Milla Jovovich co-crée MemPalace, un système de mémoire IA open source qui a obtenu 96,6 % au benchmark LongMemEval

Milla Jovovich, célèbre pour ses rôles dans Resident Evil et Le Cinquième Élément, a co-développé un système de mémoire open source pour l'intelligence artificielle baptisé MemPalace, en collaboration avec le développeur Ben Sigman. Le projet a atteint un score de rappel de 96,6 % sur LongMemEval sans aucun appel API — le score le plus élevé enregistré pour un système de mémoire entièrement local.

Points clés

96,6 % R@5 sur LongMemEval sans aucun appel API ; l'équipe a ensuite annoncé 100 % avec le reclassement Haiku, mais cette affirmation a été contestée (voir les réserves ci-dessous)
Entièrement local et gratuit : fonctionne sur SQLite et ChromaDB sans services cloud, sans abonnement et sans API externe
Licence MIT et disponible sur GitHub, avec support Python 3.9+ et intégration MCP pour Claude, ChatGPT et Cursor

Comment fonctionne MemPalace

MemPalace applique la technique antique grecque du palais de la mémoire — la méthode des loci — à la mémoire des agents IA. Au lieu de laisser l'IA décider quoi retenir, le système stocke chaque mot et organise les informations dans une hiérarchie structurée :

Les ailes (Wings) représentent les projets ou les personnes
Les halls (Halls) catégorisent les types de mémoire comme les faits, événements et préférences
Les salles (Rooms) contiennent des sujets spécifiques au sein de chaque hall
Les placards (Closets) stockent des résumés compressés pointant vers le contenu original
Les tunnels (Tunnels) créent des références croisées reliant les salles à travers différentes ailes

Cette approche architecturale améliore considérablement la précision de la recherche. La recherche au sein d'une aile fait passer la précision de 60,9 % à 73,1 %, tandis que l'ajout du contexte de hall et de salle la porte à 94,8 % — une amélioration de 34 % par rapport à la recherche non structurée.

Le dialecte de compression AAAK

L'une des fonctionnalités les plus innovantes de MemPalace est AAAK, un dialecte abrégé conçu pour les agents IA qui atteint une compression d'environ 30x. Un passage qui consommerait normalement environ 1 000 tokens se compresse à approximativement 120 tokens, permettant à l'IA de charger des mois de contexte avant le premier message.

AAAK fonctionne nativement avec tout grand modèle de langage — Claude, GPT, Gemini, Llama et Mistral — sans nécessiter de décodeur spécialisé ni de fine-tuning.

Pourquoi c'est important

Les assistants IA actuels perdent tout leur contexte à la fin d'une session. Des mois de décisions, de sessions de débogage et de discussions architecturales disparaissent simplement. MemPalace résout ce problème en préservant tout localement, rendant les données consultables et récupérables entre les sessions.

Le système a été testé sur plus de 22 000 mémoires de conversations réelles et a également obtenu 92,9 % sur ConvoMem — plus du double du score de Mem0, l'une des principales solutions de mémoire payantes.

Fonctionnalités supplémentaires

MemPalace inclut un graphe de connaissances avec des relations temporelles entre entités, la détection de contradictions entre les faits, le support d'agents spécialisés avec des journaux individuels, et trois modes d'extraction pour les projets, les conversations et la classification générale. Il expose 19 outils MCP pour l'intégration avec les environnements de développement IA populaires.

Réserves sur les benchmarks

Des reviewers indépendants ont soulevé des préoccupations concernant la méthodologie de benchmark de MemPalace :

L'affirmation de 100 % sur LongMemEval impliquait un ajustement a posteriori. L'équipe a identifié les 3 questions spécifiques que le système avait manquées et a conçu des correctifs ciblés (boost de phrases exactes, boost de noms de personnes) avant de retester sur le même jeu de données. Le score de 96,6 % avant ajustement est le chiffre le plus défendable.
Le score de 100 % sur LoCoMo est gonflé par la taille de la fenêtre de récupération. Les sessions LoCoMo contiennent 19 à 32 éléments, mais MemPalace utilisait top_k=50 — une fenêtre plus grande que le pool de candidats, ce qui signifie que presque tout est récupéré par définition.
Le score brut de 96,6 % utilise les embeddings par défaut de ChromaDB sur du texte non compressé. La hiérarchie du palais (ailes, salles, couloirs) n'est pas utilisée pendant le benchmarking.

Ces réserves n'invalident pas les innovations architecturales du projet, mais les lecteurs doivent évaluer les chiffres en conséquence.

Et ensuite

MemPalace v3.0.0 a été publié le 5 avril 2026 et a déjà attiré l'attention sur Hacker News et les réseaux sociaux. Le projet dispose d'une communauté active sur Discord et accueille les contributions. Sa licence MIT et son architecture entièrement locale le rendent particulièrement attractif pour les développeurs soucieux de la confidentialité et de l'indépendance vis-à-vis des fournisseurs.

Source : MemPalace sur GitHub