La plupart des produits d'IA affirment « se souvenir de vous ». Ce qu'ils veulent généralement dire, c'est que la fenêtre de conversation courante n'a pas encore défilé hors de portée. Dès que vous fermez l'onglet, le modèle n'a aucune idée de qui vous êtes. Vous réexpliquez votre pile technique, vos préférences et vos contraintes depuis zéro à chaque fois.
La mémoire longue durée de ToRun est un mécanisme entièrement différent. Cet article décrit ce qu'elle stocke, comment elle est assemblée à chaque tour et ce que vous pouvez en faire.
Ce qui est stocké, et pourquoi
La mémoire dans ToRun est un ensemble de faits durables extraits de vos conversations. Voyez-les comme des notes structurées — pas un vidage de transcription, mais des observations discrètes : vous préférez les réponses concises, votre projet utilise MongoDB, vous travaillez en TypeScript, vous avez une formation en apprentissage automatique, vous voulez des exemples de code dans un style précis.
Les faits sont indépendants de la langue. Si vous écrivez en turc pendant trois sessions puis en anglais pendant dix, le système de mémoire ne se scinde pas en silos linguistiques. Une normalisation attentive à l'Unicode (décomposition NFKD, suppression des diacritiques, repli de casse) fait qu'un fait saisi dans une langue ressort quand vous interrogez dans une autre. C'est important en pratique : une plateforme en 29 langues ne peut pas se permettre une mémoire qui ne marche bien que pour les anglophones.
De nouveaux faits peuvent être ajoutés automatiquement, quand le modèle détecte une information durable, ou vous pouvez les affirmer explicitement (« retiens que je déploie sur Azure »). Aucune de ces deux voies ne vous est cachée.
Comment la mémoire devient contexte à l'appel
Chaque tour de chat dans ToRun assemble trois couches de contexte avant que l'invite n'atteigne un modèle :
- Couche système — instructions au niveau produit, rôle et style de l'assistant, instructions actives de base de connaissances.
- Couche de résumé — une représentation compressée de la conversation jusqu'ici, gérée automatiquement pour que les fils longs n'épuisent pas la fenêtre de contexte du modèle.
- Couche récente — les N derniers tours verbatim, avec un poids accru sur ce que vous venez de dire.
La mémoire longue durée s'insère dans la couche système. L'étape de récupération s'exécute contre vos faits stockés en s'appuyant sur un signal de pertinence issu du message courant : si vous posez une question sur l'indexation de bases de données, les faits sur vos préférences MongoDB remontent ; si vous passez au design, ils se retirent. Le modèle ne voit que ce qui est pertinent pour le tour en cours, pas un vidage plat de tous les faits que vous avez générés. La fenêtre de contexte est ainsi utilisée efficacement et l'on évite le « gonflement mémoire », où des détails personnels sans rapport diluent le signal.
Les budgets de contexte dépendent du palier — le niveau gratuit reçoit 16 K jetons de contexte total, montant selon les forfaits jusqu'à 1 M de jetons en Enterprise. Quand le contexte assemblé (mémoire + résumé + tours récents) dépasse la fenêtre du modèle, ToRun rogne d'abord la couche de résumé, et ne jette jamais silencieusement vos messages les plus récents ni vos faits mémoire les plus pertinents.
Les faits vous appartiennent, vous les contrôlez
La mémoire appartient à celui qui l'utilise. Vous pouvez lister tout ce que ToRun a stocké sur vous et supprimer des éléments isolés ou l'ensemble. Il n'existe pas de mémoire « secrète » influençant vos conversations à votre insu. Le magasin de faits est inspectable et oubliable à la demande.
Ce choix découle d'un principe plus large : ToRun doit vous montrer son état réel, pas le dissimuler. Une mémoire transparente signifie que vous pouvez lui faire confiance. Si le modèle s'appuie sur un mauvais fait — disons qu'il a un jour retenu que vous préfériez les explications longues alors que vous les voulez désormais concises — vous lui dites de l'oublier, et l'appel suivant ne verra plus ce fait.
La suppression est permanente et immédiate. Il n'y a pas de délai de grâce pendant lequel l'ancien fait continuerait d'apparaître.
Les bases de connaissances ne sont pas la mémoire
La mémoire stocke des faits sur vous. Les bases de connaissances ancrent les réponses dans vos documents.
Quand vous versez de la documentation, du code ou du contenu métier dans une base de connaissances, ToRun utilise la génération augmentée par récupération (RAG) pour faire remonter les passages pertinents au moment de la requête. Le texte récupéré est inséré aux côtés du contexte de conversation, et le modèle cite ce qu'il a utilisé. C'est le bon outil quand votre question exige de lire une source — une spécification d'API, un document juridique, votre manuel interne — plutôt que de se souvenir d'une préférence personnelle.
Les deux systèmes se combinent : un seul tour peut puiser à la fois dans vos faits mémoire et dans une récupération en base de connaissances. Ils alimentent des couches différentes de l'assemblage de contexte et servent des buts différents. La mémoire répond à « qui vous êtes et comment vous préférez travailler » ; la base de connaissances répond à « que dit ce document ».
Utiliser les deux ensemble est ce qui rend ToRun utile pour de vrais flux de travail et pas seulement pour des démonstrations. Vos préférences restent en mémoire pour que vous ne les répétiez pas ; votre matériau source reste en base de connaissances pour que les réponses s'appuient sur des preuves plutôt que sur les données d'entraînement du modèle.