Second cerveau pour Claude et Cursor : une mémoire persistante avec MCP

ai-assistants

Chaque session avec un assistant de code IA repart de zéro. Les contraintes expliquées hier, la décision prise ensemble la semaine dernière, le contexte rassemblé avec soin : tout disparaît à la fin de la conversation. Pire, ce que vous avez dit à Claude n’arrive jamais jusqu’à Cursor, et ce que Cursor a appris n’arrive jamais jusqu’à ChatGPT. Chaque outil garde sa propre vue partielle, et rien n’en reste.

Le Model Context Protocol (MCP) règle cela proprement : chaque assistant reçoit un accès en lecture et en écriture au même stockage externe. Cet article explique le principe et sa mise en place, avec un coffre de notes comme mémoire.

Pourquoi les assistants oublient

Par conception, les grands modèles de langage n’ont aucune mémoire d’une session à l’autre : chaque conversation ouvre une nouvelle fenêtre de contexte. Les éditeurs greffent des fonctions de mémoire sur chacun de leurs produits, mais ce sont des silos : liés à un seul outil, opaques pour vous et invisibles pour tous les autres assistants que vous utilisez.

Si vous travaillez avec plusieurs outils d’IA — Claude Code dans le terminal, Cursor dans l’éditeur, un assistant de chat pour la recherche —, vous vous répétez sans cesse, et le sous-produit le plus précieux de ces sessions (décisions, découvertes, notes de travail) s’évapore.

Le principe : une mémoire externe via MCP

MCP est un protocole ouvert par lequel les clients IA appellent des outils exposés par un serveur : cherche ceci, récupère cela, crée ceci. Claude Code, Claude Desktop, Cursor, Windsurf et un nombre croissant d’autres clients le prennent en charge.

Le principe de la mémoire est simple : vos notes sont exposées par un serveur MCP, chaque assistant s’y connecte, et le coffre devient une mémoire partagée.

  • En écriture : « Crée une note intitulée Daily Standup avec mes blocages du jour. » L’assistant appelle l’outil de création du serveur ; la note existe désormais en dehors de la conversation.

  • En lecture : « Trouve toutes mes notes étiquetées research et résume les 3 principales. » L’assistant cherche dans le coffre et travaille à partir de ce qu’il trouve.

Comme le stockage est externe, trois choses viennent d’elles-mêmes. La mémoire persiste : la session de la semaine prochaine retrouve les décisions de cette semaine. La mémoire est partagée : Claude et Cursor lisent les mêmes notes, donc le contexte établi dans un outil est disponible dans tous. Et la mémoire est à vous : c’est un coffre de notes que vous ouvrez, lisez, modifiez et élaguez, pas un bloc opaque enfermé dans le produit de quelqu’un d’autre.

C’est cette dernière propriété qui compte. Une mémoire que vous ne pouvez pas inspecter accumule un contexte périmé ou faux que vous ne pouvez pas corriger. Une mémoire faite de simples notes se relit et se corrige comme vos autres notes.

Mise en place avec Notez

Notez expose ses espaces de travail via MCP : tout client compatible MCP cherche dans vos notes et les modifie en langage naturel. La mise en place :

  1. Créez ou choisissez un espace de travail dans Notez qui servira de mémoire. Un espace dédié sépare les notes écrites par l’IA de vos notes personnelles, même si, dans bien des façons de travailler, partager un seul coffre est justement le but.

  2. Générez une clé MCP pour cet espace depuis la section des intégrations de l’application web. Chaque clé est limitée à un seul espace de travail et révocable à tout moment.

  3. Branchez-y vos clients : la page des intégrations fournit une configuration prête à coller pour Claude Code, Cursor et Windsurf ; tout autre client compatible MCP fonctionne de la même façon. Claude (web, ordinateur et mobile), ChatGPT et VS Code se passent de clé : vous les reliez en vous connectant à votre compte, depuis la même page. (L’article sur le serveur MCP de Notez détaille la configuration client par client.)

Dès lors, un assistant muni de la clé dispose de 31 outils : il cherche et lit les notes, les crée et les modifie, les étiquette, les déplace d’une colonne du tableau à l’autre, les envoie à la corbeille et les restaure. Vous parlez en langage courant ; l’assistant traduit en appels d’outils. Un choix de conception à connaître : avant qu’un assistant modifie le texte d’une note, Notez enregistre la version remplacée. L’Historique des versions la garde 30 jours, et une note supprimée par un assistant attend dans la corbeille pendant les mêmes 30 jours.

Ce qu’il faut vraiment y stocker

Une mémoire partagée fonctionne mieux quand vous choisissez délibérément ce qui y entre. Les catégories qui méritent leur place :

  • Les décisions et leurs raisons. « On a choisi la pagination par curseur plutôt que par offset à cause de la taille de la table » vous évite de rouvrir le débat à chaque nouvelle session.

  • Les conventions du projet. Règles de nommage, particularités du déploiement, la commande de test qui marche vraiment : tout ce que vous réexpliquez aujourd’hui à chaque nouvelle conversation.

  • Les résultats des sessions de recherche. Quand un assistant résume dix sources, demandez-lui d’écrire le résumé dans une note ; la session suivante part du résumé et non des dix sources.

  • Les questions ouvertes et les blocages. Demandez à l’assistant de les noter à la fin de chaque session, et clôturez-les vous-même à mesure qu’ils se règlent.

À laisser de côté : les secrets et les identifiants (la mémoire sert au contexte, pas à la configuration) et les transcriptions brutes. Stockez des conclusions, pas des conversations.

La recherche est l’autre moitié

Une mémoire qui ne fait qu’accumuler devient un fourre-tout. Pour qu’elle reste utile, il faut deux choses.

D’abord, la recherche par le sens. Notez indexe les notes avec des embeddings : un assistant qui demande « les notes sur l’approche du cache » trouve la bonne note même si les mots ne correspondent pas exactement. C’est pareil pour vous : la fonction Interroger vos notes répond aux questions sur tout ce que contient le coffre, en citant ses sources.

Ensuite, le tri humain. Comme la mémoire est faite de notes ordinaires, vous lisez ce que vos assistants ont écrit, corrigez ce qui est faux, supprimez ce qui est périmé et étiquetez ce qui compte. Parcourez de temps en temps les notes écrites par l’IA, gardez celles qui dureront et élaguez le reste. Dix minutes par semaine suffisent pour que la mémoire reste fiable.

L’effet cumulatif

La première semaine, cela ressemble à un simple confort : vous vous répétez moins. L’effet cumulatif vient au fil des mois : un coffre où vos propres notes et celles de vos assistants s’accumulent côte à côte devient un historique interrogeable de la façon dont vos projets ont réellement évolué. Vous demandez « qu’avons-nous décidé pour le pipeline d’import ? » et obtenez une réponse avec ses sources, quel que soit l’outil — ou la personne — qui a pris la note.

Les assistants vont continuer à s’améliorer, mais ils continueront à commencer chaque conversation de zéro. La mémoire qui dure, c’est celle que vous gardez en dehors d’eux.

À lire aussi