On a confié la mémoire à la personnalité. Coût : 31 points.
L’idée la plus séduisante qu’on ait sortie cette année était fausse. Les chiffres sont plus bas.
Mnemosyne OS a une lentille cognitive : seize archétypes façon MBTI que tu bascules depuis le rail du chat. L’assistant pense alors en INTJ ou en ENFP le temps d’une question. L’implémentation évidente vit dans le prompt, comme une ligne de persona dans le prompt système. On est allés plus loin, parce que la version plus loin sonnait tellement juste :
Un archétype qui garde ses options ouvertes (ENFP) devrait lire une tranche plus large et plus diverse de ta mémoire qu’un archétype qui converge (ISTJ).
La lentille pilotait donc aussi la couche de recherche. Chaque archétype était projeté sur un profil de sélection mémoire, avec un poids de diversité (λ du MMR) et une stratégie de sélection. Les stratégies allaient du top-k simple au MMR, jusqu’à un échantillonneur basse-discrépance qu’on surnomme phyllotaxis. La personnalité allait changer plus que la voix de l’assistant. Elle allait changer quels souvenirs l’assistant lit.
Si tu construis des systèmes de mémoire, tu as senti l’attraction de cette idée. Voilà ce qu’on a mesuré.
La mesure
On a pris une tranche de 61 questions de LongMemEval, chargée dans un coffre. La tâche est du rappel factuel sur de la mémoire conversationnelle de long terme. Les embeddings étaient identiques dans toutes les conditions. La lentille ne faisait que re-classer et sélectionner parmi des candidats déjà récupérés. On a exécuté un contrôle et plusieurs profils de lentille, et chaque passe a tourné pour de vrai.
| Condition | Précision |
|---|---|
| Sans lentille (contrôle) | 75,4 % |
| Profils convergents (type ISTJ) | 75,4 %, verdicts identiques |
| Divergence maximale (λ=0,40 + basse-discrépance) | 44,3 % |
Moins 31,1 points. L’analyse appariée perd 21 réussites du contrôle et en gagne 2. Le test des signes unilatéral donne p < 10⁻⁴. Le résultat réfute aussi la direction du design, pas seulement son ampleur. Le profil divergent devait briller sur les questions multi-sessions. Il les fait chuter de 3/10 à 1/10. Il fait chuter le raisonnement temporel de 9/10 à 2/10.
L’ablation, deux leviers doux, une catastrophe
| Configuration | Coût vs contrôle |
|---|---|
| Poids de diversité seul (λ=0,40, MMR conservé) | −11,5 pts |
| Échantillonnage basse-discrépance seul (λ conservé) | −6,5 pts |
| Les deux ensemble | −31,1 pts |
Chaque levier seul coûte quelques points. Ensemble, ils en coûtent 31. L’effet est super-additif. Chaque levier dilue un peu le classement par pertinence. Les deux ensemble perdent le bon souvenir.
Deux faits de plus. Une réplique complète du contrôle a reproduit les 61 verdicts par question à l’identique. Le bruit entre deux passes sur cette machine est nul, donc l’écart est réel. Et un fait de design : notre projection archétype→recherche dérivait de deux axes binaires. Les seize personnalités se réduisaient donc à quatre comportements de mémoire.
Le bug qu’on n’a pas vu venir
Le versant style avait sa propre leçon. Les lignes de ton ne touchent pas à la précision. Mais notre vocabulaire de persona était écrit en français. Une ligne de ton française dans un prompt par ailleurs anglais est devenue une instruction de langue. Les conditions avec lentille ont répondu en français à un benchmark anglais dans 8 à 54 % des cas, quoi que disent les règles en dessous. Un bloc de persona n’est jamais du simple décor. Le modèle lit tout.
Ce qui est sorti à la place
Dans la v1.3.6, la lentille est un costume. Elle change une seule chose, la voix : le ton, l’angle, la manière. La recherche reste exacte, quel que soit celui qui parle. La carte mesurée reste dans le code comme trace du pourquoi. Recoupler la personnalité à la recherche exige désormais un garde-fou par type de tâche, mesuré d’abord.
La leçon générale : une personnalité dans le prompt ne coûte presque rien. Une personnalité dans la recherche coûte de la précision factuelle, et on sait la mesurer. Si ton produit promet de la mémoire, la mémoire ne doit pas dépendre de l’humeur dont tu as habillé l’assistant.
Pourquoi publier un résultat négatif
L’affirmation « notre mémoire est exacte » ne vaut que ce que tu peux vérifier. Le chiffre en une de notre page benchmark est livré avec son kit d’audit. Cette expérience est livrée avec ses chiffres, son hypothèse réfutée et son bug. Mnemosyne OS est un OS de mémoire local-first. Tu dois pouvoir faire confiance à ses réponses sur tes documents. Cette confiance se construit avec des mesures, y compris celles qui nous ont dit non.
La lentille cognitive, édition costume, est disponible dans Mnemosyne OS v1.3.6. L’architecture du moteur mémoire est décrite dans le whitepaper Resonance Engine.