Universal Cognitive Architecture : la mémoire des organisations pourrait-elle survivre aux modèles d’IA ?

Starling Memory Works propose de déplacer le centre de gravité de l’IA d’entreprise. Au lieu de demander à un grand modèle de langage (LLM) de devenir la mémoire d’une organisation, l’entreprise veut placer les connaissances importantes dans un référentiel structuré, gouverné et lisible par plusieurs modèles.

Cette vision s’appuie sur l’Universal Cognitive Architecture (UCA), un standard ouvert publié sous licence Creative Commons, et sur Starling MX, sa première plateforme en version bêta. Le tarif annoncé commence à 99 dollars par mois pour le premier utilisateur, avec une facturation distincte de l’usage supplémentaire.

L’UCA, en termes simples

L’UCA est décrite comme un standard gratuit, ouvert et rédigé en langage naturel. Elle s’appuie sur 11 « Organizational Cognates », c’est-à-dire des domaines communs censés aider à classer de manière cohérente les informations d’une entreprise : décisions, valeurs, stratégie, opérations et autres éléments de son intelligence organisationnelle.

L’objectif est de retrouver une information grâce à un nom ou à une adresse stable, plutôt que de dépendre uniquement d’une recherche probabiliste par mots-clés. Starling compare cette logique à celle d’une bibliothèque : les ouvrages peuvent évoluer et le bibliothécaire peut changer, mais le catalogue fournit une structure durable pour retrouver la bonne ressource.

Starling appelle le système qui en résulte un Domain Language Model (DLM). Il ne s’agit pas nécessairement d’un nouveau modèle entraîné de bout en bout, mais d’un LLM généraliste et stateless — sans mémoire persistante de l’organisation — auquel on fournit, au moment de l’utilisation, le contexte structuré et gouverné de cette dernière.

Des adresses sémantiques plutôt qu’une mémoire opaque

Le cœur de l’architecture réside dans les adresses sémantiques fixes. Chaque concept organisationnel récurrent reçoit un identifiant permanent. Starling donne notamment l’exemple d’une adresse correspondant à la position concurrentielle d’une organisation. Une personne ou un système peut ainsi demander la fiche canonique associée à cette adresse, au lieu de laisser le modèle la reconstituer à partir de résultats de recherche susceptibles de varier.

Le dispositif distingue deux espaces de connaissances :

• l’Org Library, bibliothèque organisationnelle destinée aux informations officielles, versionnées et gouvernées ;
• les Resources, qui regroupent les documents de référence, les contenus de travail et les productions générées.

Le référentiel est conçu selon une logique « text first ». Les informations sont conservées en Markdown, sous forme de texte brut lisible, plutôt que dans un état interne opaque du modèle. Cela doit faciliter leur inspection par les équipes, leur versionnage, leur portabilité et leur utilisation par des logiciels comme par des humains.

Un manifeste côté machine sélectionne ensuite les éléments pertinents du référentiel et assemble le contexte transmis au modèle. La gouvernance humaine reste chargée de déterminer ce qui fait autorité et de limiter les dérives non contrôlées.

Le rôle du Model Context Protocol

Starling présente le Model Context Protocol (MCP) d’Anthropic comme la couche de connexion permettant aux modèles d’accéder à des informations externes. Dans cette logique, l’UCA définit la manière d’organiser et d’adresser ces informations, tandis que le référentiel de l’organisation en constitue la source.

La promesse est donc une forme d’interchangeabilité : si un modèle est remplacé, mis à niveau, indisponible ou écarté pour des raisons de gouvernance, l’organisation conserverait ses documents et pourrait connecter un autre modèle au même corpus.

Cette séparation cherche également à réduire la dépendance à un fournisseur. La ressource stratégique ne serait plus l’historique conversationnel ou la fonction de mémoire propriétaire d’un service d’IA, mais le dépôt contrôlé par l’organisation et la classification qui permet de l’exploiter.

Que signifie la « souveraineté » de l’IA ?

Pour Chris Kincade, PDG de Starling Memory Works, la souveraineté en matière d’IA ne consiste pas seulement à posséder des GPU, à héberger ses serveurs localement ou à choisir un fournisseur national de modèles. Elle consiste surtout à conserver le contrôle des décisions officielles, des politiques, des connaissances opérationnelles, de leur provenance et des droits d’accès : autrement dit, le « canon » à partir duquel les modèles raisonnent.

C’est le sens de la formule mise en avant par Starling : « le modèle oublie ; l’organisation se souvient ». Le modèle devient un moteur de raisonnement remplaçable, tandis que la mémoire gouvernée de l’institution reste l’actif durable.

Sur le papier, cette organisation peut aussi renforcer la résilience. Les modèles ne sont pas censés conserver durablement les connaissances de l’entreprise ; celles-ci restent dans un référentiel persistant et auditable, qui peut être réutilisé lors de nouvelles sessions ou avec d’autres systèmes.

Premiers cas d’usage et limites des preuves

Les supports de Starling citent notamment le coaching individuel, le marketing, la gestion de projets de construction et les services juridiques. Ils mentionnent également Wrks Online et son outil QuillOS, mais les éléments disponibles ne permettent pas de vérifier indépendamment la relation, l’ampleur de ces déploiements ou leurs résultats. Il serait donc prématuré d’en tirer des conclusions générales sur l’adoption ou les performances.

Starling publie par ailleurs un témoignage de Brady Patterson, de SelfOS, selon lequel le fait de donner aux connaissances « un ancrage clair » aurait réduit la perte de contexte et la dérive des données. Ce témoignage doit être considéré comme un retour de praticien, et non comme une validation indépendante de l’efficacité du produit.

Une idée crédible, mais encore à éprouver

L’UCA défend une proposition conceptuellement cohérente : conserver la mémoire organisationnelle dans des fichiers textuels portables, lui attribuer des adresses sémantiques stables et permettre à différents modèles d’y accéder via une couche comme MCP.

Mais le standard et la plateforme sont récents, et une grande partie des informations techniques et commerciales disponibles provient de Starling elle-même ou de sa couverture de lancement. Les données fournies ne suffisent pas encore à établir que cette architecture garantit, en conditions réelles, une meilleure précision, des coûts plus faibles, une sécurité supérieure ou une indépendance effective vis-à-vis des fournisseurs d’IA.

La question décisive sera donc moins de savoir si l’organisation peut conserver ses fichiers que de mesurer la qualité de la gouvernance, de la récupération du contexte et des réponses produites lorsque le système est utilisé au quotidien.