Trois papers publiés le même jour abordent le même problème sous des angles différents : comment réduire le coût de la mémoire des agents sans perdre d’informations.

Zero-Mem emprunte la voie la plus radicale. Il élimine complètement les appels au modèle de la gestion de la mémoire : aucun token consommé pour générer des résumés intermédiaires ou médiatiser la récupération. Il conserve les traces originales des interactions et les organise dans un graphe entité-contexte et une hiérarchie temporelle. Seule la dernière étape, celle qui répond à la question, appelle l’LLM. Résultat annoncé dans le paper : 57,6% de temps en moins sur les opérations de mémoire par rapport au baseline le plus rapide (source : abstract, 31 juillet 2026).

RecHarness aborde un versant différent : l’optimisation automatique des modèles. Au lieu de laisser un LLM faire à la fois le choix de la direction et la génération du code, il sépare les deux tâches. Un algorithme bandit sélectionne la direction en fonction des résultats historiques, l’LLM ne génère que l’hypothèse concrète et le code. Plus stable, moins de budget gaspillé.

Le troisième paper montre qu’un modèle de diffusion gelé peut s’auto-guider en utilisant ses propres échantillons comme référence. Un signal que la mémoire générative peut s’auto-organiser sans réentraînement.

Pourquoi cela te concerne

Si tu construis des agents qui travaillent sur de longues sessions, le coût de la mémoire est déjà ton goulot d’étranglement. Comme nous l’avons raconté le 26 juillet avec le paper sur les cinq primitives du contexte agentique et l’approche TAKC d’AWS, les tokens de mémoire croissent quadratiquement sans compaction. Ces trois papers tracent la transition de « la mémoire est gratuite » à « la mémoire doit être conçue ». Zero-Mem démontre que tu peux structurer le souvenir sans dépenser de tokens pour le gérer. RecHarness montre que séparer qui décide de qui exécute stabilise la recherche. Pour ceux qui utilisent des agents au travail quotidien, la leçon est claire : l’architecture de la mémoire compte autant que le choix du modèle.

En détail

Le problème que ces trois papers abordent a émergé clairement ces dernières semaines. Le 26 juillet, un paper sur arXiv a formalisé la mémoire des agents comme un cycle de vie avec cinq primitives, montrant que sans compaction le coût croît quadratiquement. Le même jour, AWS a publié TAKC, une approche qui pré-compresse des bases documentales entières par type d’analyse. Les deux disaient la même chose : la mémoire n’est plus gratuite.

Zero-Mem : retirer le modèle de la mémoire.

L’idée centrale de Zero-Mem est que gérer la mémoire ne nécessite pas de génération. La plupart des systèmes agentiques utilisent des appels LLM supplémentaires pour résumer, indexer ou médiatiser la récupération. Chaque appel consomme des tokens et du temps.

Zero-Mem élimine ce surcoût. Les traces originales des interactions restent intactes, organisées en deux vues complémentaires. La première est un graphe entité-contexte qui expose les connexions entre les interactions. La seconde est une hiérarchie temporelle qui préserve la localité de la conversation et l’état des sessions. Pour chaque requête, le système pèse les deux vues, récupère des deux et suit leur structure pour reconstruire les relations de support. Un calibrage déterministe écarte d’abord les preuves conflictuelles, puis maintient la réponse ancrée aux traces récupérées.

Le résultat annoncé : avec le même lecteur final et le même budget de contexte, Zero-Mem réduit le temps des opérations de mémoire de 57,6% par rapport au baseline le plus rapide. Le code est promis après peer review.

RecHarness : séparer qui décide de qui exécute.

RecHarness naît chez Kuaishou, la plateforme chinoise de short video. Le problème est l’optimisation des modèles de recommandation, aujourd’hui confiée à des ingénieurs qui itèrent manuellement sur l’architecture, la fonction objectif et la stratégie d’entraînement. Laisser à un LLM à la fois le choix de la direction et la génération du code mène à des recherches instables quand le budget d’expériences est limité.

La solution sépare les deux rôles. Un algorithme bandit (un type d’algorithme qui équilibre exploration et exploitation) sélectionne la direction de modification en fonction des résultats historiques. L’LLM ne génère que l’hypothèse concrète et le code. Quand les modifications locales stagnent, un mécanisme de basin jump active un bras structurel qui saute à une architecture différente. Un test A/B de sept jours sur une plateforme publicitaire réelle montre des améliorations mesurables : +2,084% sur la métrique ADVV, +0,534% sur les revenus (source : abstract, 31 juillet 2026).

Le troisième paper : l’auto-guidage de la diffusion.

Le paper sur la diffusion dans l’espace pixel montre qu’un modèle gelé peut améliorer ses propres générations en utilisant ses propres échantillons comme guide. Pas besoin de réentraînement. Le lien avec la mémoire agentica est indirect mais pertinent : si un modèle peut auto-organiser une partie de sa sortie, il y a de la place pour des systèmes de mémoire qui se compactent sans appels externes au modèle.

Ce qui reste ouvert.

Zero-Mem est testé sur des benchmarks de question answering, pas sur des workloads agentiques réels avec tool calling et planification multi-tour. La promesse du code est subordonnée au peer review. RecHarness fonctionne dans le domaine spécifique de la recommandation, et la généralisation à d’autres types d’optimisation reste à démontrer. Le paper sur la diffusion est le plus spéculatif des trois : le lien avec la mémoire agentica est une implication, pas un résultat.

Ensemble, cependant, ils dessinent une tendance claire. Le coût de la mémoire agentica devient un critère de design de premier niveau, pas un détail d’implémentation.