Qu’est-ce que Mnemosyne ?
Mnemosyne est une couche de mémoire pour agents d'IA qui conserve tout dans une seule base SQLite. Né comme plug-in de mémoire pour Hermes Agent, de Nous Research, il sert désormais aussi Claude Code, Cursor, Codex, Windsurf, OpenWebUI, OpenClaw et Pi via MCP ou un SDK Python.
Les souvenirs arrivent dans un niveau de travail injecté dans les prompts ; un cycle sleep() résume ensuite les éléments anciens dans un niveau épisodique à long terme, interrogé par vecteurs sqlite-vec et mots-clés FTS5. Un magasin de triplets distinct enregistre des faits avec des dates de validité, ce qui lui permet de dire ce qui était vrai un jour donné. La synchronisation entre machines est facultative et peut être chiffrée côté client.
Le projet est sous licence MIT, compte environ 3 600 étoiles sur GitHub et a publié la version 4.0.0 le 27 octobre 2026. Plusieurs projets sans lien portent le même nom ; il s'agit ici de celui de mnemosyne-oss, le plus actif et celui que liste le catalogue de plug-ins de Hermes.
Mnemosyne vaut-il le coup ?
L'argument de Mnemosyne est opérationnel plutôt qu'académique : un pip install et un fichier SQLite donnent à un agent une mémoire à long terme sans Postgres, sans base vectorielle et sans compte. La recherche note chaque souvenir à 50 % sur la similarité vectorielle, 30 % sur le rang de mots-clés FTS5 et 20 % sur l'importance, le tout dans SQLite, et les embeddings peuvent être compressés de 384 flottants à 48 octets. D'après la comparaison du projet lui-même, Mem0 a besoin de Qdrant ou de Postgres et Letta de Postgres pour la même tâche.
Le stockage est étagé. Les nouveaux souvenirs restent en mémoire de travail, injectée dans les prompts et expirée par défaut après 168 heures. Un passage de sleep() résume les anciens souvenirs avec un LLM (un point de terminaison distant compatible OpenAI, un modèle GGUF local d'environ 656 Mo téléchargé au premier usage, ou un repli par mots-clés) et écrit le résumé en mémoire épisodique. La consolidation est additive : les originaux sont marqués, pas supprimés. L'extraction de faits par LLM s'active appel par appel, et le résolveur de conflits qui remplace les souvenirs contradictoires est désactivé par défaut ; les faits périmés persistent donc tant que vous ne les nettoyez pas.
Les benchmarks appellent la prudence. Le seul résultat en vigueur est 65,2 % sur BEAM à 100K tokens, mesuré sur v3.0.0 en mai 2026 par le projet lui-même avec Llama 3.3 70B et un juge DeepSeek V4 Flash ; le README reconnaît que les 73,4 % publiés par Hindsight le devancent. Un score de 98,9 % sur LongMemEval a été retiré en septembre 2026 faute de journal d'exécution, mais le tableau comparatif du même README affiche toujours 87,4 % sur LongMemEval. La recherche seule n'a atteint que 20 % de Recall@10 à toutes les tailles de corpus, avec 372 ms de latence à 100K. Aucun résultat LoCoMo n'est publié.
La promesse du local dépend du profil d'installation. Le paquet de base (environ 50 Mo de RAM) n'a pas de modèle d'embeddings local et attend un point de terminaison distant, OpenRouter par défaut, qui reçoit alors le texte des souvenirs et des requêtes ; un fonctionnement entièrement local exige l'extra embeddings, d'environ 800 Mo. Le serveur MCP peut aussi ouvrir des ports SSE ou HTTP, et toute liaison hors loopback exige une liste d'hôtes autorisés. La version 4.0 a corrigé un bogue par lequel des modèles d'embeddings inconnus produisaient en silence un index vectoriel incompatible.
Pour un développeur seul ou un utilisateur de Hermes qui veut de la mémoire sans infrastructure à gérer, c'est un choix solide. Les produits multi-utilisateurs qui exigent l'isolation des clients, des sauvegardes gérées ou des benchmarks audités seront mieux servis par Mem0 ou Graphiti.
Là où il fait la différence
Un développeur indépendant qui passe de Claude Code à Cursor et à Codex
Garder une seule mémoire des décisions du projet dans les trois outils
Lancez mnemosyne mcp et ajoutez la même entrée de serveur à la configuration MCP de chaque outil. Les trois lisent et écrivent un seul fichier SQLite ; installer l'extra embeddings (environ 800 Mo de RAM) garde les vecteurs en local au lieu d'envoyer le texte à OpenRouter.
Un amateur qui fait tourner un bot Hermes Agent sur un VPS de 1 Go
Donner une mémoire à long terme à un assistant Telegram sans serveur de base de données
Installez le paquet de base (environ 50 Mo de RAM) avec mnemosyne-hermes et dirigez les embeddings vers une API distante, en acceptant que le texte des souvenirs quitte la machine. Synchronisez avec une copie de bureau via mnemosyne sync et l'option --encrypt pour les sauvegardes.
Un ingénieur d'exploitation qui suit qui est responsable de quel service
Savoir ce qui était attribué à qui à une date passée
Écrivez les attributions dans le TripleStore avec des dates valid_from et interrogez avec as_of. C'est la seule partie de Mnemosyne qui gère explicitement les faits qui changent ; les souvenirs ordinaires doivent être nettoyés à la main quand ils vieillissent.
Avant de vous engager
- Mise en route
- pip install mnemosyne-memory, ou mnemosyne-memory[all] pour les embeddings locaux et la consolidation par LLM, puis une entrée dans la configuration MCP. Les utilisateurs de Hermes ajoutent mnemosyne-hermes et règlent memory.provider sur mnemosyne.
- Intégrations
- MCP via stdio, SSE ou HTTP en streaming ; SDK Python ; fournisseurs natifs pour Hermes Agent et OpenClaw ; une extension Pi ; une passerelle d'outils pour OpenWebUI.
- Données et confidentialité
- Les souvenirs restent dans un fichier SQLite local tant que vous n'activez ni la synchronisation ni des embeddings ou LLM distants ; les embeddings distants envoient le texte des souvenirs et des requêtes au point de terminaison, OpenRouter par défaut. Aucune télémétrie. Les données synchronisées peuvent être chiffrées avec Fernet ou XSalsa20-Poly1305, le serveur ne voyant que des métadonnées.
- Coût à grande échelle
- Ni licence ni hébergement à payer. Le profil local complet recommande 8 Go de RAM ; sinon, le coût est le prix à l'appel du point de terminaison d'embeddings et de résumé que vous configurez.
- Limites
- Un seul fichier SQLite convient à un utilisateur ou à une flotte d'agents, pas à un produit multi-clients. Environ 180 issues et pull requests ouvertes. Les embeddings par défaut sont réglés pour l'anglais ; la recherche multilingue demande un autre modèle. Les chiffres BEAM précèdent la v4 et n'ont pas été refaits.
Les points forts
- Un fichier SQLite, ni serveur de base de données ni compte
- Serveur MCP et intégrations natives Hermes, OpenClaw et Pi
- Le magasin de triplets temporel dit ce qui était vrai à une date
- Synchronisation facultative avec chiffrement côté client
Les points faibles
- Score LongMemEval retiré ; le README en affiche encore un autre
- Gestion des contradictions désactivée par défaut
- L'installation de base envoie le texte des souvenirs à OpenRouter pour les embeddings
- 20 % de Recall@10 en recherche BEAM
Idéal pour
Développeurs individuels et utilisateurs de Hermes Agent qui veulent une mémoire persistante sur leur propre machine sans gérer de base de données.
Alternatives à Mnemosyne
Mnemosyne : questions fréquentes
- Mnemosyne vaut-il le coup ?
- Mnemosyne est la mémoire d'agent la plus autonome qui soit, un fichier SQLite et aucun service, mais son bilan de benchmarks est mince et en partie retiré : ses promesses de qualité demandent encore votre propre test. Nous lui donnons 3.7 sur 5.
- Combien coûte Mnemosyne ?
- Gratuit et open source sous licence MIT. Ni service hébergé ni offre payante ; le coût se limite à votre machine et aux points de terminaison distants d'embeddings ou de LLM que vous choisissez.
- Quels sont les inconvénients de Mnemosyne ?
- Score LongMemEval retiré ; le README en affiche encore un autre; gestion des contradictions désactivée par défaut; l'installation de base envoie le texte des souvenirs à OpenRouter pour les embeddings; 20 % de Recall@10 en recherche BEAM.
- À qui s’adresse Mnemosyne ?
- Développeurs individuels et utilisateurs de Hermes Agent qui veulent une mémoire persistante sur leur propre machine sans gérer de base de données.
- Combien coûte Mnemosyne pour une équipe ou en production ?
- Ni licence ni hébergement à payer. Le profil local complet recommande 8 Go de RAM ; sinon, le coût est le prix à l'appel du point de terminaison d'embeddings et de résumé que vous configurez.
- Mnemosyne est-il sûr pour les données de l’entreprise ?
- Les souvenirs restent dans un fichier SQLite local tant que vous n'activez ni la synchronisation ni des embeddings ou LLM distants ; les embeddings distants envoient le texte des souvenirs et des requêtes au point de terminaison, OpenRouter par défaut. Aucune télémétrie. Les données synchronisées peuvent être chiffrées avec Fernet ou XSalsa20-Poly1305, le serveur ne voyant que des métadonnées.
- Quelles sont les meilleures alternatives à Mnemosyne ?
- Les alternatives les plus proches que nous avons testées sont Mem0, Letta, Graphiti et claude-mem.
Réponses vérifiées le 6 nov. 2026.