AI Architect est une pratique de conseil qui active des agents IA vérifiés au cœur de votre infrastructure — sur la même pile que celle que nous mettons en production : 98,20 % de recall (MRR 0,9166) sur LongMemEval, 5 signaux de récupération fusionnés, zéro LLM qui juge un LLM. Chaque sortie est traçable, chaque affirmation est vérifiée — par des algorithmes déterministes, pas par l'opinion d'un autre modèle.
Si un agent énonce un fait, ce fait remonte à une mémoire, un fichier, un commit ou une citation. Aucune assertion ne vit sans sa trace.
La vérification est déterministe : analyse de graphe, contrôles sémantiques, décomposition atomique des affirmations. Nous ne demandons jamais à un modèle si un autre modèle a raison.
Cortex applique la neuroscience — activation par propagation, cycles de consolidation, élagage microglial — pour que les agents retiennent ce qui a fonctionné, pas seulement ce qui s'est passé.
Chaque PRD, PR, décision et étape de raisonnement est journalisée et revue. Conçu selon la même exigence que les logiciels des systèmes financiers.
Voici le rapport de vérification réel d'un PRD généré. 64 affirmations atomiques, décomposées et vérifiées par six algorithmes indépendants. La piste d'audit complète vit à côté du livrable — pas enfouie dans un fichier de log.
Mémoire persistante pour Claude Code.
Patterns de raisonnement. Une seule exigence épistémique.
Intelligence de code en lecture seule.
Réducteur sans état. Description de fonctionnalité → PRD vérifié.
Visualisation en lecture seule du magasin de mémoire de Cortex.
Budget de contexte appliqué pour les longues sessions Claude Code.
Deux petits MCP focalisés qui reposent sur Cortex et votre session — aucun des deux ne touche au magasin de mémoire, ils le lisent.
Six angles de lecture en lecture seule sur le magasin Cortex : Graph, une vue 3D anatomique de cerveau (maillage cortical enregistré sur MNI152), Trace, Knowledge, Wiki, Board. Lit PostgreSQL en lecture seule ; rend, ne mémorise jamais.
v2.6.3 · cdeust/cortex-viz // budget de contexteUn budget de contexte visible et appliqué pour les longues sessions Claude Code : une barre de statut à deux lignes reliée aux vrais seuils de checkpoint par modèle, plus un hook Stop qui effectue le checkpoint automatiquement avant qu'une session ne dépasse le point où elle coûte plus cher et raisonne moins bien.
v1.4.3 · cdeust/session-optimizerChaque composant est open source, sous licence MIT, et tourne en production. Le choix, c'est de recevoir le système clé en main — ou les clés pour le faire vous-même.
Pour les décideurs qui savent que l'IA devrait aider — mais qui ne veulent pas passer six mois à assembler des tutoriels. Nous concevons et livrons l'agent contre votre infrastructure réelle. La même exigence d'ingénierie que les systèmes financiers que nous construisons le jour.
Si vous construisez avec l'IA vous-même, utilisez les mêmes composants que ceux que nous utilisons en production. Cortex, Zetetic Agents, Automatised Pipeline et PRD Spec Generator — chacun un plugin indépendant, entièrement documenté, sous licence MIT, sans télémétrie, sans verrouillage.
Chaque engagement suit la même séquence — sans jeu de diapositives, sans théâtre de « transformation IA ». Chaque étape produit un artefact visible et daté avant que nous demandions le prochain engagement.
Un inventaire de votre surface IA — quel outillage existe déjà, ce qui relève du shadow IT, où la connaissance dérive silencieusement entre systèmes. Ce document est le vôtre, à utiliser avec ou sans nous.
Voir comment nous procédonsCadrer, déployer, configurer, exécuter — exactement la même séquence d'activation à chaque fois. Nous connectons Claude Code à vos vrais dépôts, vos vraies données, votre vrai processus de revue.
Voir comment nous procédonsUn pilote payant et cadré sur un vrai workflow, avec des livrables visibles au fur et à mesure — aucune boîte noire. Vous observez l'agent travailler avant de vous engager au-delà du pilote.
Voir comment nous procédonsDeux façons de le faire tourner en production : l'édition locale, sur votre propre infrastructure sans dépendance envers nous, ou Claude Enterprise, gérée avec une mémoire et une gouvernance à l'échelle de l'organisation. Dans les deux cas, vous possédez ce qui est livré.
Voir comment nous procédons
Le jour, je construis des logiciels d'infrastructure financière, où « ça marche à peu près » ne part jamais en production. Chaque système doit être testé, vérifié, auditable. Sinon, il ne sort pas.
La nuit, j'applique la même exigence à l'IA. J'ai lancé AI Architect parce que je voyais toujours le même anti-pattern : des équipes qui traitent les agents comme des démos, empilent les prompts sur les prompts, demandent à un autre LLM si le premier a bien fait, et se demandent pourquoi rien ne tient en production.
Le travail ici est zététique — chaque affirmation est investiguée, jamais présumée. Les outils sont open source parce que la frontière doit être partagée. Le conseil existe parce que certaines équipes ont besoin que le système soit construit avec elles, pas qu'on leur remette un dépôt et une prière.
« Un agent sans mémoire n'est pas intelligent. Un agent sans vérification n'est pas fiable. Je ne m'intéresse qu'à construire les deux. »
Une architecture structurée d'assemblage de contexte qui récupère la dégradation géométrique de la récupération vectorielle dense à l'échelle de 10 millions de tokens. Deux primitives : un décomposeur de prompt à budget priorisé avec condenseurs sensibles au domaine, et un assembleur en deux phases sensible aux étapes avec sélection de couverture sous-modulaire, traversée de graphe d'entités par Personalized PageRank, et repli sur résumé structuré par schéma.
Sur BEAM-10M, l'assembleur atteint 0,471 MRR — soit +33,4 % par rapport à la base plate, avec 8 des 10 capacités de mémoire améliorées. Conçu à l'origine en septembre 2025 pour la fenêtre de 4 096 tokens d'Apple Intelligence — un mois avant la publication du benchmark BEAM lui-même.
La mémoire externe des LLM est dominée par des magasins à importance plate — index vectoriels, corpus BM25, tampons à long contexte — dans lesquels chaque élément porte le même a priori de récupération à long terme. Cette conception est asymptotiquement défaillante : à mesure que le corpus grandit, la récupération des top-k dégénère en un départage quasi arbitraire.
Cet article formalise cet effondrement et décrit Cortex, une architecture de mémoire qui maintient une distribution de priorité non plate sur N en couplant quatre mécanismes : une chaleur à décroissance continue (Ebbinghaus), une porte d'écriture hiérarchique à codage prédictif (Friston), des cascades de consolidation (Kandel, McClelland), et la fusion WRRF avec la chaleur comme départageur. Les chiffres ci-dessus sont ceux de la propre campagne de mesure de cet article (mai 2026) ; les chiffres du code réellement livré sur cette page (98,20 % / 91,35 %) proviennent de la vérification sur l'arbre de la release v4.14.3 et font désormais référence, remplaçant ceux-ci.
À venir — prépublication #3 : récupération HALO. Rédaction en cours ; rejoindra la même file de parrainage une fois achevée.
Cortex s'appuie sur une bibliographie de 97 articles en neuroscience, recherche sur la mémoire et évaluation de l'IA. Quelques-uns des piliers :
/plugin marketplace add cdeust/Cortex puis /plugin install cortex@cortex-plugins.distribution_suspicious détecte le biais confirmatoire. Les affirmations NFR ne reçoivent jamais PASS — seulement SPEC-COMPLETE ou NEEDS-RUNTIME.UNSOURCED / MAGIC_NUMBER / TODO_NO_REF./plugin marketplace add cdeust/Cortex/plugin install cortex@cortex-plugins/plugin install cortex-viz@cortex-plugins/plugin marketplace add cdeust/zetetic-team-subagents/plugin install zetetic-team-subagents/plugin marketplace add cdeust/automatised-pipeline/plugin install automatised-pipeline/plugin marketplace add cdeust/prd-spec-generator/plugin install prd-spec-generatorUn appel de 30 minutes. Sans jeu de diapositives, sans engagement. Si votre problème ne correspond pas à ce que nous faisons, nous vous orienterons ailleurs.