Le projet AgenticSTS a fait remporter une partie de Slay the Spire 2 par un agent IA, là où les modèles frontier utilisés en mode classique (prompt avec logs de conversation de plus en plus longs) n’avaient jamais terminé une partie. La différence ne vient pas du modèle — tous utilisent Gemini 3.1 Pro — mais de l’architecture : l’agent ne voit jamais son propre log de chat, il reconstruit chaque décision à partir de cinq slots de mémoire séparés (instructions fixes, schéma de l’état actuel, règles récupérées au besoin, résumés des parties précédentes, librairie de stratégies pour les situations récurrentes). Le taux de victoire double quand la librairie de stratégies est active, et avec une mémoire persistante entre les parties, l’agent atteint les niveaux de difficulté A6-A8, tandis que sans mémoire il s’arrête à A2-A4.

Pourquoi ça te concerne. Un agent qui accumule des logs de conversation augmente en coût et latence à chaque étape, jusqu’à saturer la fenêtre de contexte ou diluer l’attention du modèle sur des centaines de milliers de tokens. AgenticSTS montre qu’une architecture avec mémoire structurée externe consomme 90 fois moins de tokens par point obtenu par rapport aux agents traditionnels, et termine les parties en un quart du temps. C’est le même pattern que nous utilisons dans le cours quand nous parlons de donner une mémoire aux agents : le log n’est pas l’état, et si tu le traites comme tel, tu paies un prix à chaque décision.

En détail

Le problème du log qui croît

Les agents classiques comme ReAct ou Reflexion ajoutent chaque observation, appel à outil et auto-réflexion au prompt suivant. Ça fonctionne pour les tâches courtes, mais une partie de Slay the Spire 2 dure des centaines de décisions (cartes à choisir, chemins sur la carte, combats à planifier). Les modèles frontier testés sur AGI-Eval n’ont jamais remporté une partie sur cinq configurations différentes. Le log croît jusqu’à saturer la fenêtre ou faire perdre l’attention du modèle sur ce qui compte vraiment.

Les cinq slots de mémoire

AgenticSTS inverse le pattern. Chaque décision part de zéro : pas de log accumulé, mais cinq slots indépendants remplis au besoin.

• L1 : instructions fixes du protocole, toujours identiques.
• L2 : schéma de l’état actuel avec les actions valides (cartes en main, ennemis, statistiques).
• L3 : règles du jeu récupérées quand elles servent.
• L4 : résumés des parties précédentes, mis à jour entre les sessions.
• L5 : librairie de stratégies pour les situations récurrentes (compétences), générées ou écrites à la main.

Tout ce que l’agent veut reporter de l’étape précédente doit d’abord entrer dans l’un de ces slots. Le prompt reste court indépendamment de la longueur de la partie, et chaque couche peut être isolée pour comprendre ce qui améliore vraiment.

Les chiffres

L’équipe a testé cinq configurations avec dix parties chacune sur le niveau de difficulté le plus bas, A0. Sans mémoire, l’agent remporte 3 parties sur 10. Avec la librairie de stratégies active (L5), le taux monte à 6 sur 10, que les compétences soient écrites à la main ou générées à partir de templates. Les chercheurs reconnaissent qu’avec seulement dix parties la variance pourrait expliquer le doublement, mais le saut est net.

La mémoire épisodique (L4) n’aide pas à A0, mais devient décisive quand l’agent affronte des difficultés croissantes : avec mémoire persistante il atteint A6-A8, sans elle il s’arrête à A2-A4. Le test de transférabilité montre que la mémoire construite par Gemini 3.1 Pro ne se porte pas sur d’autres modèles : Qwen 3.6-27B s’améliore de 84,5%, Deepseek V4-Pro baisse de 18,1%, et aucun des deux ne gagne jamais.

La comparaison avec les agents à log croissant

La comparaison la plus intéressante n’est pas interne mais avec deux agents publics qui utilisent le log accumulé : STS2MCP et CharTyr. Tous les trois utilisent Gemini 3.1 Pro pour les décisions stratégiques. Les deux concurrents ne gagnent jamais dans les cinq parties testées, et pour chaque point obtenu ils envoient 66 à 90 fois plus de tokens au modèle que n’en utilise AgenticSTS. Dans STS2MCP, un seul appel au modèle vers la fin de partie atteint 527.000 tokens parce que l’historique entier est renvoyé à chaque nouvelle décision. AgenticSTS maintient le prompt réel autour de 5.000 tokens pendant toute la durée de la partie.

L’accumulation a aussi un coût en temps : les agents traditionnels prennent quatre fois plus de temps pour atteindre le même score, et selon les logs du fournisseur 96% de la différence vient de la latence du modèle, pas du logiciel de contrôle.

Ce qui reste ouvert

L’article ne dit pas si les cinq slots sont universels ou spécifiques au jeu vidéo. La mémoire construite par un modèle ne se transfère pas aux autres, et cela limite la réutilisabilité. Le taux de victoire au niveau le plus bas reste sous les 60%, et les chercheurs reconnaissent que dix parties par configuration laissent de la place à la variance. Mais le pattern — mémoire externe structurée au lieu de log accumulé — est le même qui apparaît dans les systèmes agentiques réels et dans l’article sur le memory agent, et tu le vois fonctionner ici sur une tâche avec des centaines de décisions enchaînées.