Meta crée un agent IA coach en mémoire

Meta AI teste une architecture à deux agents où un agent secondaire joue le rôle de coach en mémoire. Cet agent maintient une banque de mémoire structurée et décide quand rappeler au premier agent les erreurs déjà diagnostiquées, sans le surcharger d'informations inutiles. Le problème concrètement : les modèles IA actuels, même en long-context, oublient ou répètent des erreurs lors de tâches multi-étapes. Le contexte s'étire mais l'attention se dilue. La solution testée sépare deux rôles : l'agent principal exécute la tâche, le coach gère les leçons apprises et intervient au bon moment. Les résultats selon les benchmarks utilisés : +8,3 points en moyenne, avec variations selon le type de tâche. C'est significatif mais pas transformateur. L'approche reste en phase d'expérimentation. L'implication : plutôt que d'augmenter la taille du contexte (coûteux en tokens et en latence), Meta explore la séparation des fonctions. C'est une tendance qui pourrait réduire le coût des agents complexes et améliorer la fiabilité sur les workflows longs.