Zep est une couche de mémoire pour agents construite sur un graphe de connaissances où chaque fait porte une période de validité. Le moteur de graphe s'appelle Graphiti, il est publié sous licence Apache 2.0 et peut s'utiliser seul.
L'idée qui sépare cela d'un magasin vectoriel ordinaire est singulière et vaut la peine d'être comprise, que tu finisses ou non par utiliser ce produit précis. Les faits sur les personnes changent, et un enregistrement qui ignore cela oblige un agent à choisir entre deux vérités contradictoires sans aucun indice sur celle qui est actuelle.
Le problème qu'il résout
Prends une situation simple. En mars, un utilisateur a écrit qu'il travaille dans l'entreprise A. En septembre, il a écrit qu'il avait changé d'emploi et qu'il est maintenant dans l'entreprise B.
Un magasin vectoriel contient maintenant deux phrases. Les deux ressemblent à la question « où travaille-t-il », donc les deux peuvent arriver dans le contexte, et le modèle reçoit une contradiction sans information sur l'ordre. La réponse dépend de la phrase classée plus haut dans les résultats de recherche, c'est-à-dire du hasard.
Tu peux contourner cela en ajoutant des dates aux métadonnées et en triant dessus. Cela tient tant qu'il n'y a pas plus d'une poignée de faits et qu'ils ne commencent pas à se relier entre eux, car un tri par date d'écriture ne dit rien sur la question de savoir si un fait plus récent invalide un plus ancien ou le complète.
La réponse appliquée ici est qu'une relation du graphe porte deux horodatages : le moment où elle est devenue vraie et celui où elle a cessé de l'être. Une nouvelle information sur l'emploi ne supprime pas l'ancienne, elle clôt sa période de validité. Une question sur l'état actuel renvoie une seule chose ; une question sur l'historique renvoie les deux, dans l'ordre.
Comment cela fonctionne en dessous
L'entrée est un épisode : un message de conversation, un événement système ou une observation qu'un agent a enregistrée.
Le moteur la décompose en éléments du graphe. Les entités deviennent des nœuds, les relations entre elles deviennent des arêtes, et chaque arête reçoit une période de validité et une évaluation de confiance. Au passage, il vérifie si la nouvelle information entre en conflit avec quelque chose déjà présent dans le graphe, et si c'est le cas, l'arête plus ancienne reçoit une date de clôture.
Cette décomposition a un coût. Chaque épisode exige des appels au modèle pour extraire les entités et les relations, donc écrire en mémoire n'est ni gratuit ni instantané. Avec beaucoup d'événements, il vaut la peine de le faire en dehors du chemin de réponse principal, car sinon l'utilisateur attend quelque chose qui ne le concerne pas.
La lecture, en échange, est rapide, et c'est le bon compromis. Le travail se fait une seule fois à l'écriture, et à chaque question l'agent reçoit un ensemble de faits préparés plutôt que des fragments bruts de conversation à analyser.
La recherche combine trois voies : la similarité sémantique, la correspondance textuelle et le parcours des arêtes du graphe. Cette dernière est ce qu'un magasin vectoriel ne sait pas faire. Une question sur l'équipe dans laquelle quelqu'un travaille peut se résoudre en passant de la personne à l'entreprise puis à l'équipe, même si aucune phrase de la conversation ne contenait les trois.
La fin de l'édition Community
C'est le changement à connaître, car il invalide une bonne part des guides en ligne.
Jusqu'en avril 2025, il existait une variante destinée à tourner sur ta propre infrastructure, en un seul paquet, base de données comprise. Cette variante a été retirée.
S'auto-héberger aujourd'hui signifie se rabattre sur le seul moteur de graphe et assembler le reste soi-même : une base de graphe, une couche qui appelle un modèle pour extraire les entités, une file pour traiter les épisodes en arrière-plan, la gestion des erreurs. Les bases prises en charge sont Neo4j, FalkorDB et Amazon Neptune. Un driver Kuzu est encore livré, mais le README le marque comme déprécié et en voie de suppression, car le projet Kuzu lui-même est en cours d'archivage par ses auteurs et son site ne répond plus.
La conséquence pratique est claire. Le moteur lui-même est sous licence Apache 2.0 et utilisable gratuitement, mais ce que tu obtiens est une bibliothèque et non un produit fini. La différence entre « je lance un conteneur » et « j'assemble un système à partir de quatre pièces » représente généralement quelques jours de travail plus la maintenance.
Il faut toutefois savoir que le produit lui-même n'a pas entièrement disparu de ta propre infrastructure, il est passé derrière une porte commerciale. Le fournisseur liste aujourd'hui trois variantes de déploiement : le service hébergé, le service hébergé avec des clés de chiffrement détenues de ton côté, et BYOC, c'est-à-dire une installation dans ton propre réseau virtuel. Cette troisième est celle que cherchent la plupart des gens qui posent la question de l'auto-hébergement, et elle passe par une discussion sur le plan Enterprise.
Donc si tu tombes sur un texte qui décrit l'auto-hébergement gratuit de ce produit en entier, vérifie sa date. L'approche décrite avant avril 2025 n'existe plus.
Graphiti seul
Cette variante mérite d'être envisagée, car elle est parfois une meilleure réponse que le produit entier.
Le moteur se rattache à ta propre application comme une bibliothèque Python. Tu obtiens la construction du graphe à partir d'épisodes, l'invalidation temporelle et la recherche combinée, tout en gardant le contrôle de la base de données et de l'infrastructure.
Cette voie convient aux équipes tenues de garder les données sur leur propre matériel, et à celles qui veulent comprendre ce qui se passe plutôt que d'appeler un service. Le prix est le travail d'exploitation : une base de graphe demande de la maintenance, des sauvegardes et une réponse réfléchie à ce qui se passe quand elle est indisponible.
Sache aussi que la bibliothèque appelle un modèle à chaque écriture, donc un coût en tokens existe que tu paies ou non un service. Avec de nombreux épisodes, cette facture peut dépasser le tarif de la variante hébergée, et c'est un chiffre qu'il vaut la peine de calculer avant de décider.
Deux axes de temps et à quoi sert le second
Deux choses méritent d'être séparées, car les mélanger mène à de mauvaises conclusions lors du diagnostic d'une réponse.
Le premier axe est le temps pendant lequel un fait a été vrai dans la réalité : depuis quand quelqu'un travaille dans une entreprise donnée, depuis quand un prix donné s'applique. Le second est le moment où le système l'a appris.
Ces deux axes divergent plus souvent qu'on ne le suppose. Un utilisateur peut mentionner en septembre qu'il a changé d'emploi en mars. Le fait est valable depuis mars, le système le connaît depuis septembre, et les deux moments se révèlent nécessaires. La question « que savions-nous en avril » a une autre réponse que « qu'est-ce qui était vrai en avril », et pour analyser pourquoi un agent a répondu comme il l'a fait à l'époque, c'est la première qui compte.
Il y a deux usages pratiques. Le premier est de reconstituer ce qui s'est passé quand une réclamation arrive : l'agent a mal répondu parce qu'à ce moment il ne disposait pas encore de l'information, pas parce que quelque chose est cassé. Le second est la conformité, où il faut démontrer l'état des connaissances du système à un moment donné.
Garde cependant à l'esprit que le mécanisme ne devinera pas une date de validité absente du contenu. La phrase « j'ai changé d'emploi » sans date donne un fait valable à partir du moment de l'écriture, et c'est généralement une bonne approximation. La phrase « j'ai changé d'emploi en mars » permet de fixer le bon début, à condition que le modèle extraie cette date lors de la décomposition de l'épisode.
Ce que cela signifie pour le prompt
Une couche de mémoire n'est utile que dans la mesure où elle s'insère bien dans le prompt, et c'est la partie la plus facile à négliger.
L'ensemble de faits renvoyé doit être décrit, car un modèle jeté dans une liste de phrases sans contexte les traitera comme ayant le même statut que la question de l'utilisateur. Une section avec un titre qui indique clairement que ce sont des faits connus sur la personne, et une section séparée avec la question courante, donnent des résultats nettement meilleurs que de tout coller dans un seul bloc.
La deuxième chose est le nombre de faits. Il est tentant de tout injecter de ce que la mémoire a renvoyé, mais vingt faits distraient plus le modèle qu'ils ne l'aident, surtout quand certains ne concernent pas la question. Se limiter aux quelques plus pertinents améliore généralement les réponses et réduit le coût en même temps.
La troisième concerne les faits historiques. Si tu récupères aussi ceux dont la période de validité est close, marque-les clairement comme périmés. Un modèle à qui l'on donne un fait ancien et un nouveau sans cette distinction est dans la même position qu'avec un magasin vectoriel ordinaire, c'est-à-dire que tout l'avantage de cette approche disparaît à la dernière étape.
Zep face aux alternatives
| Option | Modèle de mémoire | Auto-hébergement | À choisir quand |
|---|---|---|---|
| Zep | Graphe avec un axe du temps | Le moteur seul, ou BYOC en Enterprise | Les faits changent avec le temps |
| Mem0 | Faits avec vecteurs | Oui | Un cas plus simple, moins d'infrastructure |
| Letta | Blocs de mémoire que l'agent édite | Oui, via App Server | L'agent doit décider de ce dont il se souvient |
| Un magasin vectoriel | Fragments de texte | Oui | Recherche dans des documents plutôt que mémoire |
| Historique dans une base de données | Enregistrement complet de la conversation | Oui | Conversations courtes, pas besoin de résumer |
La dernière ligne mérite un examen honnête avant d'ajouter quoi que ce soit. Avec un assistant qui tient des conversations d'une douzaine de messages, tout l'historique tient dans le contexte du modèle et aucune couche de mémoire n'est nécessaire. Le problème commence avec des conversations qui s'étalent sur des semaines et des centaines d'utilisateurs qui ne peuvent pas tous tenir dans le contexte à la fois.
La différence entre les deux premières lignes se ramène à la question de savoir si tu as besoin de relations et de temps. Si tu retiens des préférences du genre « aime le café sans sucre », l'option plus simple suffit. Si tu dois répondre à des questions qui exigent de passer d'une entité à l'autre, ou distinguer l'état actuel de l'état historique, un graphe fait quelque chose qu'une liste de faits ne fera pas.
La troisième ligne est une autre classe de solution, et la mélanger avec les deux premières mène à de mauvaises conclusions. Là, le modèle gère lui-même la mémoire, en appelant des outils qui réécrivent ses propres blocs, donc tu n'ajoutes pas une couche à ton agent mais tu construis un agent à l'intérieur de l'environnement d'exécution de quelqu'un d'autre. Ses auteurs ont décrit en juillet 2026 le serveur Python de ce projet comme déprécié et maintenu en urgence, en déplaçant le développement vers un paquet npm, donc les tutoriels écrits avant cette date décrivent un déploiement qui n'existe plus.
Les comparaisons d'efficacité publiées sur des jeux de test favorisent l'approche par graphe, mais elles viennent des auteurs et mesurent des tâches choisies pour convenir à la méthode. Traite-les comme une indication plutôt que comme un verdict, et vérifie sur tes propres conversations.
Tarifs et ce qu'il faut calculer
Il y a une offre gratuite et plusieurs offres payantes, et les chiffres individuels sont cités différemment selon les contenus tiers, donc vérifie la grille actuelle du fournisseur avant de décider.
Plus important que le tarif est de comprendre ce qui génère le coût. Écrire un épisode exige des appels au modèle pour extraire les entités et les relations, donc la facture croît avec le nombre d'événements enregistrés plutôt qu'avec le nombre de questions. Une application qui enregistre chaque message d'une conversation coûte plusieurs fois plus qu'une qui enregistre un résumé une fois qu'un fil est clos.
C'est un levier qui vaut la peine d'être utilisé. Tout enregistrer est tentant et presque toujours inutile. Choisir quels événements arrivent en mémoire fait plus pour la facture que choisir un fournisseur.
La deuxième ligne est le stockage du graphe, qui croît avec le temps. Sache dès le départ s'il existe un moyen de supprimer les données d'un utilisateur, car selon les exigences de protection des données personnelles, une demande de suppression doit couvrir la mémoire de l'agent aussi bien que la base de données principale.
Déploiement en pratique
Quelques éléments évitent des ennuis si la couche de mémoire doit rester.
Sépare l'écriture de la réponse. L'extraction des entités d'un épisode prend du temps et n'a pas besoin d'avoir lieu avant que l'utilisateur ne reçoive une réponse. Une file ou un job en arrière-plan règle cela une fois pour toutes.
Décide de ce qui compte comme un épisode. Chaque message séparément produit un graphe plein de bruit et une facture élevée. Un résumé de fil ou un événement métier, une commande passée par exemple, produit un graphe où l'on voit quelque chose.
Ne mets pas en mémoire tout ce qu'un utilisateur a écrit. Les données sensibles enregistrées dans le graphe y restent et reviennent dans le contexte lors des conversations suivantes, donc un filtre avant l'écriture coûte moins cher que le nettoyage après coup.
Vérifie ce qui arrive réellement dans le prompt. Une couche de mémoire renvoie un ensemble de faits, et la qualité des réponses dépend de la question de savoir si ce sont les bons faits. Sans visibilité sur ce qui a été récupéré, diagnostiquer de mauvaises réponses relève de la devinette, donc branche tôt un outil de traçage, Arize Phoenix par exemple.
Le dernier point est le comportement sur une mémoire vide. Un nouvel utilisateur n'a pas d'historique, et un agent construit en supposant que quelque chose existe se comporte bizarrement lors d'une première conversation. Ce cas mérite d'être testé séparément.
Erreurs fréquentes
La première est de se fier à des guides antérieurs à avril 2025 pour l'auto-hébergement. La variante en un seul paquet qu'ils décrivent n'existe plus.
La deuxième est d'enregistrer chaque message comme un épisode séparé. La facture croît linéairement et le graphe se remplit de faits sans conséquence.
La troisième est d'effectuer l'écriture sur le chemin de réponse. L'utilisateur attend alors un traitement qui ne le concerne pas.
La quatrième est de traiter la mémoire comme de la recherche dans des documents. Ce sont deux choses différentes : la mémoire contient des faits sur la personne avec qui tu parles, la recherche trouve des fragments dans une base de connaissances, et les mélanger produit un contexte où le modèle perd l'une dans l'autre.
La cinquième est de ne disposer d'aucun moyen de supprimer les données d'un utilisateur. Une demande de suppression doit couvrir le graphe, pas seulement la base de données principale.
La sixième est de se fier à des résultats publiés sans vérifier sur tes propres conversations. Les jeux de test mesurent des tâches choisies pour convenir à la méthode, et tes conversations ont un autre aspect.
FAQ
En quoi Zep diffère-t-il d'un magasin vectoriel ordinaire ?
Par son modèle de données. Un magasin vectoriel contient des fragments de texte et renvoie ceux qui ressemblent à la question, donc deux faits contradictoires reviennent ensemble sans indice sur celui qui est actuel. Ici, un fait est une arête du graphe avec une période de validité, donc une question sur l'état actuel renvoie une seule réponse.
Zep peut-il tourner sur ma propre infrastructure ?
Pas comme un paquet gratuit. La variante communautaire a été retirée en avril 2025, donc gratuitement aujourd'hui, cela signifie utiliser le seul moteur Graphiti avec ta propre base de graphe, Neo4j, FalkorDB ou Amazon Neptune par exemple. Une voie payante existe séparément : dans le plan Enterprise, le fournisseur liste une variante BYOC, le service monté dans ton propre réseau virtuel, à côté de la version hébergée et de celle qui utilise tes propres clés de chiffrement.
Qu'est-ce que Graphiti ?
Le moteur de graphe de connaissances temporel sous ce produit, disponible séparément sous licence Apache 2.0. Il construit un graphe à partir d'épisodes, clôt la période de validité des faits remplacés par des plus récents, et prend en charge une recherche qui combine similarité sémantique et parcours des arêtes.
En quoi diffère-t-il de Mem0 ?
Par la richesse du modèle de données. Mem0 contient des faits et les récupère par similarité, ce qui suffit pour les préférences des utilisateurs. L'approche par graphe ajoute des relations et du temps, donc elle gère des questions qui exigent de passer d'une entité à l'autre et de distinguer l'état actuel de l'état historique, au prix d'une complexité accrue.
Combien cela coûte-t-il ?
Il y a une offre gratuite et des offres payantes, et les chiffres valent d'être vérifiés dans la grille actuelle, car les sources tierces diffèrent. Plus important, le coût croît avec le nombre d'épisodes enregistrés plutôt qu'avec les questions posées, donc choisir ce qui arrive en mémoire influence la facture plus que choisir un fournisseur.
La documentation se trouve sur le site du produit, et le code du moteur dans le dépôt Graphiti.