---
read_when:
    - Vous souhaitez comprendre le backend de mémoire par défaut
    - Vous souhaitez configurer des fournisseurs de plongements vectoriels ou la recherche hybride
summary: Le backend de mémoire par défaut basé sur SQLite, avec recherche par mots-clés, vectorielle et hybride
title: Moteur de mémoire intégré
x-i18n:
    generated_at: "2026-05-03T21:29:52Z"
    model: gpt-5.5
    provider: openai
    source_hash: 72f5d1fee02bff0962bd012575b62846c1f11c030fd1174fdb2af1e81909f52a
    source_path: concepts/memory-builtin.md
    workflow: 16
---

Le moteur intégré est le backend de mémoire par défaut. Il stocke votre index de mémoire dans
une base de données SQLite propre à chaque agent et ne nécessite aucune dépendance supplémentaire pour démarrer.

## Ce qu’il fournit

- **Recherche par mots-clés** via l’indexation de texte intégral FTS5 (score BM25).
- **Recherche vectorielle** via les embeddings de n’importe quel fournisseur pris en charge.
- **Recherche hybride** qui combine les deux pour de meilleurs résultats.
- **Prise en charge CJK** via la tokenisation en trigrammes pour le chinois, le japonais et le coréen.
- **Accélération sqlite-vec** pour les requêtes vectorielles dans la base de données (facultatif).

## Premiers pas

Si vous avez une clé API pour OpenAI, Gemini, Voyage, Mistral ou DeepInfra, le moteur intégré
la détecte automatiquement et active la recherche vectorielle. Aucune configuration n’est nécessaire.

Pour définir explicitement un fournisseur :

```json5
{
  agents: {
    defaults: {
      memorySearch: {
        provider: "openai",
      },
    },
  },
}
```

Sans fournisseur d’embeddings, seule la recherche par mots-clés est disponible.

Pour forcer le fournisseur local intégré d’embeddings, installez le paquet d’exécution facultatif
`node-llama-cpp` à côté d’OpenClaw, puis faites pointer `local.modelPath`
vers un fichier GGUF :

```json5
{
  agents: {
    defaults: {
      memorySearch: {
        provider: "local",
        fallback: "none",
        local: {
          modelPath: "~/.node-llama-cpp/models/embeddinggemma-300m-qat-Q8_0.gguf",
        },
      },
    },
  },
}
```

## Fournisseurs d’embeddings pris en charge

| Fournisseur | ID          | Détecté automatiquement | Notes                                     |
| ----------- | ----------- | ----------------------- | ----------------------------------------- |
| OpenAI      | `openai`    | Oui                     | Par défaut : `text-embedding-3-small`     |
| Gemini      | `gemini`    | Oui                     | Prend en charge le multimodal (image + audio) |
| Voyage      | `voyage`    | Oui                     |                                           |
| Mistral     | `mistral`   | Oui                     |                                           |
| DeepInfra   | `deepinfra` | Oui                     | Par défaut : `BAAI/bge-m3`                |
| Ollama      | `ollama`    | Non                     | Local, à définir explicitement            |
| Local       | `local`     | Oui (en premier)        | Runtime facultatif `node-llama-cpp`       |

La détection automatique choisit le premier fournisseur dont la clé API peut être résolue, dans
l’ordre indiqué. Définissez `memorySearch.provider` pour remplacer ce choix.

## Fonctionnement de l’indexation

OpenClaw indexe `MEMORY.md` et `memory/*.md` en fragments (~400 tokens avec un
chevauchement de 80 tokens) et les stocke dans une base de données SQLite propre à chaque agent.

- **Emplacement de l’index :** `~/.openclaw/memory/<agentId>.sqlite`
- **Maintenance du stockage :** les fichiers auxiliaires WAL de SQLite sont limités avec des checkpoints périodiques et
  à l’arrêt.
- **Surveillance des fichiers :** les modifications des fichiers de mémoire déclenchent une réindexation avec debounce (1,5 s).
- **Réindexation automatique :** lorsque le fournisseur d’embeddings, le modèle ou la configuration de fragmentation
  change, l’index entier est automatiquement reconstruit.
- **Réindexation à la demande :** `openclaw memory index --force`

<Info>
Vous pouvez aussi indexer des fichiers Markdown hors de l’espace de travail avec
`memorySearch.extraPaths`. Consultez la
[référence de configuration](/fr/reference/memory-config#additional-memory-paths).
</Info>

## Quand l’utiliser

Le moteur intégré est le bon choix pour la plupart des utilisateurs :

- Fonctionne immédiatement sans dépendances supplémentaires.
- Gère bien la recherche par mots-clés et la recherche vectorielle.
- Prend en charge tous les fournisseurs d’embeddings.
- La recherche hybride combine le meilleur des deux approches de récupération.

Envisagez de passer à [QMD](/fr/concepts/memory-qmd) si vous avez besoin de reranking, d’expansion de requête
ou si vous voulez indexer des répertoires hors de l’espace de travail.

Envisagez [Honcho](/fr/concepts/memory-honcho) si vous voulez une mémoire intersessions avec
modélisation automatique de l’utilisateur.

## Dépannage

**Recherche mémoire désactivée ?** Vérifiez `openclaw memory status`. Si aucun fournisseur n’est
détecté, définissez-en un explicitement ou ajoutez une clé API.

**Fournisseur local non détecté ?** Confirmez que le chemin local existe et exécutez :

```bash
openclaw memory status --deep --agent main
openclaw memory index --force --agent main
```

Les commandes CLI autonomes et le Gateway utilisent le même identifiant de fournisseur `local`.
Si le fournisseur est défini sur `auto`, les embeddings locaux ne sont considérés en premier
que lorsque `memorySearch.local.modelPath` pointe vers un fichier local existant.

**Résultats obsolètes ?** Exécutez `openclaw memory index --force` pour reconstruire. Le watcher
peut manquer des modifications dans de rares cas limites.

**sqlite-vec ne se charge pas ?** OpenClaw bascule automatiquement vers la similarité cosinus en processus.
`openclaw memory status --deep` signale le magasin vectoriel local
séparément du fournisseur d’embeddings, donc `Vector store: unavailable` indique
un problème de chargement de sqlite-vec, tandis que `Embeddings: unavailable` indique un problème de fournisseur/d’authentification
ou de disponibilité du modèle. Consultez les journaux pour l’erreur de chargement précise.

## Configuration

Pour la configuration des fournisseurs d’embeddings, l’ajustement de la recherche hybride (poids, MMR, décroissance
temporelle), l’indexation par lots, la mémoire multimodale, sqlite-vec, les chemins supplémentaires et tous
les autres paramètres de configuration, consultez la
[référence de configuration de la mémoire](/fr/reference/memory-config).

## Liens connexes

- [Vue d’ensemble de la mémoire](/fr/concepts/memory)
- [Recherche mémoire](/fr/concepts/memory-search)
- [Active memory](/fr/concepts/active-memory)