SOKKAN 3.0 « One memory »
La mémoire de SOKKAN.
Ce qu’elle fait, ce qu’elle vaut une fois mesurée, sur quelle machine elle tourne, et sous quelle licence est le modèle qui la fait marcher. Cette page dit aussi ce que nous ne savons pas encore.
Le principe
Vos agents écrivent des notes : décisions, conventions, procédures, pièges rencontrés. SOKKAN les range dans une seule mémoire, que l’onglet CortHeXis montre sous forme de graphe et relit en continu.
- Au démarrage d’une session, les notes utiles du projet sont déjà dans son contexte.
- À chaque message, SOKKAN cherche ce qui touche à la question et l’ajoute, avec l’âge de chaque note et la provenance de sa date (« mise à jour il y a 23 jours, date reconstruite »).
- Pour chaque sous-agent, le rappel du sujet est ajouté à sa consigne.
- Chaque rappel est journalisé : quelle session ou quel sous-agent a reçu quelle note, dans quelle version.
- Les notes rappelées sont présentées à l’agent comme des données, pas des consignes.
La revue CortHeXis
Score de santé de 0 à 100 et son historique ; constats classés (chaîne, structure, dérive, sécurité) avec leur remède ; actions en un clic, toutes soumises à approbation : recoller un lien, fusionner deux notes avec le diff, renommer selon la convention, clore un chantier dormant. Les cas qui demandent du jugement ouvrent une session de curation préchargée avec les constats. Alertes par Telegram ou webhook.
Le banc : ce que vaut la mémoire, mesuré
Nous avons posé 300 questions (195 en français, 75 en anglais, 30 en allemand, parmi lesquelles 52 dont la réponse n’est que dans le corps d’une note) à notre propre mémoire de travail : 415 notes, 2 498 passages, les 2 et 3 octobre 2026. Pour chaque question, on connaît la note attendue.
| Configuration | Bonne note en tête | MRR |
|---|---|---|
| SOKKAN 2.x | 42 % | 0,55 |
| SOKKAN 3.0, profils Léger et Standard (sans GPU) | 73 % | 0,82 |
| SOKKAN 3.0, profil GPU ou ANCHOR (second classement sur les 10 premiers) | 82 % | 0,88 |
| SOKKAN 3.0 avec le modèle de repli sous licence MIT | non mesuré | 0,75 à 0,77 |
Comment lire. « Bonne note en tête » : la note attendue est le premier résultat. MRR (rang réciproque moyen) : 1 si la bonne note est toujours première, 0,5 si elle est en moyenne deuxième. Les profils sans GPU ont été mesurés sur des conteneurs bridés à 4 cœurs / 4 Go et 8 cœurs / 16 Go.
Ce que nous ne publions pas. Le corpus lui-même : c’est notre vraie mémoire de travail, elle contient nos affaires. C’est pour ça que le banc est livré avec SOKKAN : il mesure la mémoire sur vos notes, avec des questions récoltées dans vos propres sessions, et c’est lui qui bloque un changement de profil qui ferait moins bien.
Ce qui reste à mesurer. Nos chiffres viennent d’une mémoire de 415 notes. À 250 000 passages, la recherche dans les vecteurs reste sous 30 ms dans nos mesures, mais la qualité du classement dépend de votre contenu : c’est précisément ce que le banc embarqué vous dira.
Les profils, choisis par Magnitude
| Profil | Machine | Ce qui change |
|---|---|---|
| Léger | 4 cœurs, 4 Go, sans GPU | Recherche hybride (sens et mots-clés), sans second classement. Tout reste sur la machine. |
| Standard | 8 cœurs, 16 Go, sans GPU | Comme Léger, plus un second classement plus fin en tâche de fond (rappels différés, digest) : il coûte plusieurs secondes par recherche sur processeur, d’où le différé. |
| GPU · ANCHOR | Un GPU, ou l’appliance ANCHOR | Second classement à chaque recherche ; import d’une grande mémoire en heures plutôt qu’en nuits (250 000 passages : environ 1 h 25 sur GPU contre 14 à 20 h sur processeur, d’après le débit mesuré). |
Changer de profil construit une nouvelle génération de l’index en arrière-plan ; l’ancienne continue de répondre. La bascule n’a lieu que si le banc ne régresse pas, et l’ancienne génération est gardée 7 jours pour revenir en arrière. Si le modèle change, l’index est reconstruit en entier : deux modèles ne sont jamais mélangés dans le même index.
La licence du modèle de mémoire
En une phrase : SOKKAN reste open source (Apache-2.0) ; le modèle qui fait la mémoire, EmbeddingGemma de Google, ne l’est pas. SOKKAN ne le livre donc pas : il le télécharge au premier lancement, après que vous avez lu et accepté les conditions de Google. Si vous refusez, la mémoire fonctionne avec un modèle sous licence MIT.
Pourquoi ce modèle
C’est le meilleur que nous ayons mesuré sur notre banc, et il est léger : il tourne sans GPU sur un petit serveur, en français, anglais et allemand. Il retrouve la bonne note bien plus souvent que le modèle de SOKKAN 2.x (voir le banc).
Ce que disent les conditions de Google
- Usage commercial autorisé, y compris dans un produit payant, sur site ou en cloud.
- Ce n’est pas une licence open source : Google impose une politique d’usage interdit (activités illégales, atteinte à la vie privée, désinformation, etc.) et peut la faire évoluer.
- Google se réserve le droit de restreindre un usage qu’il estime contraire à ces conditions.
- Google ne revendique aucun droit sur les résultats : les vecteurs calculés vous appartiennent.
Textes officiels : Gemma Terms of Use et politique d’usage interdit.
Ce que fait SOKKAN
- Le dépôt SOKKAN ne contient pas les poids du modèle : le code reste entièrement Apache-2.0.
- Au premier lancement, l’écran de Magnitude affiche le modèle, son éditeur, la taille du téléchargement (environ 330 Mo), un résumé des conditions et les liens officiels, puis vous laisse choisir : « J’accepte et je télécharge » ou « Utiliser le modèle libre (MIT) ». L’acceptation (date, version des conditions, auteur) est inscrite au journal d’audit.
- Le fichier est vérifié par son empreinte avant usage. Le modèle tourne chez vous, sans aucun appel à Google : vos notes ne quittent pas la machine.
- Hors ligne ou en cas de refus, SOKKAN utilise le modèle MIT, sans perte de fonction (avec un rappel un peu plus faible). Vous pouvez changer d’avis plus tard : l’index est reconstruit en arrière-plan.
- Sur SOKKAN Cloud et sur l’appliance ANCHOR, c’est nous qui exécutons le modèle ; nos conditions reprennent la politique d’usage de Google et la mention obligatoire : « Gemma is provided under and subject to the Gemma Terms of Use found at ai.google.dev/gemma/terms ».
Depuis SOKKAN 2.x
- Vos notes restent intactes. Avant toute normalisation, une archive du corpus est faite, et les changements proposés (renommages, fusions, en-têtes réparés) vous sont montrés avant d’être appliqués.
- L’ancien index n’est pas converti : la mémoire est réindexée en arrière-plan, et la recherche continue de répondre depuis l’ancien index pendant ce temps.
- Les outils de mémoire offerts aux agents gardent les mêmes noms et arguments ; leurs résultats gagnent l’âge et la provenance des dates.
- Les instances SOKKAN Cloud sont migrées automatiquement.