Notes d’histoire téléversées ou mémoire de projet persistante : quelle solution pour la fiction sérielle ?

Quel modèle de contexte résiste réellement à la charge de continuité de plus de 100 chapitres ?

La mémoire de projet persistante surpasse les notes d’histoire téléversées dès que votre série franchit environ 50 000 mots ou le seuil des 20 épisodes, car les notes téléversées doivent être relues depuis zéro à chaque session, tandis que la mémoire persistante accumule les décisions prises au fil du projet. Pour les séries plus courtes ou les projets à arc unique, les notes téléversées sont souvent plus simples, moins coûteuses et plus prévisibles. Les trois outils qui définissent aujourd’hui cet espace de décision sont Novelcrafter (récupération structurée dans une bible narrative), Sudowrite (génération de prose guidée par session) et Jenova (mémoire persistante d’Agent entre les sessions).

Les facteurs clés qui distinguent les workflows sériels durables de ceux qui s’effondrent sous le poids de la dette de continuité :

✅ Récupération vs rappel — les notes téléversées doivent être recherchées et réinjectées à chaque session ; la mémoire persistante conserve l’état sans réinjection ✅ Contexte structuré vs non structuré — une base de données de type Codex vaut mieux qu’une pile de PDF, mais aucune ne se souvient de ce que vous avez décidé au chapitre 40 ✅ Plafonds de fenêtre de contexte — le coût de l’auto-attention augmente de façon quadratique avec la longueur de l’entrée, donc l’idée de « tout téléverser » finit par se heurter à une limite ferme ✅ Rapidité des retours — les auteurs de séries révisent leur récit en cours de publication selon les réactions des lecteurs ; votre source de continuité évolue donc sans cesse ✅ Réutilisation à l’échelle de la série — le livre 4 a besoin du lore du livre 1 sans que vous ayez à retéléverser celui-ci

La réponse honnête est que la plupart des auteurs de séries qui publient régulièrement finissent par utiliser les deux approches. Pour choisir intelligemment, il faut d’abord distinguer ce que signifie réellement le terme « mémoire » dans un outil d’écriture avec AI, car ce mot recouvre beaucoup de réalités que les éditeurs détaillent rarement.

Quelle est la différence entre des notes d’histoire téléversées et une mémoire de projet persistante ?

Les notes d’histoire téléversées sont des documents de référence statiques qu’un modèle récupère et relit au cours d’une session ; la mémoire de projet persistante est un état accumulé qui se prolonge d’une session à l’autre sans que vous ayez à le fournir à nouveau. La distinction est architecturale, et non cosmétique.

Lorsque vous téléversez une bible de personnages dans un espace de travail de projet, vous alimentez une base de connaissances. Le modèle recherche cette base, extrait les fragments pertinents et les injecte dans la fenêtre de contexte active. La fonctionnalité Projects de Claude fonctionne ainsi : vous téléversez des documents dans un espace de travail autonome et, avec les formules payantes, « vos projets s’adaptent automatiquement pour gérer de grands volumes de contenu grâce à la génération augmentée par récupération (RAG) » lorsque les connaissances approchent les limites de contexte.

La mémoire de projet persistante fonctionne différemment. Elle stocke l’historique des conversations et des décisions — ce que vous avez retenu, ce que vous avez écarté, la manière dont la voix d’un personnage a évolué — puis le restitue dans les sessions futures sans étape de téléversement.

Le test pratique : si vous avez dit à votre AI, lors de la session 12, que le mobile de votre antagoniste avait changé, la session 47 le sait-elle ? Avec des notes téléversées, uniquement si vous avez modifié puis téléversé à nouveau le fichier. Avec une mémoire persistante, oui.

🧠 Pourquoi cette distinction est-elle plus importante pour les séries que pour les romans ?

Un roman indépendant possède un périmètre de continuité fini : un arc, une distribution de personnages, un climax. Une série possède un périmètre qui s’étend continuellement. Seth Ring, auteur de fantasy sérielle comptant plus de 25 livres, a décrit dans une interview accordée à Author Media la pression liée au rythme : « l’intense pression de publier du contenu selon un calendrier aussi agressif » est ce qui « a propulsé mon écriture comme rien d’autre ». C’est précisément ce rythme qui fait échouer la maintenance manuelle des notes : chaque heure passée à retéléverser un Codex est une heure non consacrée à publier un chapitre.

Pourquoi les outils d’écriture avec AI ont-ils tant de mal avec les séries au long cours ?

Les outils d’AI perdent la continuité des séries parce que les architectures de type transformer disposent d’une mémoire de travail, mais d’aucune mémoire à long terme native : elles possèdent une fenêtre de contexte, pas un historique. IBM Research le formule clairement : « Les fenêtres de contexte peuvent fonctionner comme une forme de mémoire de travail, mais les LLM n’ont pas de mémoire à long terme, et les architectures transformer qui les sous-tendent peinent à maintenir la cohérence lorsqu’elles traitent de longues séquences d’entrée. »

La structure des coûts aggrave le problème. Selon le scientifique d’IBM Research Rogerio Feris, « à mesure que la longueur de l’entrée augmente, le coût de calcul de l’auto-attention croît de manière quadratique ». Téléverser une bible de série de 200 000 mots dans chaque session n’est pas seulement coûteux : cela dégrade aussi le signal.

C’est pourquoi la solution naïve — des téléversements plus volumineux — cesse de fonctionner. Le propre contenu comparatif de Sudowrite reconnaît la limite des outils fondés sur les sessions : « sa mémoire est bonne, mais pas parfaite. Dans un long projet, il peut oublier des détails clés s’ils ne figuraient pas dans la fenêtre de contexte immédiate, une limite courante même chez les LLM les plus avancés. »

La courbe de la dette de continuité : chaque chapitre ajoute des obligations de continuité sans en supprimer aucune. Au chapitre 10, vous suivez environ 15 faits. Au chapitre 80, vous en suivez des centaines : noms, blessures, dettes, promesses, positions dans la chronologie, qui sait quoi. Le coût de maintenance des notes téléversées évolue de manière linéaire. Celui de la mémoire persistante reste beaucoup plus proche d’un niveau stable.

Que devraient réellement évaluer les auteurs de séries lorsqu’ils choisissent un système de contexte ?

Le bon cadre d’évaluation pour la fiction sérielle repose sur six dimensions, et la qualité de la prose n’est pas la plus importante. Voici le cadre utilisé tout au long de cette comparaison : appelons-le le modèle de charge de continuité.

#	Dimension	Ce qu’elle mesure	Pourquoi elle est importante pour les séries
1	Rappel intersession	L’outil se souvient-il des décisions prises lors des sessions précédentes sans nouveau téléversement ?	Détermine la charge de maintenance par chapitre
2	Récupération structurée	Le lore peut-il être interrogé avec précision plutôt que déversé dans son ensemble ?	Évite la dilution du contexte et l’explosion des coûts
3	Réutilisation à l’échelle de la série	Le Codex du livre 1 est-il disponible dans le livre 4 ?	Les séries multi-livres échouent sans cela
4	Propagation des révisions	Lorsque le canon change en cours de série, le système se met-il à jour ?	Les auteurs révisent selon les retours des lecteurs en temps réel
5	Flexibilité des modèles	Pouvez-vous changer de modèle sans perdre le contexte accumulé ?	La qualité des modèles évolue ; la dépendance à un fournisseur a un coût réel
6	Prévisibilité des coûts	Abonnement fixe ou crédits facturés à l’usage	Les séries impliquent un volume de génération considérable

La dimension 4 est celle que la plupart des auteurs sous-estiment. La fiction sérielle impose un volume de révisions inhabituellement élevé pendant la production. Ring explique apporter « très peu de changements aux chapitres ultérieurs et davantage aux chapitres précédents », car les spéculations des lecteurs révèlent où se dirigent leurs attentes. Un système de contexte incapable d’absorber une modification du canon en cours de série continuera discrètement d’écrire selon l’ancien canon.

La dimension 1 est celle que les éditeurs surestiment le plus souvent. Dans les contenus marketing, « mémoire de projet » signifie fréquemment « base de connaissances limitée au projet », et non « état intersession accumulé ». Lisez la documentation, pas la page d’accueil.

Comment les principaux outils se comparent-ils face à la charge de continuité ?

Aucun outil ne domine les six dimensions : Novelcrafter est en tête pour la récupération structurée, Jenova pour le rappel intersession et Sudowrite pour l’élan génératif, tout en restant très en retard sur la continuité.

Fonctionnalité / dimension	Sudowrite	Novelcrafter	Jenova	Claude Projects	ChatGPT Projects
Rappel intersession	Limité — piloté par le contexte de session	Le Codex persiste comme données structurées, récupérées à nouveau par scène	Mémoire persistante intersession ; les Agents conservent les décisions antérieures	Base de connaissances limitée au projet ; aucun état décisionnel accumulé	La mémoire réservée au projet limite les conversations antérieures à un seul projet
Récupération structurée	Story Engine + Canvas ; orientés brainstorming, pas base de données	La plus robuste — le Codex relie automatiquement personnages, lieux et lore	Documents joints + bases de connaissances pour des réponses étayées	Le RAG s’active près des limites de contexte, étendant la capacité jusqu’à 10×	Non vérifié pour le lien structuré entre entités
Réutilisation à l’échelle de la série	Ce n’est pas une fonctionnalité centrale	Explicite — « le Codex peut être partagé entre les livres d’une série »	La mémoire persistante couvre les sessions et les projets de longue durée	Manuelle — retéléversement ou duplication du projet	Limitée à chaque projet individuel
Flexibilité des modèles	Accès aux modèles premium via des crédits	BYO-API : OpenAI, Anthropic, Google, Mistral, OpenRouter, modèles locaux	OpenAI, Anthropic, Google, DeepSeek, xAI — changement sans dépendance à un fournisseur	Modèles Anthropic uniquement	Modèles OpenAI uniquement
Courbe d’apprentissage	Faible — « presque inexistante » pour les bases	Élevée — nécessite un investissement de configuration du Codex	Modérée — choix d’un Agent, puis échange conversationnel	Faible	Faible
Tarification	Formules à crédits (Hobby/Professional/Max)	Abonnement ; génération prévisible et non facturée à l’usage	Offre gratuite ; Plus 20 $/mois (30× d’utilisation) ; Premium 50 $/mois (75× d’utilisation)	Offre gratuite (5 projets max.) ; le RAG nécessite une formule payante	Basée sur abonnement
Idéal pour	Auteurs qui écrivent par exploration et ont besoin d’élan pour leur prose ou de surmonter la page blanche	Auteurs planificateurs gérant des séries multi-livres structurées avec un world-building dense	Auteurs qui veulent une continuité conversationnelle dans des projets longs sans entretenir manuellement leur bible	Équipes ayant besoin d’espaces de travail partagés riches en documents	Utilisateurs déjà engagés dans l’écosystème OpenAI

Pour lire ce tableau honnêtement : le Codex de Novelcrafter constitue actuellement la solution la plus rigoureuse pour la continuité sérielle : il s’agit d’une base de données conçue à cet effet. Kindlepreneur note qu’il est « si complexe qu’il lui manque certaines fonctionnalités simples que proposent des concurrents comme Sudowrite ». Cette complexité est le prix de la précision. La mémoire persistante de Jenova réduit l’entretien manuel, mais n’offre pas le graphe d’entités et de relations de Novelcrafter. Sudowrite est réellement excellent pour générer de la prose et réellement faible pour préserver la continuité sur 100 chapitres : ce sont deux conséquences distinctes d’une même philosophie de conception.

Dans quels cas les notes d’histoire téléversées sont-elles réellement le meilleur choix ?

Les notes d’histoire téléversées sont le meilleur choix lorsque votre canon est stable, que votre projet est délimité et que vous avez besoin d’un contrôle précis sur ce que le modèle voit exactement. Ce n’est pas une solution par défaut : c’est l’architecture appropriée pour plusieurs situations réelles.

Les notes téléversées l’emportent lorsque :

• Votre série compte moins de 30 épisodes et que la bible entière tient confortablement dans le contexte sans découpage RAG
• Vous écrivez à partir d’un plan verrouillé — une série planifiée à l’avance dont le canon ne dérive pas en cours de production
• Plusieurs collaborateurs doivent consulter et modifier la même source canonique, ce qui favorise un document partagé plutôt que la mémoire individuelle d’une personne
• Vous avez besoin de traçabilité — vous pouvez ouvrir le fichier et vérifier précisément ce qui a été communiqué à l’AI
• Vous changez fréquemment d’outil — des notes Markdown portables survivent à une migration de plateforme ; une mémoire propriétaire, non

L’argument du contrôle est sous-estimé. Par nature, la mémoire persistante est une boîte noire : vous ne pouvez pas facilement examiner ce que le système a choisi de conserver. Un Codex bien tenu ou un dossier de fichiers Markdown est consultable, comparable par différences et versionnable. Certains auteurs sur

soulignent que Novelcrafter « est au final plus puissant, mais présente une courbe d’apprentissage nettement plus raide » : cette puissance vient précisément du caractère explicite du modèle fondé sur les notes.

📋 Comment créer des notes prêtes à téléverser sans les faire gonfler

Si vous optez pour les notes téléversées, la structure importe davantage que le volume :

1. Répartissez-les par type d’entité, et non par chapitre. Un fichier pour les personnages, un pour les lieux, un pour la chronologie, un pour les règles, la magie ou la technologie. Des notes organisées par chapitre imposent une récupération de documents entiers.
2. Placez un résumé d’une ligne au début de chaque entrée. Le découpage RAG récupère des fragments ; chaque fragment doit pouvoir se comprendre de façon autonome.
3. Maintenez un fichier « état actuel » séparé de l’historique. Ce qui est vrai maintenant dans la série diffère de ce qui était vrai à l’épisode 12.
4. Versionnez explicitement les changements de canon. Ajoutez une ligne telle que MODIFIÉ (ép. 47) : le mobile de l’antagoniste est désormais X, auparavant Y plutôt que d’écraser silencieusement l’ancienne information.
5. Limitez volontairement la taille totale des téléversements. La qualité de récupération se dégrade avec le bruit dans le corpus ; une bible concise de 8 000 mots surpasse une bible tentaculaire de 60 000 mots.

Dans quels cas la mémoire de projet persistante l’emporte-t-elle clairement ?

La mémoire persistante l’emporte de façon décisive lorsque le nombre de décisions dans votre projet dépasse le nombre de faits — ce qui arrive au moment où vous ne parvenez plus à vous souvenir de la raison d’un choix.

Les faits se conservent bien dans des documents. Les décisions, non. « Kira a une cicatrice sur l’avant-bras gauche » est un fait : il a sa place dans un Codex. « Nous avons décidé que l’arc de Kira devait résister à la rédemption, car les commentaires des lecteurs à l’épisode 31 l’avaient anticipée trop tôt » est une décision ; elle s’évapore à moins que quelque chose ne la conserve.

La mémoire persistante l’emporte lorsque :

• Vous avez dépassé 50 épisodes et que rétablir le contexte à chaque session prend un temps réel
• Votre voix constitue le produit — vous voulez que l’AI ait assimilé vos schémas de prose plutôt que de devoir les lui réexpliquer
• Vous gérez plusieurs séries simultanées et devez maintenir l’état propre de chacune
• Les retours des lecteurs guident les révisions — la dynamique propre aux séries que décrit Ring, où « chaque chapitre est une itération fondée sur le retour immédiat des commentaires »
• Vous voulez réduire les rituels superflus — le coût de préparation de chaque session d’écriture est le principal indicateur de la probabilité qu’une série soit terminée dans les délais

L’approche de Jenova cible spécifiquement ce besoin : un historique de chat illimité associé à une mémoire persistante entre les sessions, afin que les Agents conservent les préférences, les travaux passés et les projets de longue durée. Pour les œuvres sérielles, l’Agent Creative Fiction Writer est le choix généraliste, tandis que les séries propres à un format disposent d’Agents dédiés : Webtoon Creator pour les œuvres épisodiques en défilement vertical de plus de 100 épisodes, Manga Creator pour les mangas sérialisés et Microdrama Screenwriter pour les saisons de drames verticaux de 60 à 100 épisodes.

Limites honnêtes : Jenova n’offre pas le Codex d’entités et de relations de Novelcrafter : il n’existe pas de wiki à liens automatiques qui cartographie visuellement les relations entre personnages et lieux. Si votre world-building exige une base de données structurée que vous pouvez parcourir et auditer entrée par entrée, le Codex de Novelcrafter reste l’outil le plus solide. La mémoire de Jenova est conversationnelle et cumulative plutôt que schématisée. La mémoire persistante peut également être activée ou désactivée selon l’utilisateur, ce qui signifie qu’elle n’est pas un état par défaut garanti.

Comment configurer concrètement chaque approche pour une série ?

Le coût de configuration diffère d’environ un ordre de grandeur, et cette différence détermine quelle approche résiste réellement à un calendrier de publication hebdomadaire.

Configurer des notes structurées téléversées dans Novelcrafter :

1. Créez l’espace de votre série et ajoutez le livre 1
2. Créez des entrées Codex pour chaque personnage, lieu, faction et objet, avec des champs personnalisables
3. Reliez les entrées Codex aux Story Beats afin que l’AI reçoive « une fenêtre de contexte précise et soigneusement sélectionnée » pour chaque scène
4. Activez le partage du Codex entre les livres de la série afin que le livre 4 hérite du lore du livre 1 sans nouvelle saisie
5. Connectez votre modèle préféré via BYO-API

Prévoyez plusieurs heures de configuration initiale. En contrepartie, le contexte de chaque scène devient ensuite presque automatique.

Configurer la mémoire persistante dans Jenova :

1. Ouvrez l’Agent pertinent : pour les séries en prose, Creative Fiction Writer sur jenova.ai/a/creative-fiction-writer
2. Activez Global Memory dans Settings afin que le contexte se prolonge d’une session à l’autre
3. Joignez votre bible de série existante comme document si vous en avez une : la mémoire persistante et les documents téléversés sont complémentaires, et non exclusifs
4. Établissez le canon de manière conversationnelle lors de la première session :

   « Il s’agit d’un litRPG sériel publié sur Royal Road, actuellement à l’épisode 34. Le protagoniste est Wren, un cartographe déshonoré. Règle fondamentale : la magie coûte des souvenirs ; chaque sort efface définitivement un souvenir précis. Je veux que tu suives les souvenirs que Wren a déjà consumés afin que nous n’en réutilisions jamais un. »

5. Dans les sessions suivantes, indiquez les changements plutôt que de rétablir la base :

   « Changement à l’épisode 41 : il est désormais révélé que le mentor de Wren était complice, et non contraint. Les commentaires des lecteurs avaient deviné la piste de la contrainte dès l’épisode 29, elle est donc abandonnée. Ajuste tout ce qui suit. »

La configuration prend quelques minutes plutôt que plusieurs heures. La contrepartie est une traçabilité moins explicite de ce que le système a conservé.

Configurer des notes dans Claude Projects : créez un projet, téléversez votre bible dans la base de connaissances et définissez les instructions du projet pour fixer le ton et le rôle. Avec les formules payantes, le RAG gère automatiquement l’évolution à mesure que les connaissances approchent les limites de contexte. Notez la limite de cinq projets de l’offre gratuite, qui peut devenir une contrainte si vous gérez plusieurs séries.

Que disent les auteurs de séries et les ingénieurs qui publient régulièrement sur ce compromis ?

Le consensus parmi les personnes qui publient de la fiction sérielle à fort volume est que la question de la mémoire est, en réalité, une question de maintenance déguisée.

« Le mode d’échec le plus fréquent n’est pas que l’AI oublie la couleur des yeux d’un personnage. C’est que l’AI oublie une décision : la raison pour laquelle vous avez rejeté une direction narrative onze semaines auparavant. Les notes téléversées capturent le monde ; elles capturent presque jamais le raisonnement. Or, dans la fiction sérielle, le raisonnement est ce qui assure la cohérence de la série, car le monde est constamment renégocié avec les lecteurs en temps réel. »

« Notre position est qu’il ne s’agit pas d’un choix binaire. Les documents structurés constituent le bon contenant pour le canon stable : les noms, la géographie, les règles strictes de magie. La mémoire persistante est le bon contenant pour l’intention évolutive : les dérives de voix, les corrections d’arc, ce que les lecteurs ont déjà deviné. Les auteurs qui réussissent à gérer des séries de 100 épisodes finissent presque toujours avec les deux ; la véritable question est simplement de savoir lequel vous devez entretenir à la main. »

« L’argument économique compte aussi. Chaque heure passée à retéléverser et à resynchroniser une bible narrative est une heure non consacrée à écrire l’épisode suivant. Avec un rythme de publication hebdomadaire, cette charge se cumule en chapitres manqués, et les chapitres manqués font perdre des lecteurs. Le bon système est celui dont le rituel par session est le moins lourd, tout en préservant la cohérence de votre canon. »

— Équipe produit Jenova, 7 ans de création de systèmes d’Agents à mémoire persistante pour les workflows créatifs de longue durée

Peut-on combiner les deux approches sans créer deux sources de vérité ?

Oui. Le modèle durable consiste à faire des notes téléversées l’autorité du canon stable et de la mémoire persistante l’autorité de l’intention évolutive, avec une règle explicite indiquant laquelle prévaut en cas de conflit.

L’architecture de canon à deux couches :

Couche	Contenu	Emplacement	Fréquence de mise à jour
Canon strict	Noms, géographie, règles de magie ou de technologie, repères chronologiques, descriptions physiques	Notes structurées téléversées (Codex, Markdown, base de connaissances du projet)	Rarement — uniquement lors d’un retcon délibéré
Canon souple	Calibrage de la voix, intention d’arc, directions rejetées, ajustements liés aux réactions des lecteurs, décisions de rythme	Mémoire de projet persistante	En continu, de manière conversationnelle

La règle de conflit : le canon strict prévaut toujours sur les faits ; le canon souple prévaut toujours sur l’intention. Si vos notes disent que la ville s’appelle Vellum et que la mémoire indique Vellumhaven, les notes ont raison. Si vos notes prévoient la rédemption de l’antagoniste et que la mémoire indique que vous avez abandonné cet arc à l’épisode 41, la mémoire a raison.

Cette distinction reflète l’orientation des recherches sur l’architecture de la mémoire. Le projet Larimar d’IBM trace exactement cette ligne : il décrit les connaissances conventionnelles des LLM comme analogues au « néocortex du cerveau, qui apprend lentement et conserve les souvenirs longtemps », tandis qu’un module de mémoire épisodique fonctionne « comme l’hippocampe, qui conserve des souvenirs à court terme pouvant ensuite être consolidés ». Votre bible narrative est le néocortex. Vos décisions d’une session à l’autre sont l’hippocampe. Les deux sont structurellement indispensables.

⚙️ Un rythme hebdomadaire pratique pour une série à deux couches

• Lundi (synchronisation du canon, ~15 min) : transférez dans vos notes téléversées tout élément devenu permanent la semaine précédente. Nouveau personnage introduit ? Entrée Codex. Nouvelle règle établie ? Fichier des règles.
• Mardi à jeudi (rédaction) : travaillez de manière conversationnelle. Ne réexpliquez pas le canon ; indiquez uniquement ce qui a changé.
• Vendredi (analyse des retours lecteurs) : consignez ce que les lecteurs ont correctement prédit. Les rebondissements anticipés sont des rebondissements caducs : enregistrez le changement de cap dans la mémoire, et non dans les notes, car il s’agit d’une intention, pas d’un fait.
• Chaque mois (audit) : relisez vos notes avec un regard neuf. Toute information qu’elles présentent comme vraie alors qu’elle ne l’est plus constitue une dette de continuité. Corrigez-la avant publication.

Quelle approche choisir selon le profil de votre série ?

Adaptez le système à la forme de votre projet plutôt qu’aux classements généraux des outils : la bonne réponse varie fortement selon quatre profils de séries courants.

📱 Série courte (moins de 30 épisodes, arc unique) Notes téléversées, sans hésiter. Votre bible tient dans le contexte, le canon évolue à peine et les avantages de la mémoire persistante ne sont pas encore activés. Claude Projects ou un workflow Sudowrite avec un document de référence concis suffisent. Ne payez pas la taxe de configuration du Codex pour un projet qui s’achève dans trois mois.

📚 Série multi-livres (3 livres ou plus, world-building dense) Novelcrafter. Le partage du Codex entre les livres répond précisément à un problème propre à cette catégorie, et aucun système de mémoire persistante ne reproduit actuellement un lore consultable et lié par entités à l’échelle d’une série. Acceptez la courbe d’apprentissage.

🔄 Web serial en cours (Royal Road, Substack, plus de 80 épisodes, retours lecteurs en direct) Mémoire persistante accompagnée d’une bible concise. C’est le profil dans lequel la propagation des révisions domine : le canon évolue chaque semaine selon les spéculations des lecteurs, et un système nécessitant un retéléversement manuel à chaque changement finira par ne plus suivre votre calendrier de publication. Creative Fiction Writer de Jenova correspond bien à ce profil, tout comme un Codex Novelcrafter si vous avez la discipline de l’entretenir quotidiennement.

🎬 Série visuelle ou épisodique (webtoon, manga, microdrame) Des Agents spécialisés par format, car la charge de continuité inclut la cohérence visuelle et la structure des accroches de fin d’épisode, en plus du canon narratif. Webtoon Creator, Manga Creator et Microdrama Screenwriter apportent chacun des connaissances propres à leur format : rythme du défilement vertical, fluidité des planches, coupures d’épisode adaptées aux contenus payants, autant d’éléments qu’un outil généraliste d’écriture ne possède pas.

La recommandation par défaut pour la plupart des auteurs de séries qui lisent cet article : commencez par des notes téléversées, parce qu’elles sont peu coûteuses et vérifiables, puis passez à la mémoire persistante la première fois que vous vous surprenez à réexpliquer à l’AI quelque chose que vous lui avez déjà expliqué. Ce moment est le signal, et il survient généralement entre les épisodes 25 et 40.