Garry Tan, président de Y Combinator, a publié en open source GBrain, un système de gestion des connaissances personnelles conçu pour doter les agents IA d'une mémoire à long terme. Publié sous licence MIT le 10 avril 2026, le projet a accumulé plus de 5 400 étoiles sur GitHub en moins de 24 heures et a atteint plus de 1,5 million de personnes sur X.
Points clés
- Mémoire persistante pour agents construite sur un dépôt Markdown avec backend Postgres/pgvector
- Recherche hybride combinant embeddings vectoriels, correspondance par mots-clés et fusion de rang réciproque sur plus de 10 000 fichiers
- 37 opérations incluant ingestion de connaissances, détection d'entités et accès multi-client via CLI, serveur MCP ou HTTP
- Licence MIT avec support pour OpenClaw, Hermes Agent, Claude, Cursor et Windsurf
Comment fonctionne GBrain
GBrain stocke les connaissances sous forme de fichiers Markdown dans un dépôt git. Chaque page suit un modèle "vérité compilée + chronologie" : une section résumé suivie d'entrées chronologiques documentant quand les informations ont été apprises ou mises à jour. Le système indexe ces pages dans une base de données Postgres avec pgvector pour la recherche hybride.
L'installation ne prend que quelques secondes grâce à PGLite, une instance embarquée de Postgres 17.5 fonctionnant via WebAssembly. Aucun serveur externe n'est requis. Pour une utilisation en production, les développeurs peuvent se connecter à Supabase ou à un Postgres auto-hébergé.
Tan a décrit sa vision sur X : "Si vous voulez que votre agent OpenClaw ou Hermes puisse avoir un rappel parfait et total de plus de 10 000 fichiers Markdown, GBrain est là pour vous aider." Le système inclut des recettes d'intégration pour Gmail, Google Calendar, les appels vocaux Twilio et les transcriptions de réunions.
Le concept du cycle de rêve
L'une des fonctionnalités les plus discutées de GBrain est les "cycles de rêve" — un traitement autonome nocturne où les agents enrichissent et consolident les connaissances pendant que l'utilisateur dort. Tan a affirmé que le cerveau "est plus intelligent que lorsque je me suis couché" après l'exécution de ces cycles, remettant en question le paradigme sans état de la plupart des chatbots IA.
Une revue indépendante soulève des questions
Cependant, le lancement n'a pas été sans controverse. Une revue de code indépendante publiée sur DEV Community a examiné trois fonctionnalités phares de GBrain : la réécriture de vérité compilée, les cycles de rêve et la détection d'entités. Les examinateurs ont constaté que ces trois fonctionnalités sont implémentées sous forme de documents d'instructions Markdown qui guident les agents IA sur ce qu'ils doivent faire, plutôt que sous forme de code exécutable.
La revue a noté l'absence de mots-clés tels que "rewrite", "schedule", "setInterval" et "timer" dans les fichiers sources, concluant que la base de code "ne contient aucune logique de réécriture, aucun mécanisme de planification, aucune implémentation de détection d'entités." Le serveur MCP a également été signalé avec douze problèmes critiques, dont des conditions de concurrence et des écrasements d'embeddings NULL.
Cela dit, les examinateurs ont reconnu que GBrain comprend "une infrastructure raisonnablement compétente" — une couche de stockage PostgreSQL avec pgvector, une recherche hybride utilisant la fusion de rang réciproque et un pipeline de découpage.
Pourquoi c'est important
Cette publication reflète un mouvement croissant visant à donner aux agents IA une mémoire persistante contrôlée par l'utilisateur, plutôt que de dépendre de fenêtres de contexte gérées par les fournisseurs. Alors que les agents IA deviennent de plus en plus présents dans les flux de travail quotidiens, la capacité à accumuler et récupérer des connaissances entre les sessions pourrait devenir un facteur de différenciation clé.
La position de Tan en tant que président de Y Combinator confère au projet une visibilité considérable auprès des fondateurs de startups qui préfèrent une infrastructure personnalisable et auto-hébergée aux écosystèmes propriétaires. La question de savoir si l'approche de GBrain basée sur les instructions aux agents pour les fonctionnalités complexes s'avérera efficace ou problématique dépendra probablement de la capacité des modèles IA sous-jacents à suivre ces instructions de manière fiable.
Et ensuite
Tan a annoncé l'arrivée prochaine du support complet MCP avec l'authentification Supabase Auth, ainsi que des améliorations continues de l'écosystème d'intégration. Le projet reste activement maintenu sur GitHub.
Source : garrytan/gbrain sur GitHub