Vous avez changé de fournisseur, mais votre assistant IA continue de préparer les demandes pour l’ancien. Vous le corrigez dans la conversation. Le lendemain, la même erreur revient. Le problème peut se trouver dans une information enregistrée que la nouvelle discussion n’a pas remplacée. Avant de reformuler encore votre demande, cherchez ce que l’outil conserve et ce qu’il réutilise.
Le 6 octobre 2026, AWS a publié un tutoriel associant OpenClaw à Amazon Bedrock AgentCore. Son exemple, un assistant de jardinage, distingue les échanges récents des informations extraites pour être retrouvées plus tard. Il sépare aussi les préférences explicitement exprimées des faits déduits par le système. Cette architecture illustre une question qui concerne les entreprises : une mémoire utile doit pouvoir évoluer avec la situation.
Le tutoriel reste une présentation du fournisseur, pas une mesure indépendante de fiabilité en PME. Les conseils qui suivent proposent une méthode de travail pour examiner votre propre assistant avec des données fictives ou autorisées. Ils ne supposent ni l’achat d’un outil ni l’accès aux services AWS.
Une correction dans le chat peut laisser l’ancien souvenir intact
La conversation en cours et la mémoire durable remplissent des rôles différents. La première contient ce que vous venez de dire. La seconde rassemble les informations que le système pourra retrouver après la fin de cet échange. Selon l’outil, une préférence peut y être conservée, un résumé enregistré ou une information déduite d’une discussion. Demandez à votre prestataire quels mécanismes existent réellement dans votre configuration.
Dans l’exemple d’AWS, l’extraction vers la mémoire de long terme intervient de manière asynchrone : une information nouvelle peut devenir disponible lors d’un échange ultérieur. Il faut donc distinguer le message reçu et le souvenir effectivement mis à jour. Une réponse polie comme « c’est bien noté » ne démontre pas à elle seule que l’ancienne information a été retirée.
Vous retrouverez cette différence entre annonce et résultat dans notre guide pour vérifier le travail qu’un agent IA dit avoir terminé. Ici, le résultat attendu est précis : l’assistant doit utiliser l’information actuelle et cesser d’appliquer celle qu’elle remplace, dans le périmètre concerné.
Retrouvez l’origine avant de supprimer
Commencez par une question concrète : « Sur quelle information t’appuies-tu pour proposer ce fournisseur ? » La réponse peut donner une piste, mais demandez aussi à consulter la mémoire ou le document source lorsque l’interface le permet. Une explication produite par l’IA peut elle-même être inexacte. Le contrôle porte sur un enregistrement visible ou une trace que le responsable technique peut retrouver.
Il est possible que le fournisseur ne vienne pas de la mémoire. Il peut figurer dans un modèle de courrier, un ancien contrat encore accessible ou les instructions permanentes de l’assistant. Effacer un souvenir ne corrigera pas ces autres sources. Notez d’abord l’endroit où se trouve l’information et la raison pour laquelle le système la sélectionne.
Examinez également le statut du fait. « Nous avons demandé une offre à cette entreprise » n’équivaut pas à « cette entreprise est notre fournisseur ». Une déduction transformée en certitude demande une correction différente d’un fait exact devenu obsolète. Gardez cette distinction dans votre compte rendu : elle aide à repérer une erreur d’interprétation répétée.
Remplacez un fait avec son périmètre et sa date
Imaginons une petite agence fictive de Casablanca, Atelier Passage. Elle travaillait avec le prestataire Atlas pour l’impression de ses supports. Depuis le 1er octobre, elle confie les nouvelles commandes à Rivage. Atlas conserve toutefois un dossier commencé en septembre. Les noms et la situation sont inventés pour expliquer la méthode.
Dire « oublie Atlas » serait trop large. L’assistant doit encore comprendre les échanges liés à l’ancien dossier. Une correction plus utile précise : « Pour les nouvelles commandes d’impression à partir du 1er octobre, le prestataire retenu est Rivage. Le dossier commencé en septembre reste suivi avec Atlas jusqu’à sa clôture. » Elle décrit ce qui change et ce qui reste valable.
Faites confirmer cette règle par la personne qui gère les achats avant de la conserver. Une demande du client, une décision envisagée et une décision acceptée n’ont pas le même statut. Lorsque l’information concerne une équipe entière, désignez aussi qui peut la modifier. Une préférence personnelle ne doit pas devenir silencieusement une règle collective.
Évitez de stocker toute la conversation pour couvrir ces nuances. Pour l’essai, une fiche courte suffit : fait actuel, périmètre, date d’application, origine et responsable. Ces champs constituent une proposition d’organisation, pas un format imposé par tous les assistants. Ils donnent surtout une base lisible pour discuter avec votre prestataire.
Vérifiez dans une nouvelle conversation et dans un autre dossier
Une fois la correction enregistrée par le mécanisme prévu, fermez la conversation d’essai et ouvrez-en une nouvelle. Demandez une préparation de commande avec le même contexte fictif, sans rappeler le nom du nouveau prestataire. Vérifiez la réponse et, si vous pouvez la consulter, l’information que l’outil a récupérée. Refaites l’essai après le délai de mise à jour annoncé par le prestataire.
Testez ensuite le dossier ancien. L’assistant doit y conserver Atlas au lieu de réécrire l’histoire. Puis ouvrez un dossier sans rapport, pour lequel aucun fournisseur n’a été décidé. Une correction réussie sur le premier cas ne doit pas produire une généralisation injustifiée sur le troisième. Notez les résultats observés au lieu de conclure à partir de la première réponse satisfaisante.
Dans un environnement partagé, ajoutez un essai avec deux utilisateurs fictifs autorisés. La préférence de l’un ne doit pas se retrouver dans la réponse à l’autre sans règle collective explicite. Si vous ne disposez pas d’un espace d’essai adapté, demandez au responsable technique de réaliser ce contrôle. Ne créez pas de faux comptes ou de données personnelles réelles pour compléter le test.
Cette vérification prolonge notre méthode pour contrôler une réponse d’IA avant de l’utiliser. La particularité de la mémoire est la répétition : vous recherchez une information qui pourrait revenir dans plusieurs réponses futures, et pas seulement une erreur dans le document présent.
Demandez ce que « oublier » signifie dans votre outil
Retirer un souvenir de la personnalisation, supprimer une conversation et effacer une donnée stockée sont des opérations qui peuvent avoir des effets différents. L’interface et la documentation de votre outil doivent préciser leur portée. Ne considérez pas une disparition à l’écran comme la preuve que toutes les copies ont été supprimées.
Pour votre organisation, posez une question opérationnelle : l’ancien fait peut-il encore être récupéré depuis un historique, un fichier ou une autre mémoire ? Demandez quel contrôle permet de le savoir. Si une information fausse réapparaît, gardez un exemple de réponse et la référence du dossier d’essai ; ces éléments aideront à isoler la source sans multiplier les corrections contradictoires.
Lorsque la mémoire reste inaccessible ou sa correction impossible, limitez l’usage concerné. Vous pouvez préparer les nouvelles commandes à partir d’une fiche actuelle fournie explicitement et soumettre les destinataires à validation humaine. Le choix des personnes autorisées à accepter le résultat relève du cadre de responsabilités de votre équipe avec les agents IA.
Une lecture pour garder votre jugement dans la boucle
Dans Co-intelligence : Vivre et travailler avec l’IA, Ethan Mollick examine la collaboration avec ces outils, leurs capacités et leurs limites. La présentation de l’éditeur met notamment en avant l’expérimentation et la place de l’humain dans le travail avec l’IA. L’édition française proposée ici est le grand format publié par First en mars 2025, avec une préface de Luc Julia.
Ce livre offre un prolongement à la réflexion sur le rôle de l’utilisateur ; il n’est pas un manuel de réglage de la mémoire d’AgentCore. Pour votre prochain essai, choisissez une seule information fictive qui change dans le temps. Retrouvez son origine, appliquez une correction précise puis vérifiez les différents dossiers. Si l’ancien fait revient, vous aurez une anomalie décrite et reproductible à transmettre au prestataire.
