Supermemory veut empêcher les assistants IA de rester bloqués sur des informations périmées

Supermemory transforme documents et conversations en faits reliés, actualisés automatiquement pour construire une mémoire persistante des agents IA.

Un assistant IA peut retrouver une information dans un document ou se souvenir d'une conversation précédente, mais cette capacité devient plus difficile à maintenir lorsque les informations changent. Un collaborateur quitte une entreprise, un projet évolue, une préférence se précise ou une décision ancienne est remplacée par une nouvelle. Avec son Memory Graph, Supermemory cherche à organiser ces évolutions dans une mémoire persistante destinée aux agents d'intelligence artificielle. La plateforme transforme les documents et conversations en faits individuels, établit des relations entre eux et conserve l'historique des modifications. Son mécanisme de traitement, baptisé Dreaming, continue d'enrichir cette mémoire après l'importation des données. Transformer des documents en informations indépendantes

La plupart des systèmes de recherche documentaire utilisés avec les modèles de langage reposent sur une méthode relativement simple : découper les sources en fragments, les indexer, puis retrouver les passages les plus proches d'une question. Cette approche, généralement associée au RAG (Retrieval-Augmented Generation), permet de consulter des documents volumineux sans les placer intégralement dans le contexte du modèle.

Elle présente toutefois des limites lorsqu'il faut suivre l'évolution d'une information dans le temps. Deux conversations peuvent mentionner la même personne à plusieurs mois d'intervalle, avec des fonctions ou des coordonnées différentes. Un moteur de recherche documentaire peut retrouver les deux passages sans nécessairement déterminer lequel décrit la situation actuelle.

Supermemory distingue donc les documents sources des mémoires qui en sont extraites. Un compte rendu de réunion, une conversation ou un fichier peut produire plusieurs faits indépendants, suffisamment contextualisés pour être réutilisés séparément. Une discussion dans laquelle une personne évoque son nouvel emploi, son déménagement et son souhait d'organiser un dîner peut ainsi devenir plusieurs éléments de mémoire distincts.

Cette extraction est assurée par learner-1, un modèle développé par Supermemory pour identifier les informations importantes et les rapprocher des connaissances déjà enregistrées. Les documents originaux restent disponibles pour la recherche, tandis que les faits extraits servent à construire une représentation actualisée des personnes, des projets et des organisations.

L'entreprise décrit trois niveaux de restitution : les passages des documents originaux, les faits conservés en mémoire et un profil synthétique pouvant être transmis à un agent. Le système ne nécessite pas de réentraîner le modèle conversationnel utilisé par l'application : les informations pertinentes sont récupérées puis ajoutées à son contexte. <Cite ref="turn954179search11"/> Une mémoire qui distingue les mises à jour, les compléments et les déductions

Le Memory Graph organise les relations entre faits selon leur signification plutôt que leur seule ressemblance sémantique. Supermemory décrit notamment trois mécanismes : Updates, Extends et Derives.

Une mise à jour intervient lorsqu'une nouvelle information remplace une ancienne situation. Si un utilisateur indiquait travailler chez Google puis annonçait avoir rejoint Stripe, la nouvelle information devient prioritaire lors des recherches portant sur son emploi actuel. L'ancienne donnée n'est pas nécessairement détruite : elle reste associée à l'historique, ce qui permet de comprendre l'évolution de la situation.

Une extension ajoute une précision sans remettre en cause ce qui était déjà connu. Le système peut, par exemple, conserver le poste d'une personne puis y associer sa spécialité professionnelle ou la composition de son équipe. Les deux faits continuent d'exister et enrichissent ensemble le contexte disponible.

La déduction fonctionne différemment. Supermemory peut établir une relation qui n'a pas été explicitement formulée dans une seule source, en rapprochant plusieurs informations. Une personne occupant une fonction produit dans une entreprise de paiement et évoquant régulièrement des infrastructures transactionnelles pourrait, par exemple, être associée à un domaine d'activité probable.

Ces inférences ne sont pas équivalentes à des faits vérifiés. La plateforme prévoit des mécanismes de confiance et de révision pour les déductions incertaines. La possibilité de relier une conclusion à plusieurs souvenirs améliore sa traçabilité, sans garantir qu'elle reflète une réalité que les documents n'établissent pas directement. Dreaming réorganise les informations en arrière-plan

Le mécanisme Dynamic Dreaming n'apparaît pas avec la nouvelle interface de graphe. Supermemory l'avait déjà présenté en mai 2026 pour permettre à sa mémoire de continuer à évoluer après l'arrivée de nouvelles données.

Plutôt que de traiter exclusivement chaque message de façon isolée, le système peut regrouper des documents associés afin d'extraire leurs informations dans un contexte plus cohérent. Il cherche ensuite à rapprocher les faits compatibles, à résoudre les contradictions et à produire de nouvelles relations.

La documentation de l'API v5 distingue deux modes. Dynamic, activé par défaut, rassemble les documents apparentés pour organiser leur traitement. Instant traite immédiatement chaque document de manière indépendante, moyennant une opération supplémentaire facturée. L'indexation documentaire peut être terminée avant que l'extraction et la consolidation des mémoires soient achevées.

Cette séparation entre indexation et consolidation permet aux agents de rechercher des informations récentes sans dépendre systématiquement de l'achèvement d'un cycle Dreaming. Le système peut ensuite enrichir les résultats lorsque les relations et les mémoires ont été mises à jour.

Le nom Dreaming désigne donc un processus de traitement et de réorganisation des connaissances. Il ne suppose pas qu'un agent continue de raisonner librement en permanence : les opérations suivent une chaîne d'ingestion,