Agents IA en entreprise : le vrai sujet, c'est la mémoire

Un consultant reprend un dossier client après six semaines d'interruption. Il rouvre son assistant IA, pose sa question — et doit tout réexpliquer. Le contexte du projet, les décisions déjà prises, la raison pour laquelle on avait écarté telle approche en avril. L'assistant est brillant et il ne sait rien.

C'est la situation par défaut de la quasi-totalité des déploiements d'IA en entreprise aujourd'hui. On évalue les modèles sur leur raisonnement, leur vitesse, leur capacité à écrire du code. Rarement sur ce qui détermine en réalité leur utilité à six mois : se souviennent-ils de quoi que ce soit ?

Le problème n'est pas l'intelligence, c'est l'amnésie

Un grand modèle de langage ne conserve rien d'une conversation à l'autre. Chaque session repart de zéro. Dans un usage personnel, c'est un inconvénient mineur. Dans un cabinet de conseil qui suit huit projets clients en parallèle sur plusieurs années, c'est rédhibitoire.

Les conséquences sont concrètes et mesurables :

• Les décisions se reperdent. Une règle de gestion arbitrée en mars est réinventée — différemment — en septembre.
• Le même diagnostic se refait. On rebugge une anomalie déjà résolue parce que personne ne retrouve comment elle l'avait été.
• Le contexte ne circule pas. Ce que sait le consultant qui a cadré le projet ne parvient pas à celui qui le reprend.
• Le temps de remise en contexte devient le coût dominant. Pas la production : la reconstitution de ce qui a déjà été fait.

Ce dernier point mérite d'être souligné. Dans un métier où l'on intervient sur des systèmes décisionnels complexes — entrepôts de données, modèles dimensionnels, centaines de mesures DAX — la difficulté n'est presque jamais de produire. Elle est de retrouver pourquoi les choses sont comme elles sont.

Ce que nous avons construit : Da-Ki-Ra

Da-Ki-Ra est la mémoire d'entreprise d'ANAILYNIS. Elle est en production depuis avril 2025 et sert quotidiennement nos interventions sur l'ensemble de nos projets clients.

Le principe est simple à énoncer : tout ce qui est décidé, découvert ou résolu est écrit, structuré et redevient interrogeable — par un humain comme par un agent IA, aujourd'hui comme dans deux ans.

L'architecture repose sur deux couches qui répondent à deux questions différentes.

Couche 1 — Ce qui a été décidé

Une base de décisions, de faits et de règles, synthétisés et catégorisés. Chaque entrée porte son contexte : quel projet, quel type (décision, livrable, bug résolu, règle), quel niveau d'importance, quels mots-clés de recherche. C'est la source de vérité sur les arbitrages.

Au 13 octobre 2026 : 3 274 entrées, réparties sur huit projets.

Couche 2 — Ce qui a été écrit

Une mémoire documentaire qui conserve le verbatim : les requêtes SQL exactes, les mesures DAX, les messages d'erreur, les sorties de commande, les extraits de spécification. Parce qu'un résumé vous dit qu'un problème a été résolu ; seul le verbatim vous dit comment.

Au 13 octobre 2026 : 57 296 segments indexés, soit 98,7 Mo de texte couvrant dix-huit mois d'activité — dont 4 646 segments contenant du SQL et 1 888 contenant du DAX.

La distinction entre les deux couches n'est pas cosmétique. La première fait foi sur ce qui a été décidé, la seconde sur ce qui a été écrit. Confondre les deux, c'est soit noyer les arbitrages dans le bruit, soit perdre le détail technique qui fait la différence lors d'une reprise.

Trois leçons de dix-huit mois en production

1. Une mémoire qui n'est pas relue ne sert à rien

Écrire est la partie facile. La difficulté est de garantir que la mémoire soit consultée avant de répondre, systématiquement, et pas seulement quand quelqu'un y pense. Une base de connaissances que personne n'interroge est un cimetière bien rangé.

Chez nous, la consultation est une règle d'ouverture : aucune réponse sur un sujet client ne se formule sans avoir d'abord cherché ce que la mémoire en dit.

2. Une mémoire qui grossit sans hygiène se dégrade

Nous avons appris cette leçon à nos dépens. Sans discipline, une mémoire d'entreprise accumule les doublons, les entrées périmées jamais clôturées, et les transcriptions brutes qui diluent la pertinence des recherches. Il a fallu des chantiers dédiés : déduplication, purge des secrets stockés en clair, clôture systématique des statuts, mise hors index des dumps bruts.

Une mémoire d'entreprise est un actif à entretenir, pas un disque dur à remplir.

3. L'écriture doit être automatique, jamais optionnelle

Tant que la journalisation dépend de la bonne volonté de chacun en fin de journée, elle ne se fait pas. C'est une question de conception, pas de discipline individuelle : l'écriture doit faire partie du geste de travail lui-même.

Souveraineté : une distinction qu'il faut poser honnêtement

Le sujet revient systématiquement, et il mérite mieux qu'un argument marketing. Le stockage et l'inférence sont deux questions distinctes, et il est malhonnête de les confondre.

Le stockage — vos décisions, votre verbatim technique, votre historique projet — réside sur l'infrastructure d'ANAILYNIS, que nous opérons et dont nous maîtrisons les accès.

L'inférence — le raisonnement du modèle lui-même — s'appuie sur des fournisseurs de modèles de langage. C'est vrai de toute solution d'IA générative sur le marché, y compris de celles qui communiquent sur la souveraineté. Prétendre le contraire serait inexact.

Nous préférons énoncer cette frontière clairement plutôt que de l'enjamber. Un client qui déploie de l'IA sur ses données doit savoir précisément ce qui réside où. C'est un prérequis de confiance, et c'est aussi la base d'une conversation sérieuse sur ce qui peut ou ne peut pas être confié à un système.

Pourquoi cela compte maintenant

L'écart entre les entreprises qui tireront quelque chose de l'IA et les autres ne se jouera pas sur le choix du modèle. Les modèles convergent, se remplacent, et celui que vous aurez choisi cette année sera remplacé l'an prochain.

Il se jouera sur ce que votre organisation aura accumulé et rendu interrogeable. Vos décisions, vos arbitrages, vos solutions techniques, les raisons derrière vos choix d'architecture. Cet actif-là ne se télécharge pas et ne s'achète pas : il se construit, une entrée à la fois, et il prend de la valeur avec le temps.

Un modèle, c'est une capacité. Une mémoire, c'est un avantage.