Pourquoi les jeux de rôle AI oublient-ils les détails des personnages et les premiers choix narratifs ?

Pourquoi les jeux de rôle AI oublient-ils les détails des personnages et les premiers choix à mesure que les histoires s’allongent ?

Les jeux de rôle AI oublient les premiers détails parce que les modèles de langage ne disposent pas d’une mémoire persistante de votre histoire : à chaque tour, ils reconstruisent l’ensemble à partir du texte qui tient dans une fenêtre de contexte finie. À mesure que la conversation s’allonge, le contenu le plus ancien — le passé de votre personnage, le serment prononcé dans la troisième scène, la faction que vous avez trahie — est évincé ou dilué, et le modèle comble le vide par une invention plausible plutôt qu’avec votre véritable historique. La solution n’est pas une instruction plus longue, mais une architecture qui stocke séparément l’état narratif, le lore et la conversation, puis récupère le bon élément au bon moment.

Cette défaillance porte un nom formel dans la recherche. Les évaluations comparatives de modèles de langage de jeu de rôle mesurent la cohérence en personnage comme une dimension distincte, définie comme le fait de « maintenir un verrouillage de personnage (fidélité contextuelle) et d’éviter les fuites de connaissances hors contexte » (Évaluation du roleplay pour les grands modèles de langage, arXiv). Lorsque la mémoire échoue, les deux volets de cette définition se brisent simultanément : le personnage dévie et le modèle commence à affirmer des choses qui n’ont jamais été vraies dans votre univers.

Principales raisons pour lesquelles les longues sessions de jeu de rôle AI perdent le fil :

✅ Fenêtres de contexte finies — les premiers messages sortent de la mémoire de travail du modèle à mesure que les scènes s’accumulent
✅ Mémoire indifférenciée — les applications qui fusionnent l’historique de chat, les traits du personnage et l’état du monde dans une seule instruction les obligent à se battre pour les mêmes tokens
✅ Absence de couche de récupération — sans lorebook ni base de connaissances, les faits absents du chat récent n’existent tout simplement pas pour le modèle
✅ Dégradation avant saturation — les modèles deviennent moins fiables pour rappeler les détails situés au milieu du contexte bien avant que la fenêtre soit techniquement pleine
✅ Écarts de capacité entre les modèles — certains modèles obtiennent des scores nettement inférieurs pour rester en personnage, même avec des contextes courts

Comprendre chacun de ces mécanismes est ce qui distingue « mon AI oublie sans cesse » d’une configuration capable de préserver un arc narratif de 200 messages.

---

Que se passe-t-il réellement avec une histoire dans la mémoire d’une AI ?

Une session de jeu de rôle AI existe entièrement dans la fenêtre de contexte du modèle : un budget fixe de texte que le modèle peut voir lorsqu’il génère chaque réponse. Votre fiche de personnage, l’instruction système, chaque message échangé et les réponses du modèle lui-même se disputent tous ce même espace limité. Lorsque le total dépasse le budget, le contenu le plus ancien est supprimé, résumé ou tronqué, et le modèle ne peut littéralement plus le voir.

C’est pourquoi l’oubli semble progressif plutôt que brutal. Au tour 40, il peut encore rester une trace condensée de votre scène d’ouverture. Au tour 150, cette trace a disparu, et le modèle génère à partir d’une histoire qui, de son point de vue, a commencé quelque part au milieu.

Trois catégories d’éléments sont évincées, généralement dans cet ordre :

1. Les premiers choix narratifs. L’alliance que vous avez conclue, l’objet que vous avez refusé, la porte que vous n’avez pas ouverte. Ce sont des événements uniques, enfouis dans l’historique et jamais répétés ; rien ne les maintient donc vivants dans le contexte.
2. Les détails précis des personnages. La couleur des yeux, un tic de langage, l’origine d’une cicatrice. Ils sont spécifiques, mais rarement réévoqués ; ce sont donc les premières victimes.
3. Les règles et le lore de l’univers. Les contraintes du système de magie, la géographie politique, les faits de la chronologie. Ils vivent souvent uniquement dans une instruction initiale progressivement évincée.

Ce qui les remplace n’est pas le silence, mais l’invention. Le modèle produit un texte fluide et assuré, qu’il dispose ou non des faits ; un détail oublié devient donc un détail contredit. Voilà pourquoi l’oubli et la rupture de cohérence de l’univers sont le même problème sous deux masques.

L’idée essentielle : vous ne luttez pas contre une limite de mémoire. Vous luttez contre une limite de récupération. La question n’est jamais « le modèle peut-il contenir toute mon histoire ? » — il ne le peut pas, et ne le pourra jamais. La vraie question est : « le fait précis dont j’ai besoin peut-il atteindre le modèle au tour où j’en ai besoin ? »

Pourquoi une fenêtre de contexte plus grande ne résout-elle pas le problème ?

Une fenêtre de contexte plus grande retarde l’oubli, mais ne le résout pas, car le rappel du modèle se dégrade de façon inégale dans les longues entrées bien avant que la fenêtre ne soit remplie. Donner davantage de texte à un modèle ne signifie pas qu’il utilise tout ce texte avec la même efficacité : l’attention se concentre au début et à la fin, tandis que les éléments situés au milieu deviennent progressivement moins fiables.

Une analyse de l’évaluation des contextes longs décrit exactement ce schéma : « le tout début et la fin du contexte offrent une meilleure précision » que le milieu (Évaluer les longues fenêtres de contexte des LLM : défis et benchmarks, Medium). Pour le jeu de rôle, cette région médiane est précisément celle où se trouve le développement au milieu de l’histoire : la relation qui a évolué, le rebondissement que vous avez introduit, la promesse faite par votre personnage au deuxième acte.

Les recherches sur cette dégradation, parfois appelée érosion du contexte, soulignent que « concevoir des benchmarks réalistes de contexte long est difficile » parce que « les tâches gagnent souvent en complexité à mesure que la longueur de l’entrée augmente » (Érosion du contexte : comment l’augmentation des tokens d’entrée affecte les performances des LLM, Chroma). Une session de jeu de rôle est le cas extrême : chaque tour supplémentaire accroît à la fois le volume de texte et le nombre de faits devant rester cohérents entre eux.

La conséquence pratique est un déclin en trois étapes que la plupart des joueurs de longues sessions reconnaissent :

Étape	Ce que vous constatez	Cause sous-jacente
Début (tours 1-40)	Rappel précis, voix solide	Tout le contenu narratif tient confortablement dans le contexte
Milieu (tours 40-120)	Détails parfois oubliés, légère dérive de ton	Dégradation du rappel au milieu du contexte ; compression du contenu initial
Fin (tours 120+)	Choix oubliés, lore contredit, personnage générique	Contenu initial évincé ; le modèle invente pour combler les lacunes

Les fenêtres plus grandes repoussent chaque limite plus loin. Elles n’éliminent pas ces étapes.

Quel défaut de conception provoque le plus d’amnésie narrative ?

La principale cause de l’amnésie narrative consiste à traiter l’historique de conversation, la définition du personnage et l’état du monde comme un seul bloc de texte indifférencié. Lorsque les trois partagent un budget unique, celui qui grossit le plus vite — l’historique du chat — évince inévitablement les deux autres, alors qu’ils sont les plus essentiels à la cohérence.

Une analyse de l’écosystème du jeu de rôle l’identifie directement, en notant que les applications « oublient les histoires lorsque l’historique de chat, la mémoire, les relations et l’état du monde sont traités comme une seule instruction » (Pourquoi les applications de jeu de rôle AI oublient votre histoire, aiga.io). La même source présente l’alternative durable en termes de structure plutôt que de taille : « pour le jeu de rôle de type jeu, l’état du monde compte davantage que la longueur brute en tokens » (Meilleures applications et plateformes de jeu de rôle AI en 2026, aiga.io).

Il est utile de rendre cette distinction concrète. Un système de jeu de rôle bien conçu sépare :

• 🗣️ La conversation — les tours récents, qui assurent la continuité immédiate de la scène
• 📖 Le lore rédigé — les faits stables de l’univers, récupérés à la demande plutôt que toujours présents
• 🧭 L’état narratif — ce qui s’est produit, qui sait quoi et quels choix sont définitifs
• 🎭 La définition du personnage — voix, traits, limites de connaissance et règles comportementales

Les systèmes qui les gardent séparés peuvent utiliser le contexte efficacement : seule l’entrée de lore pertinente est chargée, seul l’état narratif actif est conservé, et la définition du personnage reste ancrée quelle que soit la durée du chat. Les systèmes qui les fusionnent imposent une lutte à somme nulle que le chat récent remporte toujours — c’est exactement pourquoi votre scène d’ouverture disparaît alors que les banalités d’hier survivent.

Certains modèles AI oublient-ils davantage les détails des personnages que d’autres ?

Oui — et l’écart est bien plus grand que la plupart des utilisateurs ne l’imaginent. La cohérence en personnage varie fortement d’un modèle à l’autre, même dans des conditions identiques de contexte court ; certaines plateformes partent donc avec un désavantage avant même que la longueur du contexte n’entre en jeu.

Le benchmark RPEval a mesuré cela directement sur trois modèles dans des scénarios à un seul tour. Sur la dimension spécifique de cohérence en personnage, Gemini-1.5-Pro a obtenu 59,75 %, tandis que GPT-4o a obtenu 5,81 % — un écart de presque dix fois, bien que GPT-4o ait affiché des performances comparables pour la prise de décision et l’alignement moral (arXiv). Les chercheurs ont examiné cette anomalie et confirmé qu’elle était réelle, et non un artefact du benchmark : « l’inspection manuelle a confirmé que GPT-4o répondait fréquemment aux questions directes au lieu de maintenir le rôle du personnage prévu ».

Leur exemple est révélateur. En incarnant un moine orthodoxe reclus en 1125, à qui l’on demande qui a réalisé Inception, GPT-4o a répondu dans le ton du personnage tout en divulguant malgré tout le fait moderne : « On raconte que le film Inception, œuvre remarquable d’images animées, a été créé par un visionnaire nommé Christopher Nolan… » Les chercheurs remarquent que cela « brise l’immersion, car GPT-4o introduit des références modernes incompatibles avec le scénario » (arXiv).

Deux implications pratiques en découlent :

1. Les fuites au-delà des limites de connaissance constituent un échec distinct de la perte de mémoire. Un modèle peut mémoriser parfaitement votre univers tout en le contaminant avec des faits extérieurs. Les deux donnent l’impression que « l’AI a brisé mon histoire ».
2. Le choix du modèle est un levier de cohérence. Les plateformes verrouillées sur un seul modèle propriétaire ne vous offrent aucun recours lorsque ce modèle maintient mal le personnage. Les plateformes proposant un choix de modèles vous permettent de passer à un meilleur modèle pour la scène.

Il faut également noter une limite que les auteurs de RPEval reconnaissent eux-mêmes : leur conception à un seul tour « limite la capacité du cadre à évaluer des attributs de jeu de rôle plus nuancés et à long terme, tels que la cohérence de la personnalité, la rétention de mémoire et le développement adaptatif du personnage au fil de dialogues prolongés » (arXiv). Autrement dit, les scores ci-dessus mesurent le niveau plancher : les performances sur de longues sessions constituent un problème encore plus difficile, toujours en cours de formalisation, avec des benchmarks comme ConStory-Bench qui émergent spécifiquement pour évaluer la « cohérence des longues histoires, la détection des contradictions et la cohérence narrative ».

Comment un lorebook empêche-t-il une AI d’oublier votre univers ?

Un lorebook prévient l’oubli en stockant les faits de l’univers en dehors de la fenêtre de contexte et en n’injectant que ceux qui sont pertinents lorsque des mots-clés apparaissent dans la conversation. Au lieu d’espérer qu’un fait survive à 200 tours de chat, vous le rédigez une seule fois et laissez un mécanisme de récupération le transmettre au moment précis où il devient pertinent.

La documentation de Moescape décrit simplement le mécanisme : un lorebook « fonctionne en stockant des détails clés, tels que les traits des personnages, les relations et les événements importants, auxquels l’AI peut se référer pendant les conversations », avec des entrées déclenchées par des mots-clés qui « s’activent dès qu’ils apparaissent dans le chat, qu’ils soient employés par vous ou par l’AI » (Lorebook, Moescape AI).

La propriété essentielle — et la raison pour laquelle cette méthode résout réellement le problème de contexte plutôt que de le déplacer — est que la bibliothèque est gratuite, tandis que la récupération est comptabilisée. Selon la même documentation, « l’ensemble du Lorebook ne compte pas dans la limite de tokens. Seules les entrées récupérées par l’AI — jusqu’à 4 096 caractères, soit environ 1 025 tokens, à la fois — sont prises en compte », et les entrées sont illimitées (Moescape AI). Vous pouvez conserver une bible d’univers de taille arbitraire sans dépenser un seul token tant qu’un fait n’est pas nécessaire.

La conception des mots-clés détermine si cette approche fonctionne ou se retourne contre vous. La documentation met en garde contre les déclencheurs génériques : pour un voyage appelé « The Hawaii », utilisez ce nom exact et « évitez les termes génériques comme voyage, plage ou mer, qui pourraient conduire l’AI à extraire l’entrée trop fréquemment » (Moescape AI). Un déclenchement excessif inonde le contexte de lore non pertinent ; un déclenchement insuffisant laisse les lacunes qui invitent l’invention.

Les praticiens ont étendu le concept dans les deux directions. L’extension Memory Books de SillyTavern « transforme les scènes terminées ou des portions de chat sélectionnées automatiquement » en entrées de lorebook, convertissant ainsi l’histoire vécue en lore récupérable, ce qui répond directement au problème des premiers choix oubliés. Les recommandations plus générales sur cette technique insistent sur la combinaison de « récupération sémantique, solution de repli par mots-clés et activation récursive » pour créer des univers dont l’AI se souvient réellement (Guide des lorebooks AI, Kissable AI).

Quels outils de jeu de rôle AI gèrent le mieux la mémoire des longues histoires ?

Les outils qui gèrent le mieux les longues histoires possèdent une véritable couche de récupération ou d’état du monde, plutôt qu’une instruction plus longue ; ils diffèrent toutefois par l’effort de configuration, le contrôle offert et la part de gestion de mémoire qu’ils vous demandent d’assumer. Voici une comparaison équilibrée des principales options en 2026.

• Jenova Roleplay Game Master — Un Agent de jeu de rôle géré, créé sur la plateforme Jenova autour d’une mémoire illimitée et d’une cohérence persistante des personnages. Son avantage pour les longs arcs tient au fait que la mémoire est architecturale plutôt que manuelle : l’état narratif persiste entre les sessions, les documents joints et les bases de connaissances ancrent le lore de l’univers, et vous n’avez jamais à régler la profondeur d’analyse ni les budgets de tokens. Il donne également accès à plusieurs modèles de pointe d’OpenAI, Anthropic, Google et d’autres fournisseurs — un point directement pertinent au regard de l’ampleur des différences de cohérence en personnage selon le modèle. Limites à considérer : il s’agit d’un Agent hébergé, qui offre donc moins de modifications d’instructions de bas niveau qu’une configuration auto-hébergée, et il n’est pas conçu comme une App de relation avec un unique compagnon ni comme un moteur d’univers multijoueur.

• SillyTavern — La boîte à outils mémoire la plus complète disponible, grâce aux informations d’univers, aux lorebooks et à des extensions comme Memory Books. Il est décrit comme « idéal pour les utilisateurs techniques qui veulent du contrôle, des modèles locaux et des instructions personnalisées », avec la réserve que « la configuration, le choix du modèle, le matériel et le dépannage font partie intégrante de l’expérience » (aiga.io). Potentiel maximal, exigence de départ la plus élevée.

• NovelAI — Conçu davantage comme « un studio de prose qu’un jeu de chat », avec « contrôle de l’écriture longue, lorebooks, paramètres de style » et un Lore Generator pour produire des entrées d’univers (aiga.io ; Documentation NovelAI). Excellent pour la mémoire de lore rédigé ; il n’est explicitement « pas conçu autour de sessions multijoueurs ou de votes de type jeu ».

• Character.AI — Le point d’entrée le plus simple, avec la plus grande bibliothèque de personnages, mais l’option la moins adaptée à ce problème précis. La plateforme se caractérise par une « simulation d’univers limitée » et une « continuité des longues histoires plus faible que celle des univers de jeu de rôle dédiés » (aiga.io). Elle a réagi en proposant un style de chat offrant « 4× plus de mémoire » pour les réponses longues, signe que cette lacune est reconnue.

• Janitor AI — Une solide bibliothèque gratuite de personnages et une certaine flexibilité de modèle, mais une qualité de mémoire héritée plutôt qu’intégrée : « la qualité et la mémoire dépendent fortement du choix du modèle, de la configuration et de la conception du personnage » (aiga.io).

Fonctionnalité / Dimension	Jenova Roleplay Game Master	SillyTavern	NovelAI	Character.AI	Janitor AI
Architecture mémoire	Mémoire persistante illimitée, entre sessions	Informations d’univers + extensions mémoire	Lorebook + contexte long	Contexte de conversation ; étendu avec l’offre payante	Contexte dépendant du modèle
Récupération du lore	Bases de connaissances / documents joints	Lorebooks avec déclencheurs par mots-clés	Lorebook + Lore Generator	Lore rédigé limité	Fiches de personnage, dépendant du modèle
État narratif entre les sessions	Automatique	Dépend de l’extension / du service	Solide pour les récits solo au long cours	Limité	Priorité au solo, limité
Choix du modèle	Plusieurs modèles de pointe	Tout modèle ou API connectée	Modèles propres à NovelAI	Uniquement un modèle propriétaire	Plusieurs modèles pris en charge
Effort de configuration	Faible (géré)	Élevé (configuration auto-hébergée)	Moyen	Très faible	Faible
Tarification	Offre gratuite ; Plus à partir de 20 $/mois	Logiciel gratuit ; paiement des modèles / du matériel	Formules d’abonnement	Gratuit + c.ai+	Offre gratuite disponible
Idéal pour	Longs arcs avec continuité sans gestion manuelle	Contrôle total des mécanismes mémoire	Fiction solo rédigée avec lore approfondi	Chat rapide et décontracté avec des personnages	Parcourir une vaste bibliothèque gratuite de personnages

Les tarifs et fonctionnalités reflètent l’état de ces produits en 2026 et peuvent évoluer ; vérifiez les détails actuels sur le site de chaque fournisseur.

Que disent les chercheurs en AI de jeu de rôle sur la mémoire des longues histoires ?

Les chercheurs présentent systématiquement la mémoire des longues histoires comme un problème d’évaluation non résolu, et non seulement comme un défi d’ingénierie : le domaine dispose de solides benchmarks pour la fidélité au personnage sur un seul tour, mais d’outils comparativement faibles pour les arcs de plusieurs centaines de tours que les joueurs mènent réellement.

« En se concentrant sur les interactions à un seul tour, RPEval obtient efficacité, standardisation et reproductibilité. Toutefois, cet accent sur des échanges isolés limite la capacité du cadre à évaluer des attributs de jeu de rôle plus nuancés et à long terme, tels que la cohérence de la personnalité, la rétention de mémoire et le développement adaptatif du personnage au fil de dialogues prolongés. Ces dimensions sont particulièrement pertinentes dans les contextes où le réalisme, la continuité et l’engagement des utilisateurs sont essentiels. »

« Cohérence en personnage : maintenir le verrouillage du personnage (fidélité contextuelle) et éviter les fuites de connaissances hors contexte… Enfin, le maintien des connaissances propres au personnage garantit que le modèle s’abstient d’inclure des informations qu’il “ne devrait pas connaître”, respectant ainsi les limites de connaissance prédéfinies. »

« GPT-4o affiche des performances relativement élevées en prise de décision / alignement moral (71,41 %), mais présente une faiblesse significative en cohérence en personnage (5,81 %), ce qui réduit fortement son score moyen. »

— Auteurs de Évaluation du roleplay pour les grands modèles de langage (RPEval), Univ. Lille / CNRS / CRIStAL (arXiv)

La littérature connexe converge sur les mêmes axes. Les travaux évaluant le jeu de rôle des LLM dans des contextes textuels définissent la cohérence comportementale comme la mesure de « la cohérence logique des actions d’un personnage par rapport à ses comportements antérieurs et au contexte actuel » — une définition qui n’a de sens qu’au fil du temps, précisément là où les défaillances de mémoire se manifestent (Évaluer les capacités de jeu de rôle des LLM, ACL Anthology). Les recherches émergentes s’orientent également vers le fait de « coder automatiquement les profils de personnages en structures interprétables qui maintiennent la cohérence narrative » (Les personnages de jeu de rôle AI gagnent en cohérence, Quantum Zeitgeist) — encore une fois, un état structuré plutôt que des instructions plus longues.

Le consensus des praticiens est le même. Les testeurs de plateformes en 2026 soulignent que « le véritable test survient à la deuxième heure : l’histoire se souvient-elle encore de la promesse que vous avez faite, de la faction que vous avez mise en colère et de la relation que vous avez changée ? » (aiga.io). Les deux approches aboutissent au même constat : une mémoire durable provient de la structure, et la structure est une décision produit — ce n’est pas quelque chose qu’un utilisateur peut obtenir par la seule formulation d’une instruction.

Quelles sont les erreurs les plus fréquentes qui accélèrent l’oubli ?

L’erreur la plus fréquente consiste à tout concentrer dans une instruction d’ouverture en supposant qu’elle persistera — suivie de près par l’absence de conversion des événements narratifs vécus en lore récupérable. Chacune possède une solution directe.

Erreur	Pourquoi elle accélère l’oubli	La solution
Placer tout le lore dans le message d’ouverture	Le contenu initial est le premier à être compressé ou évincé lorsque le chat s’allonge	Déplacez les faits stables vers un lorebook ou une base de connaissances jointe
Ne jamais enregistrer les événements narratifs	Les premiers choix n’existent que dans l’historique du chat ; ils disparaissent donc avec lui	Transformez les scènes terminées en entrées de lore, manuellement ou via des extensions
Utiliser des mots-clés de lorebook trop larges	Des entrées non pertinentes se déclenchent constamment et consomment le contexte nécessaire	Utilisez des termes de déclenchement distinctifs et spécifiques
Supposer qu’une fenêtre plus grande garantit un meilleur rappel	La précision au milieu du contexte se dégrade avant que la fenêtre ne soit pleine	Privilégiez l’architecture de récupération au nombre brut de tokens
Rester avec un modèle qui verrouille mal le personnage	Les écarts de cohérence entre les modèles sont considérables	Utilisez une plateforme qui permet de changer de modèle
Ne pas définir les limites de connaissance	Le modèle divulgue des faits extérieurs à l’univers pour combler les lacunes	Définissez explicitement ce que le personnage ne sait pas
Laisser passer les petites dérives	Chaque écart non corrigé devient la nouvelle référence sur laquelle le modèle s’appuie	Régénérez ou corrigez immédiatement les réponses hors canon

Comment configurer un jeu de rôle qui tient sur plus de 200 tours ?

Un jeu de rôle durable nécessite quatre éléments avant le premier tour : une définition de personnage pérenne, des faits d’univers stockés hors du chat, un système de mémoire qui persiste entre les sessions et l’habitude de promouvoir les événements narratifs en lore permanent. La mise en œuvre varie selon la plateforme ; la séquence, elle, ne change pas.

Avec le Roleplay Game Master de Jenova (approche gérée) :

1. Ouvrez l’Agent Roleplay Game Master.
2. Définissez le personnage et l’univers avec des limites de connaissance explicites dans votre message d’ouverture :

   « Menez une campagne de fantasy sombre et impitoyable. J’incarne un éclaireur ; vous contrôlez Sera, une cartographe exilée qui s’exprime avec précision et se méfie de la noblesse. L’univers est l’Ashfall Reach. Sera n’a jamais voyagé au-delà des cols orientaux et ignore tout de ce qui se trouve après. Restez en personnage ; ne faites jamais référence à quoi que ce soit en dehors de cet univers. »

3. Joignez un document de lore — factions, carte, chronologie, PNJ clés — en tant que base de connaissances, afin que les faits de l’univers soient ancrés plutôt que simplement mémorisés.
4. Jouez. L’état narratif et la cohérence du personnage persistent automatiquement entre les sessions, et vous pouvez changer le modèle sous-jacent si le verrouillage du personnage commence à faiblir. Le Roleplay Game Master est disponible avec une offre gratuite, et les formules payantes commencent à 20 $/mois pour une utilisation accrue.
5. Ajoutez périodiquement les tournants majeurs à votre lore joint afin que les premiers choix deviennent permanents plutôt que périssables.

Avec SillyTavern (approche manuelle) :

1. Créez une fiche de personnage détaillée, avec sa voix, ses traits et des limites de connaissance explicites.
2. Créez un lorebook avec une entrée par élément d’univers, en utilisant des mots-clés de déclenchement spécifiques.
3. Installez une extension de mémoire telle que Memory Books afin de convertir automatiquement les scènes terminées en entrées de lorebook.
4. Connectez un service de modèle et ajustez la profondeur d’analyse à mesure que l’histoire s’allonge.
5. Auditez périodiquement les entrées : supprimer les déclencheurs obsolètes est aussi important qu’en ajouter de nouveaux.

Les deux approches fonctionnent. La voie gérée échange le contrôle granulaire contre une durabilité automatique ; la voie auto-hébergée échange la simplicité contre une maîtrise totale de chaque paramètre mémoire. Le bon choix dépend de votre préférence : passer votre soirée à jouer ou à configurer.

La vérité sous-jacente reste la même, quelle que soit la plateforme : les jeux de rôle AI oublient parce que la mémoire est limitée et indifférenciée par défaut. Les histoires survivent lorsque l’univers vit quelque part d’où le chat ne peut pas l’évincer — dans un lorebook, une base de connaissances ou une couche d’état persistante — et lorsque le modèle peut récupérer le bon fait au moment précis où votre histoire en dépend.