Qu'est-ce que la spécification MEMORY.md ?

MEMORY.md est un format texte ouvert basé sur Markdown, structuré en 5 sections obligatoires (Profil, Préférences, Décisions, Leçons, Stack technique). Il permet de transporter son profil utilisateur entre n'importe quels LLM (ChatGPT, Claude, Gemini, Mistral, Llama local) sans dépendance propriétaire.

Quelle est la longueur maximale d'un MEMORY.md ?

Recommandation : entre 300 et 1500 mots. Au-delà, vous saturez le contexte du LLM sans gain de qualité. Pour les profils très riches, scinder en plusieurs fichiers thématiques : MEMORY-pro.md, MEMORY-perso.md, MEMORY-projet-X.md.

Accueil › MemoryForge › Spécification MEMORY.md

📘 SPÉCIFICATION OFFICIELLE

Spécification MEMORY.md — standard portable de mémoire IA

Version 1.0 · Mise à jour 30 avril 2026 · Maintenu par OutilsIA.fr

⚡ Résumé

Le format MEMORY.md est une convention texte ouverte, basée sur Markdown, qui structure votre profil utilisateur en 5 sections obligatoires : Profil · Préférences · Décisions · Leçons · Stack technique. L'objectif : transporter ce profil entre n'importe quels LLM (ChatGPT, Claude, Gemini, Mistral, Llama local) sans dépendance à une plateforme propriétaire.

1. Pourquoi un standard MEMORY.md ?

En 2026, un utilisateur sérieux d'IA jongle avec 3 à 5 modèles différents selon les tâches : ChatGPT pour le raisonnement, Claude pour l'écriture longue, Gemini pour le multimodal, Mistral pour la rapidité française, Llama 4 ou DeepSeek R1 en local pour les données privées.

Chaque modèle a sa propre mémoire propriétaire :

ChatGPT memories : liées au compte OpenAI, pas exportable proprement
Claude projects : limités à un projet, pas de profil global
Gemini context : effacé entre conversations sauf abonnement Pro
Mistral, DeepSeek, Llama local : aucune mémoire native

Conséquence : vous perdez 5 à 15 minutes par conversation à expliquer qui vous êtes, votre stack technique, vos préférences. La spec MEMORY.md résout ce problème en mettant vous au centre, pas le modèle.

2. Principes fondateurs du format

Principe	Justification
Texte simple Markdown	Lisible par humain, parsable par machine, compatible Git, copiable partout
5 sections obligatoires	Suffisamment riche pour caractériser, suffisamment court pour ne pas saturer le contexte
Pas de schéma JSON strict	Reste flexible et tolérant aux ajouts ; les LLM sont robustes au Markdown
Vous appartient	Pas de serveur, pas de compte, pas de DRM. Versionnable dans Git privé.
Compatible avec tout	Aucun LLM ne refuse du Markdown standard en début de conversation

3. Spécification formelle de la version 1.0

3.1 Structure obligatoire

# MEMORY.md # Generated: YYYY-MM-DD # Standard: MEMORY.md v1.0 (https://outilsia.fr/memoryforge/spec-memory-md) ## 1. Profil - [Identité minimale, métier, expérience, langue préférée] ## 2. Préférences - [Ton, niveau, format, anti-patterns] ## 3. Décisions - YYYY-MM : [décision avec date] ## 4. Leçons apprises - [Constat factuel d'expérience] ## 5. Stack technique - [Liste des technologies / outils principaux]

3.2 Règles de validité

Encodage : UTF-8 obligatoire
Format : Markdown CommonMark avec extensions tableaux acceptées
Longueur recommandée : 300 à 1500 mots
Longueur maximale : 2000 mots (au-delà, scinder en plusieurs MEMORY.md thématiques)
5 sections obligatoires en H2 (##)
Sections additionnelles autorisées (Voyages, Lectures, Plats préférés…) sous H2 supplémentaires
Items en bullet list (-) ou ordered list (1.)

3.3 Données interdites

Pour préserver la sécurité et éviter les fuites lors du collage dans des LLM cloud :

❌ Mots de passe, tokens API, clés privées, identifiants
❌ Numéros de carte bancaire, RIB, sécurité sociale
❌ Identités complètes (nom + prénom + adresse + DOB)
❌ Données médicales nominatives
❌ Informations confidentielles couvertes par NDA

Pour ces données sensibles, utilisez un MEMORY.md séparé avec un LLM local exclusivement (Llama 4, Qwen 3, DeepSeek R1 via Ollama).

4. Description détaillée des 5 sections

Section 1 — Profil (qui êtes-vous)

Identité minimale et professionnelle. 3 à 8 lignes pour calibrer le ton et le niveau d'expertise. Ne pas mettre d'infos sensibles.

## 1. Profil - Prénom : Camille - Métier : Développeuse senior Python (4 ans d'expérience) - Stack : Python 3.12, FastAPI, PostgreSQL, Docker, AWS - Localisation : Lyon, France - Langue : français (préfère réponses en FR sauf code)

Section 2 — Préférences (comment vous parler)

Ton, niveau, format, anti-patterns. La section la plus négligée et pourtant la plus utile.

## 2. Préférences - Ton : direct, factuel, pas de superlatifs marketing - Niveau technique : avancé (pas besoin d'expliquer les bases) - Format préféré : code commenté + courte explication - Anti-pattern : longues introductions, "n'hésitez pas" - Réponses en FR mais code en EN

Section 3 — Décisions (qu'avez-vous tranché)

Choix techniques majeurs avec date. Évite que le LLM vous propose en boucle des solutions que vous avez déjà éliminées.

## 3. Décisions - 2026-03 : Postgres > MySQL (compatibilité JSONB) - 2026-02 : abandon Django pour FastAPI (perfs async) - 2025-12 : passage TypeScript pour tous les frontends - 2025-09 : pytest standardisé (vs unittest)

Section 4 — Leçons apprises (ce que l'expérience a montré)

Constats factuels tirés du terrain. Permet au LLM d'éviter de vous donner des conseils déjà invalidés.

## 4. Leçons apprises - Toujours valider les inputs avec Pydantic dès la définition de l'API - Ne pas optimiser prématurément les requêtes SQL - Préférer pytest à unittest pour la lisibilité - Caching trop agressif = pire que pas de caching

Section 5 — Stack technique (l'environnement)

Liste plate ou groupée. Permet au LLM de proposer des solutions cohérentes avec votre écosystème.

## 5. Stack technique - Langage : Python 3.12, TypeScript - Backend : FastAPI, PostgreSQL 16, Redis - Frontend : React 19, Tailwind CSS, Vite - Infra : Docker, AWS (ECS, RDS, S3), GitHub Actions - Observabilité : Sentry, Grafana, OpenTelemetry

5. Variantes officielles du format

Variante	Usage	Différence vs MEMORY.md
`CLAUDE.md`	Claude Code dans un repo Git	Inclut souvent une section "## Project context"
`USER.md`	Hermes Agent	Profil utilisateur uniquement (pas de project context)
`system_prompt.txt`	Mistral, modèles locaux	Tout en un seul paragraphe condensé
`AGENT.md`	Agents IA autonomes	Ajoute "## Goals" et "## Constraints"

Toutes ces variantes dérivent de la même base 5 sections. Vous pouvez convertir entre elles automatiquement avec MemoryForge.

6. Comment utiliser un MEMORY.md

6.1 En collage de conversation

[Coller le contenu de votre MEMORY.md] Maintenant, ma question : [VOTRE QUESTION]

6.2 En Custom Instructions / System Prompt

Plateforme	Où coller
ChatGPT	Settings → Personalization → Custom Instructions
Claude.ai	Settings → Personal preferences (ou Project Instructions)
Gemini	Settings → Personalization → About me
Ollama (local)	Modelfile : `SYSTEM "..."`
LM Studio	Preset → System Message

7. Versionnement Git recommandé

Créer un dépôt Git privé dédié à votre MEMORY.md et ses variantes :

$ git init my-ai-memory $ cd my-ai-memory $ touch MEMORY.md MEMORY-pro.md MEMORY-perso.md CLAUDE.md $ git add . && git commit -m "Initial MEMORY.md v1.0"

Avantages : historique des évolutions du profil, partage avec ses équipes (sans le pousser sur des LLM cloud), réutilisable depuis n'importe quel poste.

8. Compatibilité multi-LLM testée

LLM	Acceptation MEMORY.md collé en début	Latence
ChatGPT GPT-5.5	✅ excellente	+0.5s
Claude Opus 4.5	✅ excellente	+0.3s
Gemini 3 Pro	✅ très bonne	+0.4s
Mistral Large 3	✅ très bonne	+0.3s
DeepSeek R1	✅ très bonne	+0.4s
Llama 4 (local Ollama)	✅ excellente	négligeable
Qwen 3 (local Ollama)	✅ excellente	négligeable

Tous les LLM majeurs 2026 acceptent un MEMORY.md de 1500 mots en préambule sans dégradation de qualité significative. Le surcoût en tokens est négligeable face au gain en pertinence.

9. Évolutions de la spec (versioning)

Version	Date	Changements
v1.0	2026-04-30	Spec initiale, 5 sections obligatoires
v1.1	(prévu Q3 2026)	Ajout section optionnelle "## Goals" + métadonnées YAML frontmatter
v2.0	(à étudier 2027)	Schema JSON-LD optionnel pour interopérabilité avec agents

🧠 Générez votre MEMORY.md gratuitement

MemoryForge extrait automatiquement les 5 sections depuis vos conversations IA collées. Pas d'inscription, anonyme, conforme à cette spec v1.0.

⚡ Générer mon MEMORY.md

FAQ — Spécification MEMORY.md

Le MEMORY.md est-il un standard ISO ou W3C ?

Non, MEMORY.md n'est pas un standard ISO ou W3C, mais une convention émergente popularisée en 2025-2026 par Claude Code et les agents IA personnalisés. Il s'inspire des README.md et CONTRIBUTING.md des projets open source. Sa simplicité (Markdown texte) en fait un quasi-standard de fait.

Puis-je modifier la structure des 5 sections ?

Vous pouvez ajouter des sections supplémentaires en H2 (Voyages, Lectures, Préférences alimentaires, etc.), mais les 5 sections de base (Profil, Préférences, Décisions, Leçons, Stack technique) restent obligatoires pour qu'un fichier soit conforme à la spec v1.0.

Puis-je publier mon MEMORY.md publiquement ?

Techniquement oui, mais ce n'est généralement pas conseillé. Un MEMORY.md révèle votre stack, vos décisions, votre niveau d'expertise — informations utiles pour des recruteurs ou des concurrents. Préférez un repo Git privé.

Combien de temps un MEMORY.md reste-t-il utile ?

Tant que vos décisions et préférences restent valides. Idéalement, révision mensuelle (5-10 minutes). Une mise à jour majeure tous les 6 mois.

Le MEMORY.md fonctionne-t-il avec les modèles 2027+ ?

Probablement oui. Le format Markdown est extrêmement stable et tous les LLM le digèrent sans difficulté. La spec v1.0 a été conçue pour être robuste aux évolutions des modèles.

Existe-t-il des outils pour valider la conformité d'un MEMORY.md ?

Oui, MemoryForge inclut un validateur intégré qui vérifie la présence des 5 sections obligatoires, la longueur recommandée, et l'absence de données sensibles courantes (patterns mots de passe, tokens API).