Mémoire & contexte
Pourquoi ChatGPT oublie-t-il ce que je lui ai dit ?
Réponse courte
Parce qu’une conversation, une mémoire et un contexte de travail ne sont pas la même chose. Même lorsque la mémoire de ChatGPT est activée, elle sélectionne des informations utiles et ne constitue pas une copie complète, structurée et portable de tout ce qui a été décidé dans votre projet.

Vous avez expliqué votre projet pendant une heure. Vous avez précisé le client, les contraintes, ce qui avait déjà été essayé, la raison pour laquelle une option avait été écartée et la prochaine étape. Quelques jours plus tard, vous ouvrez une nouvelle conversation et l’IA vous demande à nouveau une information que vous aviez déjà donnée.
Ce sentiment d’oubli vient souvent d’une confusion entre trois choses différentes : ce qui tient dans la conversation actuelle, ce que le produit choisit de mémoriser entre les conversations, et le contexte complet dont une IA aurait besoin pour reprendre réellement un travail.
Une conversation n’est pas une mémoire complète
Un modèle répond à partir du contexte qui lui est fourni au moment de la requête. Dans une conversation longue, une partie de l’historique peut être résumée, compactée ou devenir moins directement accessible. Dans une nouvelle conversation, le modèle ne repart pas nécessairement avec l’intégralité de ce qui a été dit auparavant.
Les produits modernes ajoutent donc des mécanismes de mémoire. ChatGPT peut, selon vos réglages, utiliser des souvenirs enregistrés et des éléments issus de l’historique de vos conversations. C’est utile pour des préférences, des habitudes ou des éléments récurrents. Mais ce mécanisme n’est pas équivalent à une archive exhaustive de votre projet.
Une mémoire utile doit sélectionner. Si tout était conservé avec la même importance, le problème ne serait plus l’oubli mais le bruit.
Ce que vous attendez souvent n’est pas un souvenir, mais un état de projet
Prenons un exemple simple. Vous avez décidé de ne pas utiliser une technologie A parce qu’elle posait un problème de licence. Deux semaines plus tard, vous choisissez finalement la technologie B. Ce que votre future IA doit retrouver n’est pas seulement :
Technologie B choisie.
Elle devrait idéalement comprendre :
- quelle question était en jeu ;
- pourquoi l’option A avait été écartée ;
- pourquoi B a été retenue ;
- à quelle date la décision a changé ;
- si l’ancienne décision reste utile comme historique ou est devenue obsolète ;
- quelles conséquences ont été observées ensuite.
C’est déjà plus proche d’une mémoire de projet que d’une préférence utilisateur.
Pourquoi un prompt géant ne règle pas tout
Une réaction naturelle consiste à tout recopier dans le prompt de départ. Cela fonctionne jusqu’à un certain point. Puis le document grossit, des informations se contredisent, les éléments anciens prennent autant de place que les éléments actuels, et l’utilisateur ne sait plus ce qui mérite réellement d’être injecté.
Le problème n’est donc pas seulement de stocker le passé. Il faut sélectionner le bon passé pour la question présente.
Un bon système de contexte doit être capable de dire : « je n’ai rien de suffisamment pertinent », plutôt que de forcer un souvenir approximatif dans la réponse.
La mémoire native reste très utile
Il serait faux de conclure que la mémoire native de ChatGPT ne sert à rien. Pour beaucoup d’usages personnels, elle réduit déjà énormément la répétition. Elle est particulièrement pratique quand vous restez dans le même outil et que vos besoins portent sur des préférences, des habitudes ou un contexte général.
La limite apparaît surtout quand votre besoin devient plus exigeant : projets longs, décisions successives, plusieurs IA, plusieurs personnes, séparation entre privé et partagé, historique d’une décision, ou besoin d’exporter le contexte ailleurs.
Comment moins vous répéter dès aujourd’hui
Même sans outil spécialisé, vous pouvez améliorer fortement la continuité :
- Tenez un état courant du projet, court et daté.
- Séparez les décisions des hypothèses.
- Notez pourquoi une décision importante a été prise.
- Marquez ce qui a été remplacé au lieu de simplement l’effacer.
- Au début d’une nouvelle conversation, fournissez le contexte réellement utile à la tâche.
- Vérifiez régulièrement ce que votre IA croit savoir de votre projet.
Le bon objectif n’est pas qu’une IA se souvienne de tout. C’est qu’elle retrouve ce qui compte, au bon moment, sans présenter un ancien contexte comme une vérité actuelle.
La différence entre stocker et comprendre est détaillée dans mémoire IA vs contexte, et le cas des décisions qui changent dans quand une décision change, que devient l’ancienne ?. Si vous hésitez entre un prompt géant et un contexte ciblé, ce comparatif aide à trancher. Pour savoir si la mémoire native suffit, voyez pourquoi ne pas simplement utiliser la mémoire de ChatGPT ou Claude et la comparaison datée des deux mémoires. Les méthodes pas à pas sont dans garder le contexte d’un projet sur plusieurs mois et éviter de répéter les mêmes informations, et la documentation explique comment connecter Nawame.
Limites à garder en tête
Les fonctions de mémoire de ChatGPT évoluent régulièrement et peuvent dépendre de votre offre, de votre région et de vos réglages. Cet article décrit le problème général de continuité, pas une promesse figée sur une interface précise. Ce qui est dit de ChatGPT repose sur le centre d’aide d’OpenAI tel que nous l’avons lu le 1er octobre 2026 : vérifiez-le avant de vous y fier.


