Perplexity Brain s’améliore en apprenant des agents la nuit
Perplexity repense le fonctionnement de la mémoire dans l’IA. Au lieu de stocker les préférences utilisateur pour stimuler l’engagement, son nouveau système Brain enregistre ce que fait réellement l’agent, puis se réentraîne chaque nuit pour améliorer ses performances la prochaine fois. Cette fonctionnalité, disponible dès aujourd’hui pour les utilisateurs Max et Enterprise Max, considère la mémoire comme un outil de performance plutôt qu’un moteur de personnalisation.
Des profils personnels aux journaux de performance
La plupart des assistants IA construisent leur mémoire autour de l’utilisateur : ses goûts, ses contacts, ses rôles. Brain change d’axe. Il conserve une traceable graphe de contexte des actions propres à l’agent — sessions, connecteurs, modifications de documents, corrections apportées. Chaque entrée mémorisée renvoie à sa source, permettant aux utilisateurs d’auditer la logique ayant mené aux conclusions. Le résultat est un wiki LLM vivant que l’ordinateur consulte avant d’agir, mis à jour automatiquement pendant que vous dormez.
Une boucle de rétroaction qui réduit les coûts et améliore la qualité
Chaque correction que vous apportez, chaque source rejetée, alimente le réentraînement nocturne de Brain. Le système identifie les projets, connecteurs et artefacts générant les meilleurs résultats, ainsi que les étapes gaspillant des tokens. Lors des premiers tests de Perplexity, ces changements ont produit des gains mesurables : 25 % de réponses plus exactes sur des tâches familières, 16 % de rappel amélioré dans des conditions similaires, et 13 % de tokens économisés lorsque le contexte historique comptait. Les performances continuent de progresser tant que l’utilisateur active Brain.
Source : MarkTechPost. Synthèse éditoriale assistée par IA — TechnoExpress.