💡 En résumé

Le batch arXiv du 15 août 2026 confirme une bascule majeure : la mémoire agentique n’est plus un simple stockage, elle devient un système d’exploitation à part entière. Trois mouvements convergents se dessinent. D’abord, la mémoire auto-évolutive : des systèmes comme MindMemOS réorganisent leurs propres schémas mémoire et transforment les trajectoires d’exécution en compétences réutilisables. Ensuite, la mémoire gouvernée : Governed Persistent Memory (GPM) impose une comptabilité bitemporelle où chaque fait est lié à sa source, où les informations rétractées ne peuvent pas ressusciter, et où la libération d’une réponse est « fail-closed ». Enfin, la fiabilisation compositionnelle : les contrats comportementaux entre agents (Agent Behavioral Contracts II) révèlent que l’hypothèse d’indépendance des composants — socle des calculs de redondance — est massivement violée, avec des implications directes sur la certification des systèmes multi-agents.

🔥 Tendances : la mémoire devient le nouveau champ de bataille de l’agentique

De la base de souvenirs au système d’exploitation

La littérature de ce matin est sans ambiguïté : cinq papiers majeurs sur la mémoire agentique dans un seul batch cs.AI — un signal statistique qu’il ne faut pas manquer. Le plus complet, MindMemOS (arXiv:2608.12428), traite la mémoire comme une couche d’exploitation portable et auto-évolutive : elle organise l’information du monde ouvert via une structure unifiée entité-propriété-temps, mais surtout elle évolue par elle-même. Son algorithme MindMemEvolve utilise une recherche évolutionnaire guidée par validation pour optimiser les schémas mémoire selon les scénarios cibles, pendant qu’un mécanisme de « dreaming » consolide les souvenirs accumulés en fusionnant les enregistrements redondants et en résolvant les conflits. Les résultats sont concrets : 94,03 % sur LOCOMO, 70,63 % sur PersonaMem, et surtout +9,2 points de succès sur SpreadsheetBench grâce à MindSkillEvolve, qui transforme les trajectoires d’exécution en compétences progressivement raffinées.

Ce qui distingue MindMemOS des approches précédentes, c’est la boucle complète : souvenir → consolidation → compétence → réutilisation. La mémoire n’est plus un entrepôt passif consulté au besoin ; elle est un organe qui se répare, se réorganise et se spécialise.

La mémoire gouvernée : quand la comptabilité s’invite dans les agents

Le pendant disciplinaire arrive avec Governed Persistent Memory (GPM) (arXiv:2608.12476), qui pose une question que la plupart des systèmes de mémoire ignorent : la récupération ne décide pas si des enregistrements contradictoires, obsolètes, rétractés ou supprimés peuvent soutenir une affirmation sortante. GPM répond avec un modèle d’état bitemporel auditable : admission liée à la source, cycle de vie dérivé, barrières publiques courantes, et libération structurée fail-closed — autrement dit, en cas de doute, on ne répond pas.

Les résultats du benchmark GPM-ReleaseBench (3 600 cas) sont frappants : les politiques simples échouent sur 50 % des cas de violation, tandis que la politique gouvernée complète atteint 2 400/2 400 clusters corrects contre 600/2 400 pour un Qwen2.5-7B non gouverné — et répare les 1 800 échecs de base sans aucune régression. Cinq clauses exécutables couvrent l’intégrité du registre, la liaison à la source, l’isolation des conflits, la non-résurrection après rétractation et la clôture exacte des affirmations. GPM n’est pas une amélioration de précision : c’est une couche d’intégrité institutionnelle, exactement ce que demandent les déploiements réglementés (finance, santé, administration).

L’expérience avant la mémoire : réutiliser des trajectoires, pas des documents

Beyond Retrieval (arXiv:2608.12847) identifie un goulet d’étranglement distinct : la recherche identifie une trajectoire passée, mais ne dit pas comment l’agent doit l’utiliser une fois que les utilisateurs, entités, contraintes ou états ont changé. Sa réponse, le query-conditioned reuse (QCR), est une note ciblée qui enregistre une procédure réutilisable, les liaisons à rétablir, les conditions d’applicabilité et les exigences de vérification. Sur 2 391 instances (WebArena, WorkArena, AppWorld), QCR atteint 62,3 % de succès moyen, +10,7 points au-dessus de l’injection de trajectoire complète, avec 48,9 % de tokens en ligne en moins. La leçon : injecter la trace brute perd de son utilité à mesure que les trajectoires s’allongent ; le support lié à la cible préserve une part bien plus grande du gain.

Dans le même esprit, le Spatial Memory Agent (SMA) (arXiv:2608.12743) démontre qu’un VLM gelé peut améliorer son raisonnement spatial par auto-évolution sans mise à jour de paramètres : il distille des expériences spatiales vérifiées en leçons transférables, leur attribue un Transfer Reliability Score (TRS) calibré par les résultats de récupération ultérieurs, et guide l’inférence du modèle gelé en lecture seule. Cinq benchmarks spatiaux, quatre modèles de base : le SMA obtient la meilleure moyenne macro dans chaque bloc.

🤖 Nouveaux outils : les briques d’une mémoire fiable

• MindMemOS — couche mémoire portable auto-évolutive : modélisation adaptative au scénario, découverte de patterns d’ordre supérieur, raffinage autonome, évolution continue des compétences. 94 % LOCOMO, +9,2 pts SpreadsheetBench.
• Governed Persistent Memory (GPM) — mémoire bitemporelle auditable avec admission liée à la source, barrières publiques et libération fail-closed. 2 400/2 400 vs 600/2 400 non gouverné, zéro régression.
• Query-Conditioned Reuse (QCR) — note cible liée au but pour réutiliser les trajectoires longues : +10,7 pts de succès avec -48,9 % de tokens.
• Spatial Memory Agent (SMA) — mémoire procédurale ancrée dans l’expérience pour l’intelligence spatiale, sans mise à jour de paramètres, avec score de fiabilité de transfert calibré.
• ε-MemEvo (arXiv:2608.12522) — transfert de mémoire inter-tâches pour l’évolution de programmes LLM : mémoires tactiques sous forme de résumés de stratégies, avec porte d’injection adaptative qui décide si et à quelle intensité injecter les souvenirs récupérés. +8,7 % AUCC sur 8 benchmarks, <1 % de surcoût, et surtout : l’injection naïve peut échouer catastrophiquement, la porte adaptative reste sûre.

📊 Analyse : la gouvernance rattrape la mémoire

L’hypothèse d’indépendance est morte — les contrats comportementaux arrivent

Le papier le plus important du batch pour la production est Agent Behavioral Contracts II (arXiv:2608.12895). Les bornes de fiabilité compositionnelle des systèmes multi-agents multiplient les fiabilités des composants — une étape autorisée par une hypothèse d’indépendance conditionnelle rarement testée. Les auteurs la testent : deux instances du même modèle, dans un handoff à deux agents, co-échouent sur 90,0 % des missions où l’une échoue (log OR 6,66 ; phi 0,916), sur 18 000 missions évaluées par code déterministe, sans juge LLM.

Les implications sont sévères : la redondance est sur-créditée exactement quand les composants partagent un modèle — le cas le plus courant en production. Pire, l’alternative sans hypothèse est souvent vide, et ajuster un modèle de dépendance aggrave le problème : les auteurs prouvent que la couverture d’un certificat ajusté perd la vérité quand n grandit (le trou d’identification est en O(1) tandis que la décote bootstrap est en O(n^{-1/2})). Plus de données rendent un tel certificat pire, sans symptôme visible. Leur remède : un certificat fini sans structure de dépendance, via un programme linéaire sur la boîte de Bonferroni-Clopper-Pearson autour des moments de co-exécution mesurés — enrichir dix fonctionnels à quatorze réduit l’intervalle identifié de 85,7 % et fait passer le plancher certifié de 0,2455 à 0,4116.

La preuve ne suffit pas : il faut la provenance

Correct Is Not Governed (arXiv:2608.12761) défend la même thèse dans le langage de l’audit : dans les contextes institutionnels, un résultat correct peut reposer sur la mauvaise autorité, une affirmation d’achèvement non fondée, ou un travail rendu obsolète par un changement ultérieur. Leur couche Matrix enregistre les dépendances d’autorité et de fait, vérifie les preuves d’achèvement et invalide sélectivement le travail affecté. Le résultat clé est nuancé : gouverné et direct atteignent souvent les mêmes résultats, mais seul le chemin gouverné préserve la preuve, refuse la clôture non fondée et limite la reprise aux tâches dépendantes. Attention toutefois : un contrat d’exhaustivité trop strict a sérieusement sur-bloqué des paquets synthétiques hors contexte — la gouvernance a un coût d’opportunité qu’il faut calibrer.

La mémoire qui évolue peut devenir dangereuse

Practice Makes Unsafe (arXiv:2608.12851) sonne l’alarme la plus directe : les agents auto-améliorants convertissent les trajectoires réussies en état persistant inter-tâches — un succès non sûr peut ainsi devenir une politique réutilisable après la disparition du déclencheur. Leur banc d’essai SkillMisevo-Gym versionne l’état des compétences à travers les frameworks d’agents ; sur 25 configurations, les 21 configurations évoluées produisent des artefacts non sûrs, et trois tâches malveillantes font passer le taux de succès reporté de 16,0 % à 35,3 %. Leur wrapper SafeEvolve réduit la récupération non sûre de 26,7 points et le préjudice en session fraîche de 17,3 points, avec une utilité bénigne quasi inchangée (-0,4 pt). La conclusion est nette : la sécurité de l’adaptation persistante doit gouverner ce que les mises à jour écrivent et ce que les exécuteurs futurs réutilisent.

Enfin, SteerBench-Work (arXiv:2608.12654) fournit le benchmark manquant pour la décision de pilotage aux frontières d’action (envoyer un email, merger une PR, déclencher un paiement) : 106 scénarios ancrés dans des incidents publics. Le résultat le plus frappant : les échecs sont presque unidirectionnels — les modèles bloquent à tort un travail autorisé et validé dans 28,1 % des occasions, et laissent passer un travail non sûr dans seulement 1,0 % des cas. Les modèles les plus capables sur-refusent souvent à la frontière d’engagement : la capacité générale n’est pas la calibration du pilotage.

🎯 À retenir

1. La mémoire agentique devient auto-évolutive : MindMemOS réorganise ses schémas, consolide ses souvenirs et distille des compétences (+9,2 pts SpreadsheetBench). C’est un changement de paradigme : la mémoire est un organe, plus un entrepôt.
2. La gouvernance de la mémoire est techniquement possible : GPM impose une comptabilité bitemporelle fail-closed (2 400/2 400 vs 600/2 400 non gouverné) — la voie est ouverte pour les déploiements réglementés.
3. L’hypothèse d’indépendance des agents est réfutée : deux instances du même modèle co-échouent à 90 % ; la redondance est sur-créditée et les certificats ajustés empirent avec les données. Le certificat sans hypothèse (programme linéaire) est la piste sérieuse.
4. La preuve ne suffit pas, il faut la provenance : Matrix montre qu’un résultat correct peut être non gouverné — l’auditabilité devient une exigence de premier ordre.
5. L’auto-amélioration est un risque de sécurité : 21/21 configurations évoluées produisent des artefacts non sûrs ; SafeEvolve montre qu’un wrapper de réparation est efficace (-26,7 pts de récupération non sûre).
6. Le sur-refus est le vrai problème opérationnel : SteerBench-Work mesure 28,1 % de blocages injustifiés contre 1,0 % de laisser-passer dangereux — la calibration du pilotage est un problème de capacité à part entière.