Mémoire persistante des agents IA : le rôle clé du protocole MCP

En ce mois de juillet 2026, la question qui revient dans nos échanges avec des équipes techniques n'est plus « faut-il un agent IA » mais « comment le faire tenir en mémoire d'une session à l'autre ». Adaptive Recall, un service de mémoire pour applications IA qui expose ses fonctions nativement en MCP (Model Context Protocol), en est une bonne illustration : il ne vend pas un chatbot de plus, il vend une brique d'architecture.

Depuis son lancement par Anthropic fin 2024, le Model Context Protocol s'est imposé comme le standard ouvert pour connecter un agent IA (Claude Code, Claude Desktop, et une bonne partie de l'écosystème des outils agentiques) à des outils et des données externes, sans réécrire une intégration sur mesure à chaque fois. Ce que MCP ne fournit pas nativement, en revanche, c'est la mémoire elle-même. Un agent qui s'appuie sur un grand modèle de langage repart de zéro à chaque nouvelle session : il ne se souvient ni de vos conventions de code, ni des décisions prises la veille, ni de l'historique d'un client. C'est exactement le vide que des services comme Adaptive Recall viennent combler, en se branchant sur le protocole plutôt qu'en réinventant leur propre couche de connexion.

Au-delà du simple vector store

La plupart des API de mémoire pour IA se limitent à stocker du texte sous forme de vecteurs (embeddings) et à chercher par similarité cosinus, avec un filtrage par métadonnées. C'est utile, mais ça reste une stratégie de recherche unique, des résultats statiques qui n'apprennent de rien, et aucune notion de qualité ou d'évolution du souvenir dans le temps.

Adaptive Recall illustre ce qu'une architecture plus ambitieuse peut apporter :

• Quatre stratégies de recherche en parallèle sur chaque requête : similarité vectorielle, récence temporelle, recherche plein texte par mots-clés, et traversée d'un graphe de connaissances.
• Un score cognitif inspiré du modèle ACT-R, une architecture de modélisation cognitive issue de trente ans de recherche, qui pondère la récence, la fréquence d'accès, les connexions entre entités et la confiance validée d'un souvenir pour décider ce qui remonte en premier.
• Un graphe de connaissances construit automatiquement à partir des entités et relations extraites des souvenirs stockés, qui devient lui-même un chemin de récupération, au-delà de la simple similarité textuelle.
• Un cycle de vie du souvenir : chaque information gagne ou perd en confiance selon les preuves qui la corroborent, et s'estompe naturellement si elle n'est plus sollicitée.
• Un système qui s'améliore avec l'usage : il s'entraîne sur vos données d'usage, valide chaque changement de paramètre par rapport à l'historique réel des requêtes, et surveille la qualité de ses propres résultats.

Comment ça se branche concrètement

Le point qui compte pour vous, développeur ou décideur technique : ces fonctions ne sont pas enfermées derrière une interface web. Adaptive Recall expose huit outils (store, recall, update, forget, graph, status, snapshot et feedback), à la fois via MCP pour Claude Code et d'autres outils en ligne de commande, et via une API REST classique en HTTP, avec une authentification par jeton Bearer.

Concrètement, brancher ce type de service à un agent MCP suit le même schéma que n'importe quel serveur MCP tiers : vous déclarez le serveur (adresse, transport, jeton d'authentification) dans la configuration de votre client, par exemple avec la commande claude mcp add pour Claude Code. Une fois la connexion établie, les outils de stockage et de recherche apparaissent directement dans la liste des outils disponibles pour l'agent, au même titre que la lecture de fichiers ou l'exécution de commandes shell. L'agent décide alors lui-même quand stocker une information et quand aller la rechercher, sans que vous ayez à réinjecter tout l'historique dans le prompt à chaque échange.

Le service propose une offre gratuite de 500 souvenirs sans carte bancaire, suffisante pour prototyper l'intégration sur un projet avant de trancher entre cette solution, une autre offre du marché, ou un hébergement interne.

Des cas d'usage concrets, pour une PME comme pour un développeur solo

• Un agent de développement qui retient les conventions d'un projet (style de code, choix d'architecture, pièges déjà rencontrés) et les retrouve automatiquement à la session suivante, au lieu que vous les rappeliez à chaque fois.
• Un agent de support client qui accumule l'historique d'un utilisateur au fil des tickets, sans avoir à réinjecter tout cet historique dans le contexte à chaque nouvelle conversation.
• Une base de connaissances interne qui se construit progressivement à partir des échanges avec l'agent, sans effort de curation manuelle, grâce au graphe de connaissances généré automatiquement.

Notre lecture chez CZSyn

Ce qui nous intéresse dans ce mouvement, ce n'est pas Adaptive Recall en tant que produit, mais ce qu'il révèle d'une tendance de fond : la mémoire d'un agent IA cesse d'être une fonctionnalité propriétaire enfermée dans un seul outil, pour devenir une brique interchangeable qu'on branche via un protocole standard. C'est un peu la même bascule que celle qui a fait passer les intégrations SaaS d'un tas de webhooks maison à des API REST documentées. MCP joue ce rôle pour les agents.

Pour une PME française qui envisage de connecter un agent IA à ce type de service, la vraie question à poser d'abord n'est pas technique mais contractuelle : où sont hébergées les données stockées dans cette mémoire, sous quel régime juridique, et pour combien de temps. Un service qui construit un graphe de connaissances à partir de vos échanges, de vos clients ou de votre code accumule, par nature, une masse d'informations sensibles bien plus riche qu'un simple historique de conversation. Avant de brancher un tel outil sur des données de production, vérifiez la localisation d'hébergement, les garanties RGPD, et la capacité réelle à tout supprimer (l'outil forget existe justement pour ça, encore faut-il vérifier qu'il fonctionne comme annoncé).

Notre recommandation : traitez le choix d'une mémoire persistante comme une décision d'infrastructure, pas comme un simple réglage d'agent. Évaluez les fournisseurs sur leur compatibilité MCP (donc leur portabilité entre vos outils), sur ce qu'ils apportent au-delà de la recherche vectorielle de base, et sur la gouvernance des données qu'ils vous laissent. C'est ce qui déterminera si votre agent devient réellement plus utile avec le temps, ou s'il reste un outil qui redémarre à zéro à chaque conversation.

Sources primaires

• Adaptive Recall, adaptiverecall.com, page produit.
• Anthropic, documentation officielle du Model Context Protocol.
• Anthropic, annonce officielle du Model Context Protocol.