Shopify
Stripe
Slack
Notion
Google Workspace
Confluence
Mémoire d'agent
Définition
La mémoire d'agent est la capacité d'un agent IA à conserver et à rappeler des informations tout au long d'une conversation — ou d'une session à l'autre — messages antérieurs, informations client, interactions passées, afin de rester cohérent au lieu de traiter chaque tour comme un point de départ.
Comment cela fonctionne
La mémoire se présente généralement en couches. La mémoire à court terme retient la conversation en cours à l'intérieur de la fenêtre de contexte du modèle. La mémoire à long terme conserve des informations au-delà d'une seule session — souvent dans une base de données ou une base vectorielle — et en extrait les éléments pertinents au moment voulu, ce qui permet à l'agent de se souvenir plus tard des problèmes ou des préférences d'un client.
Comme la fenêtre de contexte d'un modèle est limitée, les historiques longs sont généralement résumés ou récupérés de façon sélective plutôt qu'injectés en bloc, ce qui garde les détails les plus pertinents disponibles sans faire déborder la fenêtre.
Pourquoi c'est important pour le support
La mémoire est ce qui fait qu'un agent IA ressemble à un assistant continu plutôt qu'à un poisson rouge. Elle lui permet de se référer à ce qui a déjà été dit, d'éviter de faire répéter les clients et de transporter le contexte d'un canal et d'une visite à l'autre — un facteur déterminant d'une expérience fluide.
Questions fréquentes
Quelle est la différence entre mémoire à court terme et mémoire à long terme ?
La mémoire à court terme est la conversation en cours, conservée dans la fenêtre de contexte ; la mémoire à long terme persiste d'une session à l'autre dans un stockage externe et n'est récupérée que lorsqu'elle est pertinente.
La mémoire d'agent consomme-t-elle la fenêtre de contexte ?
La mémoire à court terme, oui. La mémoire à long terme vit en dehors de la fenêtre et n'y est ramenée que de façon sélective, puisque la fenêtre est finie et ne peut pas contenir un historique illimité.
Termes liés
Fenêtre de contexte
La fenêtre de contexte est la quantité maximale de texte — mesurée en tokens — qu'un modèle de langage peut prendre en compte en une seule fois, en incluant à la fois l'entrée que vous lui fournissez et la sortie qu'il génère..
Base de données vectorielle
Une base de données vectorielle est une base conçue pour stocker et rechercher des embeddings — des vecteurs à haute dimension — par similarité, afin de retrouver rapidement le contenu dont le sens est le plus proche d'une requête..
Embeddings
Les embeddings sont des représentations vectorielles numériques de texte (ou d'images, de code, etc.) qui capturent le sens : des contenus de sens proche se retrouvent ainsi côte à côte dans un espace de grande dimension..
Agent IA
Un agent IA est un système logiciel qui s'appuie sur un modèle de langage pour comprendre une demande, décider quoi faire et agir — appeler des outils, récupérer des données, accomplir des tâches — au lieu de se contenter de renvoyer une réponse scriptée unique..
IA conversationnelle
L'IA conversationnelle désigne les technologies qui permettent d'interagir avec un logiciel par un dialogue naturel — en comprenant l'intention, en conservant le contexte d'un tour à l'autre et en répondant en langage naturel, par chat ou par la voix..
Passez à l'action
Macha est une couche d'agents IA qui se pose sur le help desk que vous utilisez déjà, Zendesk, Freshdesk, Front, Intercom ou Gorgias.
Démarrer l'essai