Pourquoi votre ChatGPT repart de zéro à chaque conversation
Vous ouvrez une conversation. Vous réexpliquez ce que fait votre entreprise, à qui vous vendez, ce que vous avez déjà essayé, pourquoi vous avez écarté telle option. Vous obtenez une bonne réponse. Le lendemain, vous rouvrez une conversation, et vous recommencez le même préambule.
Ce n'est ni un bug, ni un manque de puissance du modèle. C'est une conséquence directe de la façon dont il est construit. Comprendre pourquoi change ce que vous devez attendre de lui, et surtout où vous devez mettre votre mémoire.
Un modèle n'a pas de mémoire, il a un plan de travail
Il faut distinguer deux choses qu'on confond en permanence.
Ce que le modèle sait, c'est ce qu'il a appris pendant son entraînement. Ça ne contient rien sur votre entreprise, et ça ne s'enrichit pas quand vous discutez avec lui.
Ce que le modèle voit, c'est le contenu de la conversation en cours. C'est un plan de travail : large, mais temporaire. Tout ce que vous y posez est visible pendant que vous travaillez. Quand la conversation se ferme, le plan de travail est débarrassé.
Un modèle n'oublie donc pas votre contexte. Il ne l'a jamais mémorisé. Il l'avait sous les yeux, ce qui n'est pas la même chose. La nuance a l'air théorique, elle a des conséquences très concrètes.
Et les fonctions « mémoire » alors ?
Les assistants proposent aujourd'hui des fonctions de mémoire. Elles sont utiles, et elles ne règlent pas le problème dont on parle ici, pour trois raisons.
Elles retiennent qui vous êtes, pas ce que votre entreprise a décidé. Elles gardent des préférences et des faits stables à votre sujet. Elles ne gardent pas le raisonnement d'une décision, ses alternatives écartées, ni les preuves qui la soutenaient.
Elles sont individuelles. Ce que l'assistant retient de vous n'existe pas pour votre associé ni pour la personne qui arrive lundi. Une mémoire d'entreprise qui ne vit que dans le compte d'une personne n'est pas une mémoire d'entreprise.
Elles sont cloisonnées par outil. Ce que vous avez appris dans un assistant ne suit pas dans un autre. Vous entretenez donc plusieurs mémoires partielles qui ne se parlent pas, et aucune ne connaît l'histoire complète.
Les trois coûts réels
Cette architecture vous coûte trois choses, tous les jours, sans que ça apparaisse nulle part.
L'impôt de re-contextualisation. Chaque conversation utile commence par un préambule. Multiplié par le nombre de fois où vous sollicitez un assistant, c'est du temps qui ne produit rien, et qui se paie à nouveau demain.
Des réponses incohérentes dans le temps. Comme rien ne relie les conversations, rien n'empêche l'assistant de vous conseiller aujourd'hui l'inverse de ce qu'il vous a conseillé le mois dernier. Il n'en a aucun souvenir, donc aucune contradiction ne lui saute aux yeux. À vous de la repérer, si vous vous en souvenez.
Des apprentissages qui meurent dans le fil. C'est le plus coûteux. Une bonne conversation produit souvent une vraie clarification : un arbitrage, une raison, une formulation juste. Si elle reste dans le fil, elle disparaît avec lui. Vous avez pensé, et l'entreprise n'a rien retenu.
L'erreur de diagnostic
Le réflexe est de se dire : il me faut un meilleur modèle, ou des prompts mieux écrits.
Mais aucun modèle, aussi bon soit-il, ne peut se souvenir de ce qu'on ne lui a jamais donné à conserver. Vous ne réglez pas un problème de mémoire en améliorant le raisonnement. C'est le même piège que dans retrouver un document n'est pas se souvenir : on améliore l'outil sans corriger ce qui manque réellement.
Un modèle est excellent pour raisonner sur ce qu'on lui donne. Il est structurellement incapable d'être le lieu où votre entreprise conserve ce qu'elle apprend.
Où doit vivre la mémoire
La conclusion est plus simple qu'il n'y paraît : la mémoire doit vivre en dehors du modèle, et se brancher dessus.
Concrètement, ça veut dire que vos décisions, vos retours clients et vos apprentissages sont conservés dans un endroit qui vous appartient, structuré et daté. L'assistant vient y puiser quand vous travaillez, et peut y déposer ce qui mérite d'être conservé. Le modèle redevient ce qu'il fait de mieux, un moteur de raisonnement, et cesse d'être un coffre-fort qu'il n'a jamais été.
Ce branchement a un nom et un standard émergent, le MCP, qui permet justement de connecter des assistants à une source de mémoire externe.
L'avantage est direct : vous changez d'assistant quand vous voulez sans repartir de zéro, puisque ce qui compte n'a jamais été stocké dans l'assistant. C'est le prolongement pratique de ce qu'on développait dans la mémoire de votre entreprise ne devrait vivre dans aucune IA.
Ce qu'il faut retenir
Votre assistant ne repart pas de zéro parce qu'il est limité. Il repart de zéro parce qu'il n'a jamais eu pour rôle de se souvenir.
Tant que votre mémoire d'entreprise vit à l'intérieur d'une conversation, elle meurt avec elle. Le jour où elle vit à côté, chaque conversation commence là où la précédente s'est arrêtée. Pour la vue d'ensemble, voir le guide de la mémoire organisationnelle.
Un modèle se loue et se remplace. Ce qu'il finit par comprendre de votre entreprise, lui, ne devrait jamais partir avec.