Publié le 22 octobre 2026 · Publication originale
Vous avez longtemps demandé des conseils pour progresser dans votre métier.
Aujourd'hui, vous voulez le quitter.
Que devient cette intention lorsqu'un assistant possède des mois de conversations décrivant votre ambition précédente?
En juillet 2026, Md Nayem Uddin et ses collègues publient Memora dans les Findings de l'ACL.
Le benchmark simule des conversations sur plusieurs semaines ou plusieurs mois et teste quatre modèles de langage ainsi que six systèmes de mémoire.
Son objectif n'est plus seulement de vérifier si l'assistant se souvient.
Il mesure aussi s'il sait cesser d'utiliser une information devenue fausse.
Les auteurs introduisent FAMA, Forgetting-Aware Memory Accuracy, qui pénalise explicitement le recours à des souvenirs invalidés ou remplacés.
Le résultat est inconfortable: modèles et agents mémoire réutilisent fréquemment des informations périmées et réconcilient mal les préférences qui évoluent.
Une information historiquement exacte peut donc devenir une mauvaise raison de vous conseiller aujourd'hui.
Étienne Brown formule en philosophie une difficulté voisine.
Dans le Journal of the American Philosophical Association, il montre que nos comportements observables ne coïncident pas toujours avec les désirs que nous voulons cultiver.
Regarder souvent un contenu ne signifie pas nécessairement vouloir devenir quelqu'un qui le regarde davantage.
Une personnalisation précise peut ainsi reproduire une habitude dont nous cherchons à sortir.
ULTRA®
La propriété décisive n'est peut-être plus seulement la mémoire.
C'est la révocabilité des inférences personnelles.
Un assistant peut avoir déduit que vous aimez un métier, un type de voyage ou une manière de travailler sans que vous l'ayez jamais formulé explicitement.
Cette inférence devrait pouvoir être contestée, remplacée et cesser d'influencer les recommandations lorsqu'elle n'est plus valide.
Memora fournit déjà une base technique: FAMA pénalise l'utilisation d'informations obsolètes.
Pour une gouvernance plus exigeante, le test devrait aller plus loin.
Déclarer une nouvelle intention.
Observer combien de recommandations restent encore gouvernées par l'ancien profil.
Mesurer le délai nécessaire pour que la nouvelle information prenne réellement le dessus.
Il faut aussi préserver ce qui reste utile: changer de métier n'efface pas les compétences acquises.
Le problème n'est donc pas d'oublier davantage.
Il est de savoir quelles inférences doivent perdre leur autorité lorsque la personne change.
VIOLETTA
Je peux reconnaître mon passé sans lui confier la suite.
Sources
Uddin et al., Findings of ACL, juillet 2026
Brown, Journal of the American Philosophical Association, mars 2026
#VOCEAssociation #IntelligenceArtificielle #Autonomie #Memoire #AIGovernance