Google Cloud a publié en open source un « Always-On Memory Agent », une implémentation de référence qui propose une autre manière de doter les agents d’IA de mémoire — une approche qui se passe de la base vectorielle et des embeddings sur lesquels repose actuellement la majeure partie du secteur. Elle est sortie le 18 juillet, construite sur le Agent Development Kit de Google et Gemini 3.1 Flash-Lite.

L’idée

Plutôt que de lancer des appels ponctuels, l’agent fonctionne 24 h/24, 7 j/7 comme un processus. Un modèle de langage lit en continu, réfléchit et écrit une mémoire structurée dans un simple fichier SQLite — traitant la mémoire comme quelque chose que l’on entretient dans le temps, à la manière dont une personne consolide les événements de la journée, plutôt que comme quelque chose que l’on récupère à la demande.

Pas de base vectorielle

L’omission la plus marquante concerne la pile de récupération. Il n’y a ni base vectorielle ni embeddings ; c’est le LLM lui-même qui décide de ce qui est important et l’enregistre sous forme de texte structuré. Cela échange la vitesse de la recherche par similarité contre le jugement d’un modèle qui a réellement lu le contenu — un défi direct à l’orthodoxie du retrieval-augmented generation.

Comment les agents se répartissent le travail

Un orchestrateur répartit le travail entre trois sous-agents : IngestAgent extrait les résumés, entités, sujets et niveaux d’importance ; ConsolidateAgent synthétise les liens entre mémoires toutes les 30 minutes ; et QueryAgent répond aux questions avec citations à l’appui. Le système ingère 27 types de fichiers répartis en cinq catégories — texte, images, audio, vidéo et documents.

Pourquoi Flash-Lite

Le choix de Gemini 3.1 Flash-Lite est le pari qui rend l’ensemble possible. Une cognition de fond en continu n’a de sens que si le modèle est assez peu coûteux et assez rapide pour tourner en permanence. À mesure que les modèles légers progressent, la consolidation toujours active devient abordable — et Google, commodément, commercialise précisément cette catégorie de modèle. Il vaut la peine de souligner qu’il s’agit d’un design de référence, pas d’un produit ; Google publie un modèle que d’autres peuvent reprendre, ce qui est précisément la manière dont les standards architecturaux évoluent. Si l’approche s’impose, une large partie des outils de bases vectorielles et d’embeddings conçus pour la récupération ponctuelle commence à apparaître comme facultative.