Mémoire agent IA : l'avantage cumulatif du mandat M&A
La mémoire agent IA transforme un agent M&A en avantage cumulatif : trois types de mémoire, architectures du marché, benchmarks et gouvernance de l'oubli.
Sommaire · 11 sections+
- L'essentiel
- Mémoire agent IA : définition opérationnelle en 2026
- Ce qu'un associé M&A sait — et qu'un agent doit retenir
- Les trois architectures de mémoire agent IA sur le marché
- Benchmarks de mémoire : LoCoMo, LongMemEval et la lecture d'opérateur
- Un mandat de cession est une épreuve de mémoire
- Gouvernance de l'oubli : NDA, conflits d'intérêts, purge
- Ce que la mémoire agent IA ne remplace pas
- Conclusion : la mémoire est le prochain critère d'achat d'un agent M&A
- FAQ — mémoire agent IA
- Sources
L'essentiel
- Une mémoire agent IA conserve, met à jour et fait expirer ce qu'un agent apprend en exécutant — au-delà de la session en cours.
- La recherche retient trois types : épisodique (ce qui s'est passé), sémantique (ce qui est su), procédurale (les méthodes apprises).
- Deux propriétés rendent ces mémoires utiles sur un marché : la forme graphe et les fenêtres de validité temporelles.
- Le marché converge : briques open source dominantes, offres managées chez AWS, Cloudflare et Google — désormais facturées.
- En M&A, la mémoire doit aussi savoir oublier : cloisonnement par mandat, purge à l'échéance des NDA, traçabilité.
Une mémoire agent IA est la couche logicielle qui conserve, met à jour et fait expirer ce qu'un agent apprend au fil de son exécution, au-delà de la session en cours. Le signal d'industrialisation est daté : à partir du 1er septembre 2026, Google facture la mémoire d'agent de Vertex AI à 0,30 $ par gigaoctet stocké et par mois. Pour un cabinet M&A, cette brique transforme chaque mandat en capital : historiques d'approche, objections datées, critères d'acquéreurs qui évoluent. Chez Gravity Capital, nous mesurons en juin 2026 un taux de réponse de 15 à 20 % en campagne multi-canal — un chiffre qui tient à ce que l'agent retient d'un dossier à l'autre.
Mémoire agent IA : définition opérationnelle en 2026
La mémoire d'un agent est distincte de son contexte et de sa base documentaire. Le contexte est ce que le modèle voit pendant une session ; la base documentaire est ce qu'on lui donne à lire ; la mémoire est ce qu'il retient de ce qu'il a fait.
La distinction est devenue concrète en juillet 2026. Anthropic a lancé Sonnet 5 le 1er juillet avec une fenêtre de contexte d'un million de tokens. Une fenêtre géante règle le découpage des documents. Elle n'apporte ni persistance entre sessions, ni oubli sélectif, ni cloisonnement. Le contexte est une taille. La mémoire est un cycle de vie.
Trois opérations définissent ce cycle de vie : écrire un fait appris pendant l'exécution, mettre à jour un fait devenu inexact, faire expirer un fait périmé. Un système qui ne fait que lire un corpus figé relève du RAG (génération augmentée par récupération), la technique qui injecte des documents retrouvés dans la réponse du modèle. Nous détaillons la différence dans notre comparatif RAG vs mémoire d'agent appliqué au M&A.
Ce qu'un associé M&A sait — et qu'un agent doit retenir
Le savoir d'un associé après quinze ans de mandats se range en trois tiroirs. La recherche sur les agents IA a stabilisé exactement la même taxonomie.
Il se souvient des événements : ce rendez-vous de 2022 où tel fonds a décliné un dossier, la raison donnée, le ton employé. C'est la mémoire épisodique, l'enregistrement daté de ce qui s'est passé, avec son contexte.
Il en a tiré des convictions : ce fonds ne fait plus le retail, ce groupe paie bien les revenus récurrents. C'est la mémoire sémantique, le fait consolidé, détaché des événements qui l'ont appris.
Il a une méthode : qui appeler en premier, quelle formulation obtient un rendez-vous, quand relancer. C'est la mémoire procédurale, la façon de faire apprise par la répétition.
Le passage d'un tiroir à l'autre s'appelle la consolidation. Trois refus successifs sur des dossiers retail — des épisodes — deviennent une conviction : ce fonds est sorti du retail — un fait. C'est le travail mental d'un associé. L'agent fait la même chose, à l'échelle du marché entier, et il ne part pas à la retraite.
Deux propriétés rendent ces mémoires utilisables sur un marché. La forme graphe : le savoir forme un réseau, jamais une liste — ce fonds est relié à ce dirigeant, ce secteur, ce deal de 2023. Et la propriété temporelle : chaque fait porte une fenêtre de validité. « Ce fonds est acquéreur » était vrai jusqu'à fin 2024. Un système sérieux ferme la fenêtre au lieu d'écraser le fait. Nous consacrons un article dédié au graphe de connaissances temporel appliqué au sourcing d'acquéreurs.
Les trois architectures de mémoire agent IA sur le marché
Trois paris techniques dominent l'open source en juillet 2026, et les trois plus grands clouds ont suivi avec des offres managées. Le choix d'architecture détermine ce que l'agent saura retenir — et dater.
Mem0 (~47 000 étoiles GitHub en juin 2026, la plus grande communauté du segment) extrait des faits de chaque échange et décide seul de les ajouter, les mettre à jour ou les supprimer. AWS l'a retenu comme brique mémoire de son kit de développement d'agents. Graphiti, le moteur ouvert de Zep (~27 000 étoiles, licence Apache 2.0), stocke les faits en graphe avec des fenêtres de validité natives. Letta, ex-MemGPT, financé par Felicis avec Jeff Dean au capital, confie à l'agent la gestion de sa propre mémoire, comme un ordinateur arbitre entre mémoire vive et disque.
| Critère | Extraction vectorielle (Mem0) | Graphe temporel (Graphiti / Zep) | Hiérarchie type OS (Letta) |
|---|---|---|---|
| Pari technique | Extraire des faits courts, décider ajouter / mettre à jour / supprimer | Relier les faits en graphe, dater leur validité | L'agent pagine lui-même sa mémoire (vive / rappel / archive) |
| Point fort | Simplicité, rapidité, personnalisation | Requêtes temporelles : « qu'est-ce qui était vrai en mars ? » | Contrôle explicite, mémoire inspectable |
| Limite documentée | Écart entre scores auto-déclarés et évaluation indépendante | Construction du graphe coûteuse, récupération différée après ingestion | Runtime complet à adopter, latence de l'auto-gestion |
| Adossement | Retenu par AWS pour son SDK d'agents | Moteur ouvert de Zep, Apache 2.0 | Amorçage mené par Felicis, Jeff Dean au capital |
| Cas M&A naturel | Préférences et historique par interlocuteur | Univers acquéreurs daté, critères qui évoluent | Agents longue durée à mémoire auditée |
Côté managé, la mémoire d'agents est intégrée chez AWS (Bedrock AgentCore), en beta privée chez Cloudflare depuis le 17 avril 2026, et facturée chez Google à partir du 1er septembre 2026 — 0,30 $ par gigaoctet et par mois, lectures et écritures comptées à l'unité. Quand un géant du cloud met une ligne de facture sur une brique, elle est devenue une infrastructure, comme le stockage ou le calcul avant elle.
Benchmarks de mémoire : LoCoMo, LongMemEval et la lecture d'opérateur
Le secteur s'est doté de tests standardisés — LoCoMo, LongMemEval — qui posent tous la même question : l'agent retrouve-t-il une information donnée des semaines et des centaines d'échanges plus tôt ? Les scores publiés divergent fortement selon qui mesure.
Sur LongMemEval, Mem0 s'attribue 94,4 % de bonnes réponses dans son propre rapport d'avril 2026. Une évaluation indépendante publiée sur arXiv le mesure à 49 % sur le même test. L'écart s'explique simplement : chaque vendeur teste son produit dans la configuration qui l'avantage. Zep a d'ailleurs republié un score « corrigé » à 75,14 % sur LoCoMo, après avoir jugé mal configuré le test qui le désavantageait.
Il faut le dire franchement : aucun benchmark largement adopté ne teste aujourd'hui l'accumulation de savoir opérationnel sur des mois — la promesse même de la mémoire. Les tests mesurent le rappel, pas la capitalisation.
La lecture d'opérateur s'impose : un chiffre auto-déclaré est une position de négociation. Le réflexe est le même qu'en due diligence — on demande la méthodologie, ou on refait le test sur ses propres données. Chez Gravity Capital, nous appliquons cette règle à nos propres briques : toute métrique publiée est datée et bornée à son périmètre.
Un mandat de cession est une épreuve de mémoire
Un mandat dure des mois et se joue sur des dizaines d'interactions dispersées. La valeur d'un cabinet tient à ce qu'il sait du marché et qui n'est écrit dans aucune base. Suivez le déroulé, l'argument devient concret.
Au cadrage, la mémoire épisodique évite la faute classique : re-solliciter un fonds déjà approché trois fois en six mois par le cabinet. À chaque doublon, c'est la réputation de la signature qui s'use.
Pendant la campagne, un fonds décline. La mémoire enregistre l'objection, sa raison, sa date : « pas de dossier sans revenus récurrents — mars 2026 ». Sans cet enregistrement, l'information meurt dans une boîte mail.
Six mois plus tard, le fonds a levé un nouveau véhicule. La propriété temporelle fait la différence entre une relance pertinente — « votre contrainte de mars ne s'applique plus à ce dossier-ci » — et un message générique de plus.
Au mandat suivant, la mémoire procédurale a retenu les séquences d'approche qui obtiennent réponse et les critères de scoring qui convertissent. Le deuxième mandat démarre plus haut que le premier : c'est la définition d'un avantage cumulatif.
L'économie suit la même pente. Le papier de recherche de Mem0, publié à ECAI 2025, mesure environ 1 800 tokens par échange avec mémoire, contre 26 000 quand il faut recharger tout l'historique à chaque appel. Retenir coûte moins cher que relire.
Vous voulez voir ce que donne un univers acquéreurs qui capitalise ? Gravity Scan livre les acquéreurs naturels de votre dossier, scorés, en 1 heure — la brique d'entrée de l'agent.
« Le modèle s'échange. La mémoire s'accumule. »
— Florent Jacques, Head of AI, Gravity Capital, juillet 2026
Gouvernance de l'oubli : NDA, conflits d'intérêts, purge
Un agent qui accumule la mémoire du marché finit par poser à chaque cabinet la même question : que deviennent mes dossiers dans la mémoire du mandat suivant ? La réponse tient en quatre mécanismes, à exiger noir sur blanc.
Le cloisonnement par mandat. Le savoir général du marché — qui achète quoi — peut circuler. Les informations du dossier — chiffre d'affaires du client, prix de réserve — restent enfermées dans leur mandat. C'est la muraille de Chine des banques d'affaires, transposée à la machine.
Les conflits d'intérêts. Un agent qui réutilise ce qu'il a appris en conseillant un cédant pour mieux servir un acquéreur sur un autre dossier commet la faute professionnelle d'un conseil — automatisée et systématique. La gouvernance doit tracer qui a appris quoi, sur quel mandat, pour le compte de qui.
La purge à l'échéance du NDA. Un accord de confidentialité a une durée ; les données couvertes doivent sortir de la mémoire à l'échéance. S'y ajoute le droit à l'effacement du RGPD pour les données personnelles des dirigeants. Une mémoire qui ne sait pas oublier est une non-conformité qui s'accumule.
La défense contre l'empoisonnement. Une mémoire s'attaque : un fait faux injecté — un fonds présenté comme vendeur, un multiple gonflé — oriente toutes les décisions suivantes. La recherche en sécurité des agents documente le risque et publie ses premières parades (A-MemGuard, arXiv, 2025). Un fait mémorisé doit garder sa provenance : qui l'a dit, quand, dans quel cadre.
Ce que la mémoire agent IA ne remplace pas
La mémoire industrialise la capitalisation, elle ne produit ni la relation, ni la négociation, ni la signature. Ces trois moments restent au conseil — c'est l'architecture même de l'agent, et c'est un choix.
Un déjeuner avec un dirigeant cédant, la lecture d'un silence en négociation, l'arbitrage final d'un prix : aucun graphe ne les remplace. La mémoire donne au conseil un marché documenté et daté ; le conseil garde ce qui fait sa valeur perçue. Sur ce partage, notre position n'a pas changé depuis le premier mandat : l'agent exécute, vous signez.
Conclusion : la mémoire est le prochain critère d'achat d'un agent M&A
Retenons trois choses. La mémoire agent IA est devenue une infrastructure, avec ses architectures, ses benchmarks et sa facturation cloud. En M&A, elle transforme chaque mandat en capital — à condition de dater les faits et de cloisonner les dossiers. Et la bonne question à poser à tout agent tient en trois lignes : que retient-il d'un mandat à l'autre, comment date-t-il ce qu'il sait, que garantit-il d'oublier ?
Réserver un diagnostic de 45 minutes S'inscrire au Radar Tech M&A
FAQ — mémoire agent IA
Sources
- Zhang et al., « A Survey on the Memory Mechanism of Large Language Model-based Agents », ACM Transactions on Information Systems, vol. 43, n°6, 2025 — doi.org/10.1145/3748302
- Google Cloud, grille tarifaire Vertex AI — facturation Memory Bank au 1er septembre 2026 (consultée en juillet 2026) — cloud.google.com/vertex-ai/pricing
- CNBC, « Anthropic says Trump admin has lifted export controls », 30 juin 2026 — cnbc.com
- Chhikara et al., « Mem0: Building Production-Ready AI Agents with Scalable Long-Term Memory », ECAI 2025 — arXiv 2504.19413
- Wei et al., « A-MemGuard: A Proactive Defense Framework for LLM-based Agent Memory », 2025 — arXiv 2510.02373
- Argos Index mid-market, T1 2026 — argos.fund/fr/