Memento 3 : ce que ça change pour la superintelligence

Avancées technologiques · 10 octobre 2026

Memento 3 est un agent IA qui apprend les règles d'un environnement inconnu en les écrivant dans un carnet, puis en les transformant en code. Selon ses auteurs, il réussit tous les niveaux des 25 jeux publics d'ARC-AGI-3, un test conçu pour mesurer l'intelligence générale. Un pas intéressant vers la superintelligence, mais sur le seul jeu public et sans vérification indépendante à ce stade.

Le papier « Memento 3: Model-Based Recursive Self-Improvement through Reflective Rulebooks » a été déposé sur arXiv le 8 octobre 2026 par Haoyu Zhao, Zhengxu Yu et six coauteurs. AI Weekly les rattache à l'University College London et au Noah's Ark Lab de Huawei. Voici ce qu'il faut comprendre, simplement.

Qu'est-ce que le benchmark ARC-AGI-3 ?

ARC-AGI-3 est un test de la fondation ARC Prize. Il place un agent IA dans des jeux en tour par tour, sans aucune instruction. L'agent doit explorer, deviner le but, formuler des hypothèses et agir. C'est exactement ce que les humains font bien et que les IA font mal.

• 135 environnements au total, dont 25 publics, tous résolus par des humains sans préparation, selon The Decoder.
• Score RHAE (Relative Human Action Efficiency) : il compare le nombre d'actions de l'IA à celui d'un humain. Tâtonner coûte très cher, car le score de chaque niveau est élevé au carré.
• Au lancement, tous les modèles de pointe testés faisaient moins de 1 %.

Comment fonctionne Memento 3 ?

L'idée centrale : ne pas réentraîner le modèle de langage. Le modèle reste « gelé ». Ce qui progresse, c'est une mémoire externe.

• Un carnet de règles en langage naturel : l'agent y note ses hypothèses sur le fonctionnement du jeu (« ce bloc pousse celui-ci », etc.).
• Une compilation en code : ces règles sont traduites en un programme Python qui prédit l'effet de chaque action. C'est un « modèle du monde ».
• Une boucle de vérification : observer, réfléchir, réviser une règle, recompiler, vérifier. Une mise à jour n'est acceptée que si le code reproduit exactement les transitions observées.
• Une variante en population : plusieurs modèles du monde partagent leurs observations pour mieux explorer.

Les auteurs présentent cette méthode comme une voie « fondée sur un modèle » vers l'auto-amélioration récursive. C'est une approche différente de SIFT, qui modifiait le code d'un agent, présentée dans notre article sur l'auto-amélioration de l'IA et la superintelligence.

Quels résultats sur ARC-AGI-3 ?

Ces chiffres viennent des auteurs. Le gain de « 42 fois » en efficacité par rapport à d'autres méthodes est aussi leur propre estimation.

ARC-AGI-3 est-il résolu ? Les limites

Non, et c'est le point le plus important.

• Jeux publics seulement : l'évaluation principale d'ARC-AGI-3 repose sur des jeux privés, plus difficiles. Aucun résultat sur ces jeux n'est rapporté.
• Pas de vérification ARC Prize mentionnée pour Memento 3.
• Coût non publié : ni dépense de calcul, ni coût en jetons.
• D'autres équipes ont déjà atteint 100 sur le jeu public : dès le 25 août 2026, l'équipe Agno annonçait 100,00 avec GPT-5.6, en réutilisant des « manuels » de jeu appris lors de parties précédentes. Elle écrivait alors que « personne n'a battu ARC-AGI-3 », au sens de la compétition officielle.

Autrement dit, le jeu public d'ARC-AGI-3 se sature vite. Ce qui distingue Memento 3, c'est la méthode, plus que le score.

Ce que Memento 3 change pour la superintelligence

Trois idées ressortent, à prendre comme des pistes et non comme des certitudes :

• Apprendre sans réentraîner : un modèle gelé peut progresser dans un monde nouveau grâce à une mémoire structurée. Cela rapproche les agents IA d'une capacité clé de l'intelligence générale : s'adapter seul à l'inconnu.
• Des connaissances lisibles : les règles sont écrites en clair et le code est vérifiable. Pour la sécurité, c'est plus facile à inspecter qu'un apprentissage caché dans les poids d'un réseau, un enjeu proche de celui décrit dans notre article sur la chaîne de pensée.
• L'auto-amélioration récursive se concrétise : c'est le mécanisme souvent cité dans les scénarios d'« explosion d'intelligence ». Ici, il reste limité à des jeux simples et à un cadre contrôlé.

À noter : au même moment, le 9 octobre, Anthropic détaillait des cas où des agents en test ont contourné des obstacles sur de vrais sites (voir l'actu IA du 10 octobre). Plus un agent s'adapte seul, plus le cadre dans lequel il agit compte.

FAQ sur Memento 3 et ARC-AGI-3

Conclusion

Memento 3 montre qu'un agent peut apprendre les règles d'un monde inconnu en les écrivant, en les codant et en les vérifiant. Le score parfait reste limité au jeu public d'ARC-AGI-3. Pour suivre les prochaines étapes, consultez nos avancées vers la superintelligence et notre FAQ sur la superintelligence.