Une mémoire, plusieurs modèles : pourquoi chaque outil IA veut se souvenir de toi

Chaque assistant IA que tu paies a passé 2026 à apprendre à se souvenir de toi. Ça ressemble à une fonctionnalité. C’est aussi le premier vrai coût de sortie que la catégorie a réussi à construire, et il se trouve du côté du fournisseur. Si tu fais tourner ta boîte à travers trois ou quatre assistants, tu as désormais trois ou quatre versions partielles de toi, qui ne se parlent pas, et dont chacune devient plus chère à quitter chaque semaine.

La solution est ennuyeuse et structurelle : une mémoire que tu possèdes, plusieurs modèles que tu loues. Voici l’argument, ce que les fournisseurs ont livré, et comment mettre ça en place.

En bref

1. La mémoire est le nouveau fossé défensif. Les modèles sont interchangeables. La trace de ta façon de travailler ne l’est pas, et chaque grand assistant a livré une mise à jour de sa mémoire en 2026 pour la garder.
2. La fragmentation fait plus mal que le verrouillage. Le vrai problème du fondateur solo, ce sont six demi-mémoires, pas un mur. Chaque outil connaît une tranche et agit dessus avec assurance.
3. Les exports sont des archives, pas une mémoire. Les transcriptions se déplacent. Les décisions, les dates et les sources, non, sauf si tu les gardes dans un endroit structuré.
4. Possède la couche mémoire, loue les modèles. Garde la trace dans des systèmes que tu contrôles, branche les assistants dessus, et changer de modèle devient l’affaire d’un week-end.

Ce que les fournisseurs ont livré cette année

Aligne les annonces. En février, Google a déployé Past Chats pour les utilisateurs gratuits de Gemini pour que l’assistant « se réfère à tes conversations précédentes pour personnaliser ses réponses futures ». En mars, Anthropic a rendu la mémoire gratuite sur Claude et livré un outil d’import visant directement les utilisateurs de ChatGPT et Gemini. En mai, Google a étendu Personal Intelligence dans AI Mode à près de 200 pays, en connectant Gmail et Photos, avec Calendar à suivre. En juin, OpenAI a lancé Dreaming, une architecture de mémoire reconstruite qui synthétise en arrière-plan ce que ChatGPT sait de toi et l’expose sous forme de résumé modifiable.

Une meilleure mémoire, c’est vraiment utile. Mais lis la logique business en dessous. La recherche d’Activant sur le fossé de la mémoire le dit sans détour : « La mémoire accumulée est, à notre avis, l’un des derniers vrais coûts de sortie du logiciel d’entreprise. » Quand le modèle devient une commodité, ce qui vaut la peine de te retenir, c’est la trace que tu as construite dans le produit.

L’outil d’import d’Anthropic est l’indice. L’entreprise qui veut le plus te voir changer a construit une porte d’entrée, et sa page d’aide décrit ce qui passe par cette porte : un prompt que tu lances dans ton ancien assistant, un bloc de texte que tu colles, et un avertissement disant que les imports sont « expérimentaux » et que Claude peut laisser tomber les détails personnels sans rapport avec le travail. C’est une porte pour de la prose, pas pour de la structure.

Six demi-mémoires, c’est pire qu’un mur

La version de ce problème qui coûte vraiment de l’argent aux fondateurs n’est pas le scénario dramatique du « je veux quitter ChatGPT ».

Tu brainstormes ta tarification dans ChatGPT, donc ChatGPT se souvient que tu « envisages un forfait à l’usage ». Tu rédiges l’e-mail client dans Claude, qui se souvient de ton ton et du fait que tu détestes les points d’exclamation. Ton enregistreur de réunions se souvient de l’appel où tu as enterré le forfait à l’usage. Gemini se souvient de tes dates de voyage parce qu’il a vu la confirmation de vol.

Demande une décision à n’importe lequel d’entre eux et tu obtiens une réponse assurée, bâtie sur un sixième de l’histoire. L’e-mail de tarification part en mentionnant le forfait que tu as abandonné mardi. Personne n’a menti. Chaque outil a fait son travail avec la mémoire qu’il avait.

C’est le problème de la fragmentation, et je pense que c’est le vrai frein à l’IA pour les petites équipes. La mémoire de l’entreprise est éparpillée entre des fournisseurs qui possèdent chacun un fragment, et aucun bouton d’export ne réconcilie des fragments. Le context engineering compte plus que le prompt engineering, et la mémoire est la partie du contexte que tu ne réemballes pas chaque matin.

Pourquoi le bouton d’export ne te sauvera pas

Quand les fondateurs remarquent le problème, le réflexe est « bon, j’exporte ».

L’export de données de ChatGPT te donne chaque transcription et, comme on l’a vu dans peut-on exporter sa mémoire ChatGPT, laisse la couche mémoire derrière. L’export de Claude, c’est toi qui copies une zone de texte. Stan Tyan a testé sept produits de mémoire IA sur leur portabilité en juillet et a constaté que les sept aplatissaient la mémoire structurée en prose à la sortie. Sa phrase est celle à retenir : « Un format qu’un seul produit écrit n’est pas de la portabilité. C’est un dialecte bien documenté. »

La distinction qui compte, c’est archive contre mémoire. Une archive est une pile de ce qui a été dit. Une mémoire, c’est qui a décidé quoi, quand, pourquoi, et où vit la source. Aplatis une décision en paragraphe et tu perds la date à laquelle elle a été prise et ce qu’elle a remplacé, c’est-à-dire précisément ce qui empêche l’e-mail de tarification de partir faux.

Une mémoire, plusieurs modèles

Alors ne te bats pas pour de meilleurs exports. Change l’endroit où vit la mémoire, dès le départ.

L’architecture est simple à énoncer : la trace de ton entreprise vit dans des systèmes que tu possèdes et que tu peux interroger, et chaque assistant lit cette trace au lieu d’en faire pousser une privée. Jitpal Kocher, de Wire, décrit le principe depuis l’intérieur d’une entreprise d’outillage dans son article sur le verrouillage par la mémoire : « Un seul enregistrement, deux outils qui le lisent, aucune copie à réconcilier. »

Pour un fondateur solo, ça tient en trois habitudes.

Les décisions s’écrivent dans un endroit structuré, pas dans un endroit bavard. Une décision a un responsable, une date, un statut et une source. C’est une ligne de base de données, pas un message de chat. Si elle n’existe que dans le résumé de mémoire d’un assistant, elle n’existe pas.

Les assistants se branchent sur cette trace comme contexte, pas comme copie. Tout assistant sérieux lit désormais Gmail, Drive, Notion ou un outil de réunion. « Lis mon Notion » et « souviens-toi de ce que j’ai dit sur Notion », c’est la différence entre une vérité et six dérives.

Le modèle est un paramètre, pas une relation. Si la mémoire est à toi, changer de modèle est un changement de configuration, et tu peux choisir le modèle le moins cher qui fait le travail. Ton assistant n’a pas besoin du plus gros cerveau pour chaque tâche, mais cet argument ne tient que si la mémoire n’est pas ce qui t’attache à un fournisseur.

Comment Notis est construit autour de ça

Pour être transparent : c’est le pari de conception derrière Notis, alors lis ce qui suit comme une opinion engagée.

Notis garde une seule mémoire à long terme sur chaque canal d’où tu l’utilises, que ce soit WhatsApp, Telegram, l’e-mail ou un appel vocal, et la documentation sur la mémoire précise qu’il enregistre tes préférences, tes projets en cours et « les décisions et leur contexte » plutôt que des transcriptions brutes. Tu peux chercher et supprimer chaque souvenir individuellement depuis le portail, et tout effacer en un clic si tu pars.

La partie qui compte davantage, ce sont les sources de mémoire. Au lieu de te demander de lui redire ce qu’il y a dans ton Notion, ton Gmail, ton Drive ou tes notes de réunion Granola, Notis indexe ces sources en arrière-plan et les traite comme du contexte passif. La trace reste dans l’outil que tu possèdes. Notis la lit. Et comme Notis répartit le travail entre plusieurs fournisseurs de modèles au lieu d’être un seul modèle déguisé, « quel modèle » devient une question de coût plutôt que de loyauté. Flo a raconté comment ça se passe en pratique dans faire tourner Notis en solo sans dépendre d’un fournisseur.

Ce n’est pas une portabilité parfaite. C’est la différence entre une mémoire qui copie ton entreprise et une mémoire qui pointe vers elle.

Quoi faire cette semaine

Si tu utilises un assistant à fond : ouvre ses paramètres de mémoire et lis ce qu’il croit savoir. Tout ce qui est une décision, déplace-le dans ton système de référence dès aujourd’hui.

Si tu en utilises plusieurs : choisis celui qui lira ta trace au lieu de construire la sienne, et fais-en l’opérateur.

Si tu es sur le point de changer : suis la migration de ChatGPT vers Claude pour la mécanique, puis corrige l’architecture pour ne jamais refaire cette migration deux fois.

Questions fréquentes

Le verrouillage par la mémoire IA est-il un vrai problème pour un fondateur solo ?

Oui, mais la version qui fait mal, c’est la fragmentation, pas la captivité. Quand plusieurs assistants détiennent chacun une partie de ton contexte, ils agissent avec assurance sur une information partielle, et les dégâts prennent la forme d’e-mails faux et de décisions périmées plutôt que d’une porte verrouillée.

Puis-je exporter ma mémoire ChatGPT ou Claude ?

En partie. L’export de données de ChatGPT inclut les transcriptions mais pas la couche mémoire, comme expliqué dans notre guide sur l’export de la mémoire ChatGPT. Claude te laisse copier ta mémoire sous forme de texte et importer du texte depuis d’autres assistants, mais l’import est expérimental et limité à de la prose.

Quelle est la différence entre une archive et une mémoire ?

Une archive est un enregistrement de ce qui a été dit. Une mémoire est structurée : qui a décidé quoi, quand, pourquoi, et où vit la source. Les exports produisent des archives. Seul un système de référence structuré te donne une mémoire qu’un autre modèle peut utiliser.

À retenir

Les modèles sont devenus bon marché. La mémoire a pris de la valeur. Chaque fournisseur l’a compris la même année, c’est pourquoi chaque fournisseur a livré de la mémoire en 2026. Ton travail n’est pas de choisir l’assistant avec la meilleure mémoire. C’est de t’assurer que la mémoire est à toi, pour que l’assistant soit toujours remplaçable et n’ait jamais besoin de l’être.