Tu n'as pas un projet, tu en as plusieurs. Chacun a ses décisions, ses conventions, son histoire, et parfois des choix opposés : ce qui est vrai pour l'un est faux pour l'autre. Si ta mémoire IA mélange tout, ton assistant te ramène la convention du mauvais projet. Une mémoire multi-projet bien pensée règle ça par l'isolation.
Le piège : une seule mémoire pour tout
Au début, on indexe tout dans une mémoire unique. C'est simple, et ça marche tant que les projets ne se ressemblent pas. Le problème arrive quand ils se chevauchent : deux projets qui parlent d'« auth », de « cache », de « pipeline », mais avec des décisions différentes.
Le retrieval, qui cherche par sens et par termes, peut alors ramener un passage du projet B pour une question sur le projet A. La réponse est sourcée, mais sourcée du mauvais endroit. C'est une forme de bruit, et le bruit dégrade la réponse, comme on le voit dans comment ton IA retrouve le bon souvenir.
Pourquoi isoler par projet
Isoler la mémoire par projet, c'est définir un périmètre de recherche cohérent. Quand tu travailles sur le projet A, le retrieval ne cherche que dans le contexte du projet A. Les bénéfices :
- Moins de confusion. Pas de décision d'un autre projet qui s'invite.
- Plus de pertinence. Chaque passage retrouvé appartient au bon univers de conventions.
- Des réponses sûres. Ton assistant reste dans le cadre du projet courant.
C'est particulièrement vrai pour les décisions et conventions, le cœur de ce qu'un assistant doit retrouver, comme détaillé dans mémoire IA pour développeur.
Comment séparer, concrètement
La façon la plus simple d'isoler est de structurer ta connaissance par projet. Si tu utilises Obsidian, un vault par projet donne une séparation nette : le retrieval n'indexe et ne cherche que dans le vault concerné. On explique le rôle du vault comme mémoire dans ton vault Obsidian comme mémoire.
Comme tu héberges la mémoire en local avec Smart Brain, tu gardes la main sur ce qui est indexé. C'est un avantage du local face à une mémoire cloud opaque : tu décides du périmètre, projet par projet. On développe ce contrôle dans IA 100% locale.
La connaissance transverse, à part
Tout n'est pas spécifique à un projet. Tu as aussi une connaissance transverse : tes méthodes, tes patterns généraux, tes préférences. L'erreur serait de la dupliquer dans chaque projet.
Une organisation propre distingue donc le spécifique (par projet) du transverse (partagé). Selon ton besoin, tu indexes l'un, l'autre, ou les deux pour une question donnée. Le principe reste : garder chaque réponse ancrée dans le bon périmètre, sans noyer le pertinent.
Le cas des équipes
Le multi-projet rejoint la mémoire d'équipe : une équipe gère plusieurs projets, chacun avec ses ADR et conventions. Isoler par projet, tout en partageant la connaissance transverse, donne à chaque membre un assistant qui répond dans le bon cadre.
En résumé
Plus tu as de projets, plus mélanger leur contexte coûte cher en confusion. Une mémoire multi-projet isole le périmètre par projet, garde le transverse à part, et laisse ton assistant répondre avec le bon contexte. Le local te donne le contrôle de cette séparation.
Pour la mécanique du retrieval, vois la page technique ; pour brancher une mémoire sur ton projet, comment donner une mémoire à un agent IA.