Oracle — Engineering Memory Fabric

1. L'Idée Fondatrice

La mémoire d'un projet n'est pas une simple base documentaire : c'est un graphe vivant de décisions, de conversations et d'artefacts.

2. Le Problème Réel

Sur les projets longs, le contexte s'éparpille entre conversations éphémères, documents épars et dépôts Git. Les agents IA comme les développeurs perdent le fil des choix passés et réinventent la roue ou hallucinent.

3. Pourquoi les approches classiques échouent

Un simple chatbot RAG classique (vector search sur PDF) est aveugle à la chronologie, incapable de relier une conversation à une décision technique ou d'expliquer pourquoi un choix a été fait.

4. Le Mécanisme Original

Recherche hybride à 4 couches couplée à un graphe relationnel : l'agent de réconciliation compare en continu l'état réel du code avec les décisions enregistrées et garantit une continuité parfaite sans saturation de contexte.

5. Difficultés Rencontrées & Verrous

• Fusionner des sources hétérogènes (discussions informelles, commits Git, schémas techniques) sans perte d'intention
• Éviter la saturation de contexte des LLMs tout en conservant une mémoire temporelle sur 6+ mois
• Garantir des réponses sourcées avec liens directs vers les messages ou fichiers d'origine

6. Choix Techniques Structurants

7. Résultat & État Actuel

Opérationnel dans EA Lab. Permet de requêter l'historique complet d'un projet et de guider des agents autonomes avec 100% de cohérence temporelle.

8. Ce que ce projet nous a appris

Ingestion continue (chat, code, specs) -> Index hybride BM25 + Vectoriel (RRF) -> Graphe de connaissances (GraphRAG) -> Agents de cohérence et de réconciliation