Mémoire cognitive pour agents LLM : une architecture validée par trois découvertes indépendantes

Les grands modèles de langage ne disposent pas de mémoire personnalisée. Nous présentons le Semantic Tension Graph (STG), une architecture de mémoire cognitive pour agents LLM qui met en œuvre neuf mécanismes biologiquement fondés : propagation d’activation, apprentissage hébbien, élagage synaptique, déclin de saillance, suivi de tension, auto-modélisation, inhibition multi-phase, création d’arêtes de co-activation, et structure temporelle d’épisode. Une analyse post-hoc révèle que le STG est parvenu de manière indépendante aux mêmes principes architecturaux que la mémoire distribuée parcimonieuse de Kanerva (1988) et l’architecture de pointeurs sémantiques d’Eliasmith (2013). Nous identifions quatre contraintes de conception que toute mémoire associative doit satisfaire, montrons une convergence tripartite sur 38 ans et trois disciplines, et étendons l’analyse à 33 publications récentes. Validé par un déploiement longitudinal (8 199 nœuds, plus de 20 sessions), le STG démontre une continuité cognitive — reprenant des recherches complexes pluridomaines à partir d’une simple incitation en langage naturel.