnement identiques. Les deux systèmes utilisent le même agent ReAct et ne diffèrent que par le template de prompt — ce qui explique la différence des baselines sans mémoire (72,0 contre 79,8 TGC). Cette différence n’est pas utilisée pour la comparaison, mais uniquement pour valider les affirmations qui ne dépendent pas d’un simple ajustement de prompt : même précision ou mieux, pour une fraction des tokens.

LES TABLEAUX DE RÉFÉRENCE

Pour DeepSeek-V3.2 (168 tâches, test_normal) :

Sur gpt-oss-120b, par niveau de difficulté (TGC) :

Pour DeepSeek-V3.2, par niveau de difficulté (baseline → +mémoire) : les deux systèmes partent de baselines sans mémoire différentes (79,8 contre 72,0 TGC global) en raison de la différence de template de prompt mentionnée ci-dessus.

EN BREF : L’ART DE BIEN LIVRER

ACE et ALTK-Evolve prouvent qu’une mémoire agentique efficace ne repose pas sur la quantité de données injectées, mais sur la manière dont elles sont livrées. En évitant la compression excessive et en adaptant la livraison au modèle et à la tâche, ALTK-Evolve montre qu’on peut obtenir les mêmes résultats, voire meilleurs, avec une fraction des tokens. Une avancée majeure pour rendre les IA plus efficaces et moins gourmandes en ressources.

CE QU’IL FAUT RETENIR

Deux systèmes d’IA, ACE et ALTK-Evolve, apprennent de leurs erreurs pour accomplir des tâches complexes. Leur différence ? La livraison de leur mémoire. ACE envoie toujours tout, ce qui coûte cher en tokens. ALTK-Evolve n’envoie que ce que le modèle peut utiliser, ce qui réduit les coûts sans sacrifier la précision. Résultat : même précision ou mieux, pour une fraction du coût. Une preuve que l’intelligence artificielle peut devenir plus efficace, sans perdre en performance.