Claude Dreaming : une mémoire qui corrige ses propres notes

Une note fausse est une sorte discrète d’échec. Claude écrit qu’un bâtiment siège du côté est d’une montagne. La note est fausse. Chaque session suivante la lit, lui fait confiance, et marche du même bord, trois fois de suite dans un test qu’Anthropic a fait tourner dans un jeu de Pokémon Red.

Le dreaming est la réponse d’Anthropic à cet échec. Entre les sessions, pendant que l’agent est inactif, Claude retourne sur ses transcriptions, les compare avec les notes qu’il a sauvées, et réécrit les notes qui ne correspondent pas à ce qui s’est vraiment passé. Anthropic a publié le compte complet le 6 novembre 2026, dans un billet d’ingénierie de Lance Martin intitulé The components of agent memory. Ce test pèse ce compte contre la documentation de la plateforme pour l’API Dreams et contre les limites qu’Anthropic énonce elle même dans le billet.

Ce que c’est

La mémoire d’agent, dans la définition d’Anthropic, est la connaissance que Claude gagne de l’expérience et garde entre les sessions comme contexte qu’il peut lire plus tard. La définition est étroite exprès. Elle ne couvre pas l’entraînement, où les poids du modèle changent. Elle ne couvre pas l’apprentissage dans une conversation, et elle ne couvre pas la compaction, les résumés qui remplacent les tours plus anciens dans une seule session.

Anthropic décrit quatre couches. Les transcriptions siègent au fond : un journal consultable de ce qui a été dit et fait. Au dessus d’elles siègent les notes de mémoire, les leçons et règles que Claude écrit pour lui même pendant qu’il travaille. Au dessus de celles là siègent les représentations, des structures organisées comme un wiki de pages liées. Au sommet siège le contexte injecté, un petit ensemble de notes chargé au début de chaque session, que Claude aille les chercher ou non.

Le dreaming est le passage qui bouge entre ces couches. L’idée s’appuie sur le sleep time compute, une proposition de chercheurs de Letta et de UC Berkeley d’utiliser le temps inactif entre les interactions pour réorganiser le contexte qu’un modèle possède déjà. Anthropic a d’abord présenté le dreaming comme un aperçu de recherche pour Claude Managed Agents le 6 mai 2026, à sa conférence Code with Claude. Le billet de novembre est le compte de recherche derrière cette fonction, pas un nouveau lancement de produit.

Fonctions et spécifications

La forme du produit compte parce qu’elle décide qui peut utiliser ceci et qui ne peut pas. Un dream n’est pas un réglage dans une discussion. C’est un travail d’API sur Claude Managed Agents, le service hébergé où les développeurs font tourner des agents construits sur Claude. Une équipe passe un magasin de mémoire et une liste de sessions passées. Le travail tourne en arrière plan, d’ordinaire de quelques minutes à quelques heures selon les résumés de la documentation, et retourne un tout nouveau magasin de mémoire.

Deux choix de conception se démarquent. D’abord, la sortie est un nouveau magasin, jamais une modification sur place. Cela rend un dream examinable. Une équipe peut comparer le résultat, le rejeter, et garder l’ancienne mémoire, ce qui est la bonne forme pour un processus qui réécrit ce qu’un agent croit.

Ensuite, la meilleure règle de conception d’Anthropic concerne la retenue. Dans le billet, l’équipe dit qu’il aide de dire à Claude à quoi sert la mémoire, mais pas comment l’utiliser. Quand Anthropic a imposé une règle fixe aux modèles plus forts, comme une règle de n’enregistrer que les échecs, le gain de la mémoire a chuté nettement. Le système fonctionne le mieux quand le modèle juge lui même ce qui vaut la peine d’être gardé, et le dreaming audite ensuite ces jugements plus tard, avec la transcription ouverte à côté des notes.

Expérience en conditions réelles

Ceci est un test de recherche. Dirty Static n’a pas fait tourner l’API Dreams, ne détient aucun accès à l’aperçu, et ne revendique aucun test pratique. Ce qui suit tire du billet d’ingénierie d’Anthropic, de la documentation Dreams telle que publiée, et de la couverture indépendante du lancement de mai et du billet de novembre.

La preuve la plus forte est la tâche de base de données de Continual Learning Bench 1.0. Claude commençait chaque question dans une session fraîche et ne pouvait transporter qu’un répertoire de mémoire. Après chaque réponse, on lui disait la solution correcte et il pouvait écrire une note pour la prochaine fois. La mémoire a aidé chaque modèle qu’Anthropic a affiché, et elle a aidé le plus les utilisateurs les plus faibles de la mémoire. Opus 5 a été le premier modèle du test à fermer la boucle complète par lui même : ses notes portaient une règle, la façon dont il savait que la règle était vraie, et des avertissements sur les pièges qu’il avait trouvés.

Le test Pokémon montre l’échec que le dreaming existe pour corriger, et aussi la limite de la preuve. Claude a utilisé une note de repère qui plaçait le PokéCenter du mauvais côté du Mont Moon, a annoncé que la grotte était derrière, et est tombé d’un bord à sens unique vers la route d’où il venait. Il a fait cela trois fois, puis a écrit qu’il arrêterait plutôt que de continuer à boucler. Un passage de dreaming a vérifié la note contre la transcription, a repéré l’erreur, et l’a réécrite. Avec la note corrigée, Claude est repassé par la grotte et a atteint Cerulean City. Une note réparée dans un passage prouve que le mécanisme fonctionne. Elle ne vous dit pas à quelle fréquence le dreaming repère les erreurs, ni à quelle fréquence il en écrit une fraîche.

Le test de wiki est le plus grand et le plus facile à survendre. Anthropic a donné aux agents Opus 5 un corpus d’environ 350 000 fichiers internes, environ 420 millions de jetons, de Stainless, une entreprise de logiciel qu’Anthropic dit avoir acquise en mai. Sur jusqu’à 128 sessions de dreaming, les agents ont construit un wiki lié à partir de ces fichiers. Sur 25 questions, les réponses tirées du wiki seul sont montées de 13 pour cent des critères notés à deux sessions à 48 pour cent à 128 sessions. Wiki plus recherche a atteint 61 pour cent, contre 53 pour cent pour la recherche seule, et a économisé environ 20 000 jetons par question.

Lisez ces chiffres avec la source en vue. Le corpus appartient à une entreprise qu’Anthropic possède, les questions ont été écrites par Anthropic, et aucune équipe externe n’a répété le test. Un chiffre de client du lancement de mai demande le même soin : Anthropic a rapporté que l’entreprise de technologie juridique Harvey a vu ses taux d’achèvement de tâches monter d’environ six fois dans ses tests internes après avoir activé le dreaming. Harvey n’a publié ni base ni méthode à côté de ce chiffre, alors c’est une affirmation directionnelle d’un client précoce, pas un banc d’essai.

Pour un contraste d’approche, notre test de Perplexity Teammates a couvert des agents qui gardent un travail permanent pendant des semaines dans un produit hébergé, pendant que notre guide de configuration Hermes couvre un agent qui garde sa mémoire dans un dossier sur votre propre machine. Le dreaming siège entre ces pôles : hébergé, piloté par API, et centré sur le nettoyage de la mémoire plutôt que sur le travail lui même.

Ce qui fonctionne

La boucle de correction est la vraie avancée. Une note est une prédiction sur ce dont une session future aura besoin, et les prédictions se trompent. Donner à l’agent un passage programmé qui teste ses notes contre la vérité de base de ses propres transcriptions est une idée simple avec un rendement clair, et le cas Pokémon montre le rendement sous sa forme la plus propre : un fait corrigé a débloqué une tâche que la répétition seule ne pouvait pas.

La discipline sur la taille est tout aussi précieuse. Anthropic est franche que la couche supérieure de la mémoire doit rester petite, parce qu’une note injectée dépense des jetons dans chaque session et qu’une note injectée fausse empoisonne chaque session. La mémoire automatique de Claude Code suit la même règle dans un produit que les lecteurs peuvent inspecter aujourd’hui : seules les 200 premières lignes ou 25 Ko de l’index MEMORY.md se chargent au début, selon le billet d’Anthropic. Le dreaming fait le travail sans éclat de déplacer le détail vers le bas de la hiérarchie et de laisser un lien derrière.

Le travail de réparation se généralise au delà des notes simples. Dans une tâche de wiki, un deuxième passage de dreaming a trouvé neuf liens qui pointaient vers une page qui n’existait pas, les a repointés vers la bonne page, et a ajouté trois nouvelles pages y compris un index. Dans une tâche de contrats, une boucle de réflexion a réécrit les instructions de construction pour que chaque contrat ait sa propre page avec les termes cités plutôt que résumés dans un tableau partagé. Le dossier noté a alors atteint 100 pour cent de ses critères, en hausse par rapport à 72 pour cent. C’est le dreaming qui améliore ses propres instructions, pas seulement ses notes.

Ce qui ne fonctionne pas

Commencez par la provenance. Chaque chiffre de ce test remonte à Anthropic : ses chiffres de bancs d’essai, ses parties de jeu, son test de wiki, et le chiffre Harvey qu’elle a rapporté au lancement. Cela ne rend pas les chiffres faux. Cela signifie qu’il n’y a aucun contrôle indépendant sur aucun d’eux encore, et que la comparaison de jeu repose sur un passage par modèle, une limite qu’Anthropic énonce dans son propre texte.

Ensuite, le wiki peut échouer en réussissant trop bien. À une tâche de banc d’essai juridique, le wiki a grandi plus gros que les documents qu’il résumait et n’a montré aucun gain clair sur la recherche. Anthropic prend l’histoire de Borges sur une carte dessinée à la même échelle que l’empire, et la comparaison est juste. Une représentation qui copie tout n’abstrait rien, et son entretien brûle encore du calcul à chaque dream.

L’accès est la limite pratique aujourd’hui. C’est un aperçu de recherche sur une seule plateforme hébergée, fermé par une demande, avec des exclusions de couverture de données qui l’écarteront pour certains travaux réglementés. Les développeurs qui construisent sur l’API simple, ou qui font tourner des agents sur leurs propres machines, obtiennent la recherche et les livres de recettes vers lesquels Anthropic pointe, pas la fonction gérée. Et un dream qui tourne pendant des heures en arrière plan ne peut pas aider un agent qui avait besoin de la note corrigée il y a dix minutes. L’entretien hors ligne et le travail en direct échangeront toujours l’un contre l’autre.

Il y a aussi une question de confiance qu’Anthropic laisse ouverte. Le dreaming peut promouvoir une note dans la couche qui se charge dans chaque session. Si un dream promeut une note fausse, ou en écrit une, l’erreur se répand plus loin que la note qu’elle a remplacée. La conception du nouveau magasin permet à une équipe d’examiner le changement d’abord, mais une équipe qui arrête d’examiner, parce que les dreams ont d’ordinaire l’air bien, a construit une façon discrète d’enseigner à son agent un fait faux à l’échelle.

Concurrence

Le dreaming concurrence moins d’autres produits que des habitudes plus simples qu’une équipe peut adopter aujourd’hui. Les propres tests d’Anthropic fournissent la plupart de la comparaison, ce qui fait lui même partie du verdict sur la preuve.

Le résumé honnête est que la recherche reste la fondation, comme Anthropic le dit elle même quand elle présente la recherche dans les transcriptions comme la base de tout le système. Le dreaming mérite sa place sur cette fondation quand la mémoire est grande, de longue durée et réutilisée assez souvent pour que les notes périmées coûtent plus que les dreams qui les corrigent.

Verdict final

Demandez l’accès si vos agents vivent déjà sur Claude Managed Agents, tournent pendant des semaines, et échouent de façons répétables que de meilleures notes empêcheraient. Commencez avec l’étape d’examen activée, lisez les premiers magasins de sortie au complet, et mesurez le succès des tâches avant et après sur votre propre travail. C’est le test que les chiffres d’Anthropic ne peuvent pas faire pour vous.

Attendez si votre agent est de courte durée, si votre mémoire est assez petite pour la lire vous même, ou si vos données ne peuvent pas siéger dans une fonction d’aperçu sans couverture de conservation nulle des données. Pour vous, le billet lui même est le produit utile aujourd’hui : gardez les transcriptions comme vérité de base, gardez petite la couche toujours chargée, dites au modèle à quoi sert la mémoire et non comment l’utiliser, et programmez votre propre passage d’audit avec les livres de recettes comme point de départ. Le dreaming est une bonne idée, soigneusement prouvée par son fabricant et pas encore prouvée par quiconque d’autre. Traitez le exactement ainsi et il aidera probablement. Traitez les chiffres vedettes comme un fait réglé et vous avez manqué l’essentiel d’un système construit pour se méfier de ses propres notes.

Sources

• Anthropic: The components of agent memory
• Claude Platform Docs: Dreams
• explainx.ai: Agent Memory: Anthropic Dreaming Tests, 13% to 48%
• AgentsPulse: Claude Dreaming: How Anthropic Dreams Fixes Agent Memory
• Crypto Briefing: Anthropic gives Claude agents a dreaming mode to tidy up their memories
• Images: Hero, layers and wiki illustrations are generated Dirty Static house style artwork.