Alors que tout le monde court après la solution RAG parfaite, deux gars sur Hacker News ont sorti leur tournevis et ont bricolé un truc qui marche, sans faire de cinéma. Bossa et FlowState Dev, deux projets open source publiés à deux minutes d’intervalle ce dimanche, proposent la même idée basique : donner aux agents IA un système de fichiers persistant, accessible via MCP (Model Context Protocol) ou CLI. Pas d’embeddings, pas de pipelines de retrieval, pas de modèles à fine-tuner. Juste ls, grep, read, et write. Comme en 1970, mais avec des LLMs.
Le pitch de Vinny, le dev derrière Bossa, est limpide : il en avait marre de recoller les mêmes bouts de contexte dans Cursor et Claude Code à chaque fois qu’il changeait de machine. Des décisions d’architecture, des conventions de nommage, des préférences perso — la routine chiante qui fait perdre 10 minutes par jour. Au lieu de pondre un système RAG surdimensionné, il a opté pour un Postgres avec recherche full-text, où chaque fichier est une ligne et les répertoires sont implicites. Résultat : grep sur 10 000 fichiers en ~50 ms, un free tier à 100 Mo et 1 000 requêtes par jour, et une doc MIT pour l’auto-hébergement. L’idée, c’est que les agents savent déjà naviguer un filesystem, alors pourquoi leur apprendre un nouveau langage ?
FlowState Dev, de son côté, semble jouer dans la même cour avec MCP et SQLite, mais les détails techniques sont maigres — le repo GitHub est à peine peuplé, et le post HN n’a ramassé qu’un point sans commentaires. Ça sent le side-project lancé en vitesse, peut-être pour surfer sur la tendance. Mais peu importe : le vrai message, c’est que la mémoire persistante pour les IA, ça pourrait être aussi simple qu’un open() et un close(). Pas besoin de réinventer la roue avec des architectures neuromorphiques quantiques.
La force de cette approche ? La simplicité. Les systèmes RAG, c’est souvent du over-engineering pour des cas d’usage triviaux. Tu veux que ton agent se souvienne que tu préfères le camelCase ? Avec Bossa, tu écris ça dans un fichier /preferences/naming.md, et il le lit quand il en a besoin. Pas de compétition sémantique avec d’autres documents, pas de bruit dans le contexte. L’agent démarre léger, explore avec ls, et charge uniquement ce qui est pertinent. Un peu comme toi quand tu cherches un vieux script sur ton disque dur — tu fouilles, tu trouves, tu l’ouvres. Pas de magie noire.
Et c’est là que le bât blesse : est-ce que ça scale au-delà des préférences de dev ? Pour des projets complexes avec des milliers de fichiers et des dépendances croisées, un filesystem basique pourrait montrer ses limites. Mais pour 90% des use cases quotidiens — garder une trace des décisions, des snippets réutilisables, des configs — c’est probablement suffisant. Et surtout, ça évite de tomber dans le piège du benchmarketing : pas de scores hallucinants à annoncer, juste un outil qui fait le job.
Le timing est intéressant, aussi. Alors que les gros joueurs (OpenAI, Anthropic, Google) poussent leurs architectures propriétaires de mémoire d’agents, avec force papiers de recherche et levées de fonds, deux inconnus balancent des solutions open source en quelques centaines de lignes de code. Ça rappelle que l’innovation, dans l’IA, c’est pas toujours une question de milliards de paramètres. Parfois, c’est juste un dev frustré qui trouve une solution élégante à un problème con.
La mémoire persistante pour les agents pourrait bien être l’avenir, mais pas comme on l’imagine. Plutôt que des systèmes centralisés et opaques, on pourrait voir émerger des outils légers, interopérables, qui laissent les devs garder le contrôle. Bossa et FlowState Dev sont des premiers pas dans cette direction — imparfaits, minimalistes, mais concrets. Et ça, c’est déjà plus utile que 90% des annonces corporate sur le sujet.
Maintenant, reste à voir si quelqu’un va les utiliser. Parce que dans le monde de l’IA, avoir une bonne idée, c’est une chose. Faire en sorte que les gens arrêtent de parler pour coder, c’est une autre paire de manches.
Sources :
Comments are closed