La couche mémoire
qui manque à votre IA.

TEMPRA est une infrastructure de mémoire agnostique et on-premise qui se branche sur n'importe quel stack LLM — sans réarchitecture, sans cloud tiers, vos données 100% souveraines.

Une IA avec un sens natif du temps.
La mémoire n'est pas un ajout — le temps est encodé comme géométrie dans l'espace d'interprétation.


Propulsé par l'Architecture de Projection Mémoire Temporelle
Ci-dessous : un aperçu de la future app grand public — sur la roadmap. L'infrastructure d'abord.
9:41•••
TEMPRA · TEV

Vos fils

H Thesis Alexandre Cannae Elephants Rome Kant
247 souvenirs · 431 liens
9:41•••
MERCREDI · 07 AVRIL

Hello Sophia

REPRISE · HIER, 22:14
« Comparer Hannibal à Alexandre, sur la stratégie militaire… »
2 points restants : Cannes 216 av. J-C, Éléphants des Alpes.
SUGGESTIONS
PROJETPitch projet histoire
ÉTUDELecture · Kant
9:41•••
Fermer ● ÉCOUTE · 00:42
« …oui, je me souviens — Mathieu préfère le rouge,un pinot léger sera parfait. »
Infrastructure d'abord · B2B

Une couche mémoire. N'importe quel stack IA.

TEMPRA n'est ni un SaaS ni un chatbot. C'est une infrastructure de mémoire agnostique que vous déployez dans votre propre environnement — et qui se branche sur tout ce que vous faites déjà tourner.

Agnostique au modèle

Fonctionne derrière n'importe quel LLM — Claude, OpenAI, Mistral, Llama, vos fine-tunes. Sans verrouillage.

On-premise & souverain

Tourne dans votre VPC ou sur votre propre matériel. Vos données ne quittent jamais vos murs.

API & SDK clé en main

Un seul point d'intégration. Branchez-le à vos apps, agents et pipelines en jours — pas en trimestres.

Géométrie temporelle native

Le temps (τ) est encodé dans l'espace d'embedding via le TEV — pas ajouté en métadonnée.

Gouvernance & oubli

Oubli sélectif en cascade et contrôle d'audit complet sur ce qui est exactement retenu.

Conçu pour passer à l'échelle

Recherche vectorielle native (HNSW / pgvector) taillée pour la production et les grands graphes mémoire.

Comment ça marche

Trois étapes. Une mémoire qui dure.

Là où la mémoire « rapportée » oublie, TEMPRA donne à n'importe quel stack IA un fil temporel continu — agnostique au modèle, déployé dans votre propre environnement.
01 — CAPTURER

Il écoute sans forcer.

Vos applications et agents transmettent conversations, documents et événements. TEMPRA en extrait les faits qui comptent — pas les logs bruts.

02 — TISSER

TEMPRA relie les fils.

Le moteur construit un graphe temporel vivant des entités, événements et projets de vos données — notant ce qui se répète, se contredit et s'affine.

03 — RAPPELER

Il émerge au bon moment.

Interrogez-le des mois plus tard via une seule API. TEMPRA renvoie le contexte avec ses sources — la bonne mémoire, au bon moment.

March Today
TEMPRA · Le moteur

Une mémoire conçue pour durer.

T.E.M.P.R.A (Temporal Embedding Memory Projection Reconsolidation Architecture) est le système qui fait de TEMPRA un compagnon à long terme. Il ne stocke pas tout — il retient ce qui compte, avec le temps comme coordonnée native.

  • Extraction sémantique : il retient les faits, pas les transcriptions brutes.
  • Graphe relationnel : chaque souvenir pointe vers les personnes, lieux et projets impliqués.
  • Rappel contextuel : la mémoire émerge uniquement quand c'est utile.
  • Oubli sélectif : vous décidez ce qui reste, ce qui part, ce qui est épinglé.
  • Souverain par conception : les souvenirs vivent dans votre infrastructure, jamais la nôtre.
TEMPRA habits people projects places
Capacités

Tout ce qu'une couche mémoire devrait être.

Tout ce qu'il faut à votre équipe pour livrer une IA dotée d'une vraie mémoire — sans rien qui vous enferme.

Rappel sensible au temps

Récupérez la bonne mémoire au bon moment, avec un classement sensible au temps — pas une simple similarité vectorielle.

Graphe mémoriel

Un graphe interrogeable d'entités, événements et projets. Inspectez les liens, épinglez, retrouvez, exportez — transparence totale.

Maîtrise des données

Zéro entraînement sur vos données. Chiffrement en transit et au repos. Exportez ou purgez tout, à la demande.

Ingestion universelle

PDF, transcriptions, tickets, e-mails. TEMPRA les absorbe et s'en souvient sur des mois — toujours en contexte.

Dérive & contradiction

TEMPRA signale quand un état change dans le temps — ce qu'une entité ou un utilisateur croyait alors versus aujourd'hui.

Mémoire d'agents cloisonnée

Donnez à chaque agent sa propre mémoire cloisonnée, toutes puisant dans un même graphe temporel partagé et gouverné.

Pourquoi TEMPRA

Votre IA fonctionne déjà.
Mais sa mémoire est rapportée.

Le RAG et les bases vectorielles rajoutent la mémoire par l'extérieur. Voici ce qui change quand le temps vit à l'intérieur de la mémoire du modèle.
Aujourd'hui — avec n'importe quel autre IA
La mémoire est hors du modèle

Le contexte est récupéré puis injecté dans le prompt à chaque appel. Le modèle ne le détient jamais vraiment.

Des faits plats, sans temps

« L'utilisateur vit à Paris. » Pas de chronologie, pas de déclin, pas d'évolution. Un instantané, figé pour toujours.

Vous maintenez la plomberie

Chunking, embeddings, re-rankers, code de liaison — votre équipe possède tout le stack de récupération.

L'état périmé passe inaperçu

Quand les faits changent, la récupération ressort les anciens. Aucune notion de ce qui est à jour.

Avec TEMPRA
La mémoire vit dans l'espace d'embedding

Le temps (τ) est une coordonnée native via le TEV — pas une métadonnée récupérée à la requête.

Une chronologie, pas un bloc-notes

Chaque souvenir est horodaté et pondéré. L'état de mars et celui d'aujourd'hui diffèrent — et TEMPRA le sait.

Une couche, dans votre stack

Une API clé en main, déployée on-premise. Pas de pipelines de chunking à surveiller, pas de code de liaison à maintenir.

Elle suit dérive et contradiction

« En novembre c'était X — maintenant c'est Y. Voici ce qui a changé. » Un état qui évolue, remonté automatiquement.

La mémoire rapportée récupère.
TEMPRA se souvient — le temps comme géométrie native, pas une métadonnée agrafée à une base vectorielle.

Le principe

La plupart des systèmes rajoutent la mémoire au modèle et appellent ça « se souvenir ». TEMPRA fait du temps une partie de la géométrie — la mémoire devient celle du modèle, pas une base qu'il interroge.

✦
TEMPRA — The Living State
Carthage AI
Questions fréquentes

Les questions les plus posées.

En quoi est-ce différent du RAG ou d'une base vectorielle ?

Le RAG récupère du texte et l'injecte dans le prompt à la requête — la mémoire reste hors du modèle. TEMPRA encode le temps comme coordonnée native dans l'espace d'embedding (le TEV) : le rappel est temporel et intrinsèque, pas une recherche par similarité rajoutée après coup.

Pouvons-nous contrôler ce qui est retenu ?

Oui. Chaque souvenir peut être épinglé, modifié ou oublié. Il existe aussi un mode « oubli sélectif » qui permet à TEMPRA de désapprendre tout un thème en cascade — personnes liées, projets, conversations associées.

Comment le déploie-t-on ?

On-premise, dans votre propre VPC, ou en déploiement managé — au choix. TEMPRA est une infrastructure : elle tourne là où vos données vivent déjà, sans cloud tiers sur le chemin.

Y a-t-il une app grand public ?

Une app grand public est sur la roadmap. Carthage AI est infrastructure-first : la couche mémoire B2B agnostique sort avant l'app, qui sera ensuite bâtie sur ce même moteur.