La mémoire qui pense
pour vos agents IA
Les bases vectorielles cherchent. Engramma compose, généralise et raisonne. Offrez à vos systèmes IA la mémoire qu'ils méritent.
Le problème
Votre IA a une amnésie
Les solutions mémoire actuelles ne sont que des moteurs de recherche améliorés. Elles trouvent le vecteur le plus proche — c'est tout. Pas de composition, pas de raisonnement, pas d'adaptation.
Bases vectorielles
Trouvent le plus proche voisin. Le retournent. Terminé. Pas de fusion, pas de raisonnement.
Pipelines RAG
Récupèrent des chunks, les injectent dans un prompt. Pas de composition, pas de généralisation.
Engramma
Composition native via attention multi-tête. Généralisation douce. Raisonnement causal. Une vraie mémoire.
Fonctionnalités
Tout ce qu'un moteur de mémoire devrait être
Construit sur une architecture inspirée des neurosciences. Trois voies spécialisées travaillant ensemble.
Composition native
Fusionnez plusieurs mémoires en une réponse cohérente. L'attention multi-tête assiste différents patterns simultanément — impossible avec les bases vectorielles.
Routage intelligent
Le routeur apprend quelle voie gère quel type de requête. Rappel exact, généralisation douce ou composition — sélection automatique.
Raisonnement causal
Découvrez la structure causale de vos données. Prédisez les interventions. Bloquez les compositions confondues. Du vrai raisonnement.
Régimes de sécurité
Trois régimes opérationnels avec détection d'anomalies. Bloque automatiquement les opérations risquées sur des données hors distribution.
Interface texte
Stockez et interrogez en langage naturel — pas besoin de modèle d'embedding externe. Le tokenizer HDC intégré gère tout.
Explicabilité
Comprenez POURQUOI un résultat a été retourné. Cartes d'attention, traces de voies, décompositions de confiance et dashboards XAI.
Architecture
Trois voies. Une réponse.
Inspiré des systèmes d'apprentissage complémentaires du cerveau.
Mémoire exacte
Rappel parfait via kNN avec éviction basée sur l'importance
Mémoire énergie
Généralisation douce via dynamique de réseau de Hopfield
Attention multi-tête
Composition native — chaque tête assiste des patterns différents
One line to production
from engramma_memory import EngrammaMemory
# Local: free, open source, instant
mem = EngrammaMemory(dim=256, backend="local")
# Cloud: unlimited, persistent, intelligent
mem = EngrammaMemory(dim=256, backend="cloud", api_key="nx_live_...")
# Same API. Same code. No migration needed.
mem.store(key=embedding, value=data)
result = mem.compose([key_a, key_b]) # Native compositionComparaison
Engramma vs. le reste
| Fonctionnalité | Bases vectorielles | Engramma Local | Engramma Cloud |
|---|---|---|---|
| Rappel exact | ✓ | ✓ | ✓ |
| Composition native | — | ✓ | ✓ |
| Généralisation douce | — | ✓ | ✓ |
| Raisonnement causal | — | — | ✓ |
| Détection d'anomalies | — | — | ✓ |
| Prédiction temporelle | — | — | ✓ |
| Explicabilité (XAI) | — | — | ✓ |
| Interface texte | — | — | ✓ |
| Zéro dépendance | — | ✓ | ✓ |
Tarifs
Commencez gratuitement. Évoluez quand vous êtes prêt.
Local est open source pour toujours. Cloud débloque le plein potentiel.
Local
Open source, licence MIT
- ✓Jusqu'à 1 000 patterns
- ✓Architecture 3 voies
- ✓Composition native (poids égaux)
- ✓Latence sub-ms
- ✓Zéro dépendance (numpy)
Cloud
Tout le Local, plus :
- ✓Patterns illimités
- ✓43 capacités premium
- ✓Raisonnement causal & régimes de sécurité
- ✓Interface texte (tokenizer HDC)
- ✓XAI & explicabilité complète
- ✓Stockage par niveaux (hot/warm/cold)
- ✓Support async + SLA 99.9%
Soyez les premiers
Rejoignez la beta privée. Places limitées. Nous vous notifierons quand ce sera votre tour.
Pas de spam. Désinscription à tout moment.