Enquête sur les serveurs de mémoire Markdown locaux pour agents IA : Mem0, Hindsight, Zep et le nouveau venu Engram

Un utilisateur de Reddit a demandé un système de mémoire entièrement local pour agent, stockant les souvenirs sous forme de fichiers Markdown lisibles — pas une base de données ou un service cloud. Après avoir reçu ~20 suggestions et toutes les testées, voici le bilan de ce que chaque outil offre réellement et où se trouvent les lacunes.

Systèmes non-mémoire signalés

Plusieurs outils suggérés ne sont pas des systèmes de mémoire : ChromaDB est une base de données vectorielle ; qmd est un moteur de recherche de documents sans pipeline d'écriture ; ContextKeep fait de la compression de contexte ; LCM ne préserve que le contexte de session.

Options établies

• mem0 — leader du marché, mémoire basée sur des graphes, SDKs en plusieurs langages, échelle production. Inconvénients : utilise OpenAI par défaut, penche vers l'hébergement, stocke dans une base de données opaque.
• Hindsight — graphe de connaissances, résolution d'entités, gère les souvenirs contradictoires. Nécessite Postgres + base vectorielle, le stockage est SQL — impossible de lire les fichiers directement.
• Zep — le plus ancien, mémoire multimodale, extraction structurée. Priorité cloud, infrastructure similaire à Hindsight.
• Honcho — apprentissage continu, architecture stateful, plus orienté recherche. Licence AGPL + dépendance cloud.

Options spécifiques à OpenClaw

• memory-lancedb-pro — le plugin mémoire le plus puissant pour OpenClaw, recherche hybride, modèle de décroissance, activement maintenu. Pas un serveur autonome.
• GBrain — d'abord MCP, intégration OpenClaw correcte, inutile en dehors de l'écosystème.

Le nouveau venu le plus intéressant : mnem

mnem est un binaire unique Rust, sans dépendances Python/Ollama/externes. Décrit comme « git pour les mémoires d'agents » : branche, diff, merge, revert. Utilise GraphRAG. Performances comparables à mem0. Deux semaines d'existence — couverture de tests légère. Le stockage est constitué de nœuds de graphe indexés par contenu, pas de fichiers lisibles.

La lacune et ce qui la comble : Engram

Aucun des outils testés ne combinait entièrement local + stockage en fichiers lisibles par l'humain + déduplication intelligente + décroissance de l'importance + serveur autonome sans exigences d'infrastructure. Engram par Obsidian68 (github.com/Obsidian68/Engram) est tout nouveau (presque aucune étoile) mais coche les quatre cases :

• Souvenirs stockés sous forme de fichiers Markdown dans un dossier — ouvrables dans VS Code, modifiables, supprimables.
• API REST complète et serveur MCP.
• Déduplication intelligente à l'écriture, décroissance de l'importance pour les souvenirs plus anciens.
• Fonctionne entièrement sur Ollama — pas de clés API, pas d'appels externes, entièrement local.

Si la confidentialité et la lisibilité sont importantes pour la connaissance de votre agent, Engram est actuellement la seule solution complète.