La mémoire des agents est souvent présentée comme un pur avantage : l'agent note ce qu'il a appris et fait mieux la fois suivante. Un preprint de KAIST et DeepAuto.ai chiffre l'inconvénient. Quand les auteurs ont examiné des tâches qu'un agent réussissait de façon fiable sans mémoire mais ratait avec, 52% de ces échecs venaient d'une leçon stockée que l'agent avait suivie, le plus souvent une leçon erronée.
La cause est simple. Une exécution passée porte seulement l'étiquette réussite ou échec, donc celui qui rédige la leçon doit deviner laquelle des nombreuses actions a compté. WikiTrace garde les preuves. Chaque leçon est un bref enseignement relié à un diagnostic expliquant pourquoi son exécution a réussi ou échoué, puis à la trajectoire brute. L'agent lit tous les enseignements au début d'une tâche et, lorsqu'il en manque un détail, qu'il en contredit un autre ou qu'il vient d'une exécution ratée, il suit les liens avec de simples outils de terminal avant d'agir.
Testé sur huit suites issues de cinq benchmarks, des mondes textuels domestiques et scientifiques jusqu'à AppWorld et un test de service client dans le commerce, WikiTrace a obtenu le meilleur score sur chaque suite. Il devance l'agent sans mémoire de 10,7 points en moyenne et une version disposant des mêmes enseignements mais sans liens de 3,2 points. La part des tâches déjà réussies que la mémoire faisait échouer est passée de 6,5 % à 4,5 %. En phase de test, il coûte 1,17 fois plus par tâche que les enseignements seuls. Un second modèle de base, GLM-5.3-flash, montre la même tendance sur trois suites.
Pour qui fait tourner des agents avec Mem0, Letta ou claude-mem, l'idée utile tient autant à la mesure qu'à la méthode. Les auteurs séparent les résultats entre gain, les tâches que la mémoire répare, et régression, celles qu'elle casse, car une moyenne masque la seconde. Leurs chiffres montrent que les méthodes de mémoire existantes cassent des tâches à un rythme proche, voire supérieur, à celui d'une simple relance de l'agent sans mémoire.
Les réserves viennent des auteurs eux-mêmes. Un lien permet à l'agent de vérifier une leçon sans prouver qu'elle est juste, et un diagnostic tiré d'une étiquette réussite ou échec peut rester faux. Tous les enseignements figurent dans le premier message, si bien que le prompt grossit avec la mémoire, et la manière de trouver les bonnes leçons dans une mémoire trop vaste pour être chargée entière reste ouverte. Les causes de dégradation ont été étiquetées par un juge LLM lisant le raisonnement de l'agent. Il s'agit d'un preprint non encore relu par des pairs.