Mémoire des agents IA : calibrer la dose selon la capacité du modèle
22 août 2026 · IA
IBM Research et Hugging Face publient une étude sur ALTK-Evolve, un système permettant aux agents IA d'apprendre de leurs propres trajectoires passées sans mise à jour des poids. L'étude sur 8 modèles montre que l'efficacité de la mémoire dépend du niveau du modèle : les modèles puissants profitent du jeu complet de directives, les modèles faibles bénéficient d'une sélection ciblée. La récupération sélective (curated retrieval) offre le meilleur rapport performance/coût pour les modèles moins capables, avec +16,1pp de complétion de tâches pour seulement +5% de tokens supplémentaires.