Lab

Une mémoire pour les logiciels métier, même sans chatbot

Réponse courte

Un logiciel connaît souvent ce qui s’est passé. Il connaît moins bien la raison d’un choix. Une mémoire attachée aux objets métier peut conserver ce contexte et le restituer dans un écran, un traitement ou un assistant, sans imposer une nouvelle conversation.

Une mémoire des décisions reliée à un objet métier et réutilisable dans plusieurs interfaces.

Les faits n’expliquent pas toujours la décision

Un équipement a connu plusieurs incidents. Le tableau de bord les affiche correctement. Pourtant, demander s’il faut le remplacer exige une autre information : pourquoi l’équipe a-t-elle décidé d’attendre ? Une réparation récente, une contrainte temporaire ou une condition de réexamen peuvent changer la réponse.

Cet exemple est illustratif. Il distingue deux responsabilités. Le logiciel métier conserve ses faits opérationnels. La mémoire conserve les décisions humaines, leurs raisons, leurs conditions et leur évolution. Ajouter du contexte ne consiste donc pas à recopier toutes les tables dans un nouvel outil.

La même distinction vaut pour un fournisseur, un produit ou un site. Une bonne recommandation générale peut rester inadaptée si elle ignore un arbitrage local encore valable.

Retrouver le contexte depuis l’objet

Le contrat Embedded étudié par Nawame permet d’associer une mémoire à une référence stable du logiciel. Quand une personne consulte l’objet, le logiciel peut demander les éléments qui lui sont rattachés, dans le périmètre autorisé.

Cette lecture par objet répond à une difficulté concrète : une question ne reprend pas nécessairement les mots utilisés lors de la décision. Rechercher « que faire maintenant ? » dans un ensemble de notes peut manquer l’explication pertinente. L’objet fournit un point d’ancrage supplémentaire.

Il ne garantit toutefois ni l’exhaustivité ni la justesse du contenu enregistré. Une décision attachée au mauvais objet reste mal classée. Une raison oubliée ne réapparaît pas par magie. Le logiciel doit rendre visibles les absences et permettre de corriger les associations.

Une mémoire utilisable sans chatbot

L’interface conversationnelle est une possibilité. Un panneau « décisions et raisons » peut afficher le contexte dans la fiche d’un équipement. Un traitement peut signaler qu’une date de réexamen est dépassée. Un assistant autorisé peut réutiliser la même mémoire lorsqu’une question lui est posée.

Le contrat expose une API HTTPS et un SDK ; une interface MCP est également prévue pour les assistants. Ces accès doivent appliquer les mêmes droits. Le choix de l’interface ne crée pas une permission supplémentaire.

Cette architecture laisse au logiciel sa fonction principale. Nawame apporte un contexte durable ; il ne devient pas le fournisseur du modèle conversationnel de l’éditeur.

Conserver le statut des paroles

Une raison probable n’est pas une décision confirmée. Une décision expirée n’est pas une règle courante. Une interprétation d’IA ne doit pas acquérir l’autorité d’une déclaration humaine simplement parce qu’elle a été enregistrée.

La qualification, les dates et les liens de remplacement permettent de restituer ces différences. L’historique explique l’évolution ; la lecture courante doit éviter de présenter une ancienne position comme toujours applicable.

Les droits restent tout aussi essentiels. Un utilisateur présent dans plusieurs organisations ne doit pas recevoir une synthèse qui les mélange. Le rattachement à un objet complète le contrôle d’accès ; il ne le remplace pas.

Ce que les tests permettent de conclure : portée et limites

Le contrat générique et son intégration à Tsuno ont été testés, notamment avec un éditeur fictif. Cette démarche vérifie qu’un logiciel peut enregistrer puis retrouver un contexte par les interfaces prévues. Elle établit une capacité technique ; elle ne mesure pas l’adoption par des clients.

Les évaluations avec et sans contexte apportent des résultats sur corpus synthétiques. La valeur quotidienne devra encore se mesurer : contexte effectivement retrouvé, décisions mieux comprises, effort de saisie acceptable et maintien des droits dans le temps.

La sobriété des sollicitations humaines fait donc partie du problème produit. Une mémoire est utile quand elle conserve une raison et la restitue au bon moment, avec son statut et sa source intacts.

À lire aussi : Ce qu’une mémoire IA ne devrait jamais copier depuis votre système métier et Comment construire une mémoire d’entreprise utilisable par l’IA.

Votre prochain prompt ne devrait pas devoir contenir toute votre histoire.

Commencez à construire une mémoire que vos IA pourront retrouver lorsque cela comptera.

Commencer gratuitement