User as Code: Executable Memory for Personalized Agents
Cet article introduit l'User as Code (UaC), un paradigme qui représente la mémoire personnalisée de l'agent sous la forme de code Python exécutable plutôt que sous forme de texte non structuré, permettant une performance supérieure dans l'agrégation des données historiques, la résolution des contradictions et l'application proactive de règles de sécurité grâce au calcul déterministe.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
L'idée maîtresse : De la « boîte à chaussures remplie de notes » à l'« application logicielle vivante »
Imaginez que vous essayiez de vous souvenir de tout ce qui concerne votre amie, Jessica.
L'ancienne méthode (La mémoire actuelle de l'IA) :
Actuellement, la plupart des agents d'IA stockent les souvenirs comme une boîte à chaussures remplie de post-its.
- Vous notez des faits : « Jessica aime la coriandre », « Jessica déteste la coriandre », « Jessica est allergique à la pénicilline ».
- Quand vous demandez à l'IA : « À quoi Jessica est-elle allergique ? », elle fouille dans la boîte, trouve la note sur la pénicilline et la relit.
- Le problème : Si vous demandez : « Combien de voyages internationaux Jessica a-t-elle faits l'année dernière ? », l'IA doit lire chaque note, les compter une par une et faire le calcul dans sa tête. Elle se perd souvent, oublie une note ou ne remarque pas que « l'Amoxicilline » est un type de « Pénicilline » parce que ces mots n'apparaissent jamais ensemble sur la même note. C'est comme essayer de faire une comptabilité complexe en lisant simplement une pile de reçus.
La nouvelle méthode (User as Code) :
Les auteurs proposent un nouveau système appelé User as Code (UaC). Au lieu d'une boîte à chaussures remplie de notes, l'IA construit une application logicielle vivante spécifiquement pour Jessica.
- L'État (La base de données) : Au lieu de notes, l'IA crée des « objets » typés (comme des dossiers numériques). Il y a un dossier
Passeport, un dossierVoyageset un dossierMédical. À l'intérieur du dossier Médical, elle ne se contente pas d'écrire « allergie à la pénicilline » ; elle crée une entrée structurée qui dit :Classe de médicament : Pénicilline,Gravité : Sévère. - Les Règles (La logique) : L'IA écrit également de petits programmes informatiques (fonctions) qui s'exécutent automatiquement. Un programme pourrait dire : « Si un nouveau médicament est prescrit, vérifie si sa classe de médicament correspond à une allergie existante. »
Comment ça marche : La fabrique en deux phases
Le papier décrit un processus en deux étapes pour transformer des conversations désordonnées en ce logiciel propre :
Phase 1 : Le Scribe (Mémoriser)
Chaque fois que Jessica parle à l'IA, un « Scribe » écoute et note chaque fait sous forme de liste brute et non éditée. Il ne supprime jamais rien. Si Jessica dit : « J'ai vu le Dr Park pour mes allergies », le Scribe écrit :[Date] L'utilisateur a vu le Dr Park pour des allergies.- Analogie : C'est comme un sténographe qui tape le compte rendu d'un procès. Rien n'est perdu, rien n'est encore résumé.
Phase 2 : L'Architecte (Structurer)
Périodiquement, un « Architecte » (une IA intelligente) lit l'intégralité de la liste des faits bruts et les réécrit sous la forme de l'application logicielle propre. Il organise les faits dans les dossiersPasseportetMédicalet écrit les petits programmes (contraintes) pour vérifier les conflits.- Analogie : C'est comme un bibliothécaire qui prend une pile de livres non triés et les organise dans un catalogue parfait et consultable, doté d'un système informatique capable de calculer instantanément des statistiques.
Pourquoi cela change tout
Le papier affirme que ce passage permet à l'IA de faire trois choses que la méthode de la « boîte à chaussures » peine à accomplir :
1. Le problème du « Calcul » (Inférence analytique)
- Le scénario : Vous demandez : « Combien de voyages internationaux Jessica a-t-elle faits en 2025 ? »
- Ancienne méthode : L'IA doit chercher les notes sur les « voyages », deviner lesquels sont internationaux, les compter, et espérer qu'elle n'en a oublié aucun. Elle échoue souvent (obtenant seulement 43 % de réussite lors des tests).
- Nouvelle méthode : L'IA exécute simplement une ligne de code :
Compter tous les voyages où l'année est 2025 et is_international est Vrai.Elle obtient la réponse instantanément et parfaitement (99 % de précision). C'est la différence entre compter une pile de pièces à la main et utiliser une machine qui sait exactement combien il y en a dans le bocal.
2. Le problème de la « Proactivité » (Service actif)
- Le scénario : Jessica mentionne une allergie à la pénicilline en janvier. En octobre, elle mentionne prendre de l'Amoxicilline. Elle ne demande jamais : « Est-ce sûr ? »
- Ancienne méthode : L'IA attend une question. Elle ne fera pas le lien à moins que vous ne demandiez : « Est-ce que l'Amoxicilline affecte mes allergies ? »
- Nouvelle méthode : L'« Architecte » a écrit une règle : « Vérifier les conflits de médicaments chaque fois que la liste médicale change. » Dès que la note d'octobre est ajoutée, le programme informatique s'exécute, voit le conflit et affiche immédiatement une alerte : « CRITIQUE : Vous prenez un médicament de la classe des pénicillines, mais vous êtes allergique à la pénicilline ! »
- Analogie : L'ancien système est une bibliothèque passive ; le nouveau est un système de sécurité domestique intelligent qui vous alerte avant que le feu ne se déclare.
3. Le problème de la « Contradiction »
- Le scénario : Jessica dit qu'elle adore la coriandre dans une discussion, puis qu'elle déteste la coriandre dans une autre.
- Ancienne méthode : La boîte à chaussures contient deux notes contradictoires. L'IA est confuse.
- Nouvelle méthode : L'application logicielle possède un objet unique
Préférences. Lorsque le nouveau fait arrive, le code met à jour l'objet pour refléter la vérité la plus récente, ou signale le conflit pour révision. Cela garde la mémoire propre et cohérente.
Les résultats : Ce que le papier a découvert
Les auteurs ont testé ce système par rapport à d'autres systèmes de mémoire en utilisant des benchmarks standards :
- Mémoire de base : Sur des questions simples comme « Quel est mon numéro de passeport ? », le nouveau système est aussi performant que les meilleurs systèmes existants (environ 79 % de précision).
- Calcul complexe : Sur des questions nécessitant de compter ou de calculer des moyennes (comme l'exemple des voyages), le nouveau système est presque parfait (99 %), tandis que les autres systèmes s'effondrent (tombant à 6–43 %).
- Alertes de sécurité : Sur des tests où l'IA devait détecter des dangers sans qu'on lui demande (comme l'allergie aux médicaments), le nouveau système a détecté 100 % des dangers standards. Les autres systèmes en ont manqué beaucoup car ils attendaient une question.
- Coût : Construire l'« application logicielle » coûte un peu plus cher au début, mais une fois construite, poser des questions est très peu coûteux et rapide. Si vous posez de nombreuses questions au même utilisateur, le nouveau système devient bien moins cher que l'ancienne méthode.
L'essentiel à retenir
Le papier soutient que nous devrions cesser de traiter la mémoire de l'IA comme un bac de stockage passif de texte et commencer à la traiter comme un projet logiciel actif. En transformant l'historique d'un utilisateur en un code qui peut être exécuté, vérifié et calculé, l'IA devient bien meilleure pour faire des mathématiques, détecter les dangers cachés et mémoriser la vue d'ensemble, plutôt que de simplement récupérer des faits isolés.
En bref : Au lieu de demander à l'IA de « se souvenir » de tout, nous lui donnons un programme qui s'exécute sur la vie de l'utilisateur, vérifiant et alertant automatiquement les schémas et les dangers en temps réel.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.