MemPalace : Le Système de Mémoire IA Open-Source Qui Score 96.6% — Guide Complet (2026)

Le Problème Que Résout MemPalace

Après six mois d'utilisation quotidienne de l'IA, vous avez généré environ 19,5 millions de tokens de conversations. C'est chaque décision, chaque solution, chaque analyse de compromis. La question est : où est parti tout ça ?

La différence est spectaculaire : 10$/an pour 96,6% de rappel contre 507$/an pour des résumés avec perte qui jettent le contexte.

L'Architecture du Palais

MemPalace s'inspire de l'ancienne méthode grecque des Loci (palais de la mémoire) — une technique de mémorisation où vous placez des idées dans les pièces d'un bâtiment imaginaire et le parcourez pour vous en souvenir. MemPalace applique le même principe à la mémoire IA :

Les Briques de Base

Pourquoi La Structure Compte

Ce n'est pas de l'organisation cosmétique. La structure du palais améliore directement la précision de rappel :

L'architecture donne à l'IA une carte navigable plutôt qu'un index de recherche plat. Quand vous demandez « qu'est-ce qu'on a décidé pour l'auth ? », MemPalace sait quelle aile chercher, quelles salles vérifier, et quels couloirs suivre, au lieu de scanner chaque donnée.

La Pile Mémoire

MemPalace utilise un système à 4 couches qui charge uniquement ce qui est nécessaire :

Votre IA se réveille avec L0 + L1 (~170 tokens) et connaît immédiatement votre monde — vos collègues, vos projets, vos préférences. Les recherches ne se déclenchent que quand nécessaire, maintenant les coûts proches de zéro.

Démarrage Rapide

Installation

pip install mempalace

Prérequis : Python 3.9+, pas de clé API, pas d'internet après l'installation.

Configuration

# Initialiser — onboarding guidé, crée les ailes pour vos personnes et projets
mempalace init ~/projects/monapp

# Miner vos fichiers projet (code, docs, notes)
mempalace mine ~/projects/monapp

# Miner vos conversations IA (Claude, ChatGPT, exports Slack)
mempalace mine ~/chats/ --mode convos

# Mode général — classifie automatiquement en décisions, jalons, problèmes
mempalace mine ~/chats/ --mode convos --extract general

Recherche

# Rechercher partout
mempalace search "pourquoi on est passé à GraphQL"

# Rechercher dans un projet spécifique
mempalace search "décision base de données" --wing monapp

# Rechercher un sujet spécifique
mempalace search "approche auth" --room auth-migration

Connecter à Votre IA

Pour Claude, ChatGPT, Cursor, Gemini (outils compatibles MCP) :

claude mcp add mempalace -- python -m mempalace.mcp_server

Votre IA a maintenant accès à 19 outils via MCP. Demandez-lui n'importe quoi :

« Qu'est-ce qu'on avait décidé pour l'auth le mois dernier ? »

Claude appelle mempalace_search automatiquement, récupère les résultats verbatim, et répond. Vous ne tapez jamais de commande de recherche — l'IA s'en charge.

Pour les modèles locaux (Llama, Mistral) :

mempalace wake-up > context.txt
# Collez context.txt dans le prompt système de votre modèle

MemPalace vs. La Concurrence

La Différence Fondamentale

La plupart des systèmes de mémoire utilisent une IA pour extraire ce qu'elle estime important de vos conversations — « l'utilisateur préfère Postgres », « l'équipe a décidé d'utiliser Clerk. » Puis ils jettent la conversation originale.

MemPalace stocke tout verbatim et utilise la recherche sémantique pour trouver ce qui est pertinent. Le rappel de 96,6% prouve que ça fonctionne mieux que les approches par extraction. Vous ne perdez jamais le raisonnement, le contexte, ou la nuance derrière une décision.

Les 19 Outils MCP

Quand il est connecté via MCP, votre IA accède à une boîte à outils complète :

Palais (Lecture)

Palais (Écriture)

Graphe de Connaissances

Navigation & Agents

Agents Spécialistes

MemPalace permet de créer des agents avec leur propre mémoire :

~/.mempalace/agents/
  ├── reviewer.json       # qualité code, patterns, bugs
  ├── architect.json      # décisions de design, compromis
  └── ops.json            # déploiements, incidents, infra

Chaque agent a une spécialité, tient un journal (en AAAK), et développe une expertise en relisant son propre historique. Le reviewer se souvient de chaque pattern de bug qu'il a vu. L'architecte se souvient de chaque décision de design. Ce sont des lentilles spécialisées sur vos données.

Votre CLAUDE.md n'a besoin que d'une ligne :

Vous avez des agents MemPalace. Lancez mempalace_list_agents pour les voir.

Limitations Honnêtes

MemPalace a été lancé avec des chiffres impressionnants mais aussi des problèmes reconnus. À leur crédit, les créateurs ont publié une correction détaillée le 7 avril :

Ce Qui Était Exagéré

• →Compression AAAK — Annoncé initialement comme « 30× ». En réalité avec perte, et les petits exemples ne montraient aucune économie de tokens
• →« +34% de boost du palais » — Compare la recherche non filtrée à la recherche filtrée. Réel mais pas une technique nouvelle — du filtrage de métadonnées ChromaDB standard
• →« 100% avec rerank Haiku » — Résultat réel, mais le pipeline de rerank n'était pas dans les scripts de benchmark publics
• →Détection de contradictions — Existe dans fact_checker.py mais pas encore connectée aux opérations du graphe de connaissances

Ce Qui Est Réel

• →96,6% LongMemEval — Mode brut, 500 questions, reproduit indépendamment
• →Local, gratuit, sans cloud — Fonctionne véritablement entièrement sur votre machine
• →Architecture du palais — Réelle et utile pour le rappel, même si le boost est du filtrage standard
• →19 outils MCP — Fonctionnels et bien documentés

À Qui S'adresse MemPalace ?

Utilisateurs Idéaux

• →Développeurs solo gérant plusieurs projets qui perdent le contexte entre les sessions
• →Tech leads qui ont besoin de retrouver quelles décisions ont été prises et par qui
• →Gros utilisateurs d'IA (Claude, ChatGPT, Cursor) qui génèrent des milliers de conversations
• →Organisations soucieuses de la confidentialité qui ne peuvent pas envoyer de données à des services de mémoire cloud

Pas Idéal Pour

• →Utilisateurs IA occasionnels qui ont quelques conversations par semaine — le temps de configuration n'est pas justifié
• →Équipes nécessitant une collaboration temps réel — MemPalace est local à chaque machine
• →Utilisateurs Windows — Quelques problèmes signalés avec macOS ARM64 ; le support Windows est moins testé (début de projet)

Conclusion

MemPalace prouve que la mémoire IA n'a pas besoin d'être coûteuse, dépendante du cloud, ou avec perte. En stockant tout en brut et en le rendant navigable grâce à l'architecture du palais, il atteint les meilleurs scores de rappel jamais publiés — gratuitement.

Le projet a trois jours. Il a des aspérités, des affirmations initiales exagérées, et des issues ouvertes. Mais l'approche fondamentale — stockage verbatim, navigation structurée, local-first — est solide, les résultats de benchmark sont vérifiés indépendamment, et l'équipe corrige les problèmes en temps réel.

Si vous utilisez l'IA quotidiennement et avez déjà souhaité qu'elle puisse se souvenir de ce que vous avez discuté le mois dernier, MemPalace vaut 5 minutes de configuration. Votre futur vous — celui qui cherchera « pourquoi on a choisi Postgres ? » dans six mois — vous remerciera.

GitHub : github.com/milla-jovovich/mempalace