Comment fonctionne la mémoire paramétrique ?

Pendant l’entraînement, le modèle compresse de grandes quantités de textes dans ses paramètres. À la génération, il restitue ce qu’il a retenu, avec les imprécisions et la date limite de ses données. Le terme vient du vocabulaire du RAG : l’article fondateur de Lewis et al. (2020) distingue la mémoire paramétrique, dans le modèle, de la mémoire non paramétrique, dans l’index de documents.

Pourquoi la distinction compte en GEO ?

Une réponse issue de la mémoire paramétrique peut nommer ou omettre une marque sans lien ni source. Une réponse issue du grounding peut la citer avec un lien. Les leviers diffèrent : la première dépend de la présence de la marque dans les données d’entraînement, la seconde de la récupérabilité des pages.

Peut-on influencer la mémoire paramétrique ?

Indirectement et lentement : en étant mentionné de façon cohérente sur de nombreuses sources fiables avant les prochains entraînements. Il n’existe pas de levier direct, ni de contrôle sur la mise à jour. Pour la mesurer, interroger les modèles sans accès au web.

Questions fréquentes

Bloquer GPTBot retire-t-il la marque de la mémoire du modèle ?

Il empêche la collecte future par ce robot, pas l’effacement de ce qui a déjà été appris.

La mémoire paramétrique est-elle à jour ?

Non, elle s’arrête à la date limite des données d’entraînement. C’est pourquoi les moteurs ajoutent une recherche web pour l’actualité.

Un modèle peut-il halluciner sur une marque ?

Oui, surtout si la marque est peu documentée. Le grounding réduit ce risque sans l’éliminer.

Termes liés

Approfondir

• Checklist GEO et LLM / IA 2026
• Top 10 des outils GEO pour suivre votre positionnement IA
• ← Retour au glossaire GEO (114 termes)

Sources

• Lewis et al., Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks (2020)