Un environnement d’exécution à apprentissage persistant pour les agents d’IA.
Duplex définit une nouvelle catégorie.
Ce n’est pas une base de données mémoire de plus pour votre modèle. Duplex transforme un assistant temporaire, lié à un seul modèle, en un système qui apprend du travail, garde son contexte, fait respecter vos règles, s’améliore avec vos outils, partage ce qu’il apprend sur autorisation, et passe d’un fournisseur de modèles à l’autre sans perdre ce qu’il a appris.
La quatrième couche manquante.
L’IA d’aujourd’hui répartit l’intelligence entre trois couches. Le modèle raisonne, la recherche documentaire fournit documents et souvenirs, et le code applicatif gère les workflows, les permissions et les outils. Aucune de ces couches n’apprend du travail. Duplex ajoute la quatrième : un apprentissage tiré de tout ce que font vos agents, conservé aussi longtemps que vous le faites tourner.
Le modèle raisonne sur la tâche, puis l’oublie une fois la tâche terminée.
Ce que la recherche documentaire n’a jamais été conçue pour conserver.
La recherche documentaire ramène des documents et des souvenirs qui semblent pertinents. Duplex garde ce que le travail a enseigné, et agit en conséquence :
- 01Ce qui a réussi, et ce qui a échoué
- 02Quelles actions ont mené à quels résultats
- 03Quel outil fonctionne dans quelle situation
- 04Quelles façons de travailler ont amélioré les résultats
- 05Les préférences et les règles encore en vigueur
- 06Ce que change chaque action
- 07Les compétences que le travail répété lui a apprises
- 08Ce qui doit être oublié, annulé ou retiré
- 09Quand il peut répondre seul, et quand interroger votre modèle
Votre IA, c’est le modèle, plus ce que Duplex a appris.
Le modèle peut changer. Ce que Duplex a appris reste.
Votre IA
Ce avec quoi travaillent vos équipes et vos agents
Le modèle de fondation
Peut changer : une nouvelle version, un nouveau fournisseur
Ce que Duplex a appris
Reste : à vous, et grandit toujours
Cette séparation change ce que possède une organisation. Ce qu’elle a appris n’a plus à vivre dans les poids d’un seul fournisseur, dans une seule transcription de conversation ou dans le format de mémoire propre à une seule app.
Un nouveau modèle arrive. Seul, il part de zéro ; avec Duplex, il garde tout ce qui a été appris jusqu’ici.
Pour les entreprises : une IA qui fructifie.
Duplex change l’économie de l’IA au travail. Chaque résultat confirmé peut améliorer la tâche suivante, et ce qui s’accumule est à vous, pour de bon.
Une valeur qui fructifie.
La plupart des déploiements d’IA repartent presque de zéro à chaque tâche. Les prompts, la recherche documentaire et les workflows figés apportent du contexte, mais le système ne s’améliore pas à chaque résultat confirmé. Avec Duplex, chaque tâche terminée peut laisser quelque chose derrière elle :
- Un meilleur choix d’outil
- Une leçon sur ce que change une action
- Une compétence réutilisable
- Une décision corrigée
- Une règle à respecter
- Un exemple résolu
- Un signal clair de ce qui a fonctionné
- Une reprise plus rapide du travail
- Une nouvelle capacité, testée avant usage
Ainsi, plus votre organisation utilise le système, plus il devient utile.
Une intelligence qui vous suit.
Claude, Codex, Cursor et Hermes peuvent tous s’appuyer sur le même Duplex, tout comme vos propres agents, via MCP + hooks. Changez de modèle, de client d’agent, de fournisseur de modèle ou d’éditeur d’outils, et gardez les processus, les règles, l’historique et les compétences que votre organisation a appris.
La dépendance à un fournisseur disparaît, et ce que votre organisation apprend devient un actif durable.
La personne, l’équipe et l’entreprise, en couches.
Duplex garde ce qu’il apprend à chaque niveau qui compte :
- Une personne
- Une équipe
- L’organisation
- Une tâche
- Un espace de travail
- Un agent
- Un fil partagé
Une personne garde ses préférences et ses façons de travailler. Une équipe construit des pratiques communes et une connaissance des outils. L’organisation fixe les règles qui encadrent le travail de chacun, tandis que les personnes et les équipes continuent d’apprendre dans ce cadre. Cela vaut bien plus qu’une seule mémoire globale.
Des règles sur ce que font les agents, pas seulement sur ce qu’on leur dit.
Les règles de Duplex régissent ce qu’un agent exécute réellement, pas seulement ce qu’un prompt demande au modèle. Via MCP + hooks, Duplex intervient avant chaque requête, avant chaque appel d’outil et après chaque résultat, ainsi qu’à chaque fois qu’une connaissance est partagée ou oubliée.
Les entreprises ont besoin d’un contrôle sur le comportement, pas d’une meilleure formulation.
Le fine-tuning, pour bien moins de choses.
Le fine-tuning reste pertinent quand un modèle a besoin d’une nouvelle capacité générale ou d’un nouveau comportement. Mais bien des besoins métier n’exigent pas du tout de modifier les poids :
- « Mémorisez notre procédure de mise en production. »
- « Apprenez quel outil de diagnostic résout cette panne. »
- « Arrêtez de recommander ce qui échoue sans cesse. »
- « Retenez la contrainte de ce client. »
- « Poursuivez la tâche après notre changement de modèle. »
- « Partagez ce processus éprouvé avec l’équipe. »
- « Retirez ce qui n’est plus vrai. »
Duplex les traite hors du modèle : plus vite, de façon réversible et traçable jusqu’à leur source, et généralement pour moins cher que de refaire un fine-tuning encore et encore.
Un nouveau rempart concurrentiel.
L’actif de valeur n’est plus seulement le modèle. L’avantage durable devient ceci :
L’intelligence opérationnelle de votre organisation, accumulée en continu, gouvernée et portable.
Deux entreprises peuvent utiliser le même modèle et obtenir des résultats très différents, parce que l’une a dans Duplex des années de leçons confirmées, de compétences, de règles, de corrections, d’issues et d’historique de tâches.
Pour la recherche : l’apprentissage continu, en tant que système.
Duplex traite l’apprentissage continu comme un problème de systèmes, et pas seulement comme une question de mise à jour des poids d’un réseau.
Un apprentissage qui laisse les poids intacts.
Une grande partie de la recherche sur l’apprentissage continu met à jour les poids d’un réseau tout en cherchant à éviter l’oubli catastrophique. Duplex prend une autre voie, et s’adapte hors des poids du modèle. Cela reste un véritable apprentissage continu : ce qu’il fait ensuite change selon ce qu’il a vécu. Et il apporte ce que les mises à jour des poids peinent à offrir :
- Attribution exacte
- Un apprentissage réversible
- Isolation entre clients
- Oubli sélectif
- Une piste d’audit complète
- Adaptation sur-le-champ
- Bien moins de calcul
- Aucun temps d’arrêt pour réentraînement
De multiples façons d’apprendre, qui fonctionnent comme une seule.
Duplex réunit plusieurs formes d’apprentissage : s’adapter vite, reconnaître ce qui est nouveau, savoir à quel point il est sûr de lui, prédire ce qu’une action va changer, planifier, apprendre des issues, et transformer des preuves en compétences qu’il teste avant usage.
La valeur scientifique ne tient à aucun algorithme en particulier. Elle tient au fait de les faire fonctionner comme un seul système d’apprentissage persistant et gouverné, derrière de vrais agents.
Un désapprentissage qui atteint tout.
Oublier, c’est plus que supprimer un enregistrement. Quand on retire les preuves sur lesquelles repose quelque chose, tout ce que Duplex en a appris peut être retiré avec elles. Cela compte pour la confidentialité, la correction, la sûreté, la réglementation et la validité scientifique.
Un système qui apprend mais ne sait pas désapprendre avec précision est incomplet pour tout ce qui doit fonctionner des années.
Le travail au long cours, sans la transcription entière.
Duplex transmet ce dont une longue tâche a besoin : son objectif, ses décisions, ses contraintes et ce qui reste à faire.
La continuité ne signifie pas forcément redonner tout l’historique au modèle, et c’est important pour des agents qui travaillent des heures ou des jours.
Apprendre au-delà des mots.
Duplex apprend des images, de l’audio, de la vidéo et des documents, en plus du texte, sous la même gouvernance de ce qui peut être appris. Captures d’écran, maquettes, conversations enregistrées, documents et sorties d’outils ont tous quelque chose à lui apprendre.
L’enjeu n’est pas de trouver des médias. C’est de relier ces preuves aux issues, aux tâches, aux compétences et à l’oubli.
Pour la discipline : là où vit l’intelligence.
Sa plus grande conséquence : l’intelligence n’a plus à résider tout entière dans le modèle de fondation.
Une nouvelle unité d’intelligence.
La vision habituelle, et celle que Duplex rend possible :
Le modèle est le produit intelligent.
Le produit intelligent, c’est le modèle, plus un environnement d’exécution qui continue d’apprendre.
Les améliorations peuvent alors s’accumuler entre les appels au modèle, entre les sessions, et même entre les fournisseurs de modèles.
Les modèles deviennent plus faciles à changer.
Quand la mémoire, la personnalisation, les règles, l’usage appris des outils, la continuité des tâches et les compétences propres à une organisation vivent dans Duplex, le modèle sous-jacent devient plus facile à remplacer. Les modèles restent en concurrence sur le raisonnement, la vitesse, la modalité et le prix.
Mais ce qu’un client a accumulé ne disparaît plus quand le modèle change, et le pouvoir se déplace vers celui qui détient ce qui a été appris.
Des agents qui restent eux-mêmes.
Un agent connecté à Duplex poursuit en restant lui-même quand :
- Une conversation se termine
- La fenêtre de contexte se remplit
- Le client redémarre
- Une tâche reprend des jours plus tard
- Le modèle change
- Le travail passe de Claude Code à Codex
- Une autre personne autorisée rejoint le travail
Cela se rapproche davantage d’un collaborateur logiciel persistant que d’une suite de conversations sans lien.
Une frontière nette entre modèle et système.
ACI est l’intelligence qui s’adapte. Duplex est le produit qui l’entoure : les décisions, la gouvernance, les accès, et le cycle de vie de tout ce qu’il apprend. Les agents travaillent avec quelques opérations simples et stables, le modèle n’a jamais besoin de savoir ce qui tourne en dessous, et les hooks relient chaque décision à une action réelle.
C’est cette frontière qui transforme un moteur en une infrastructure que tout agent peut utiliser.
Une autre façon de passer à l’échelle.
La discipline suppose souvent qu’une IA plus performante exige surtout des modèles plus grands, davantage de données d’entraînement, des fenêtres de contexte plus longues ou davantage de calcul à l’inférence. Duplex ajoute une autre dimension :
Un modèle performant qui accumule sans cesse une expérience confirmée, hors de ses poids.
Cela peut faire plus, pour moins cher, que d’agrandir encore et encore le modèle ou son prompt.
Ce que devient Duplex.
Avec Duplex, les agents d’IA se souviennent, apprennent, s’améliorent, respectent les règles et continuent, d’une session et d’un modèle à l’autre.
Ce n’est pas seulement
- Une base vectorielle
- Un plugin de mémoire
- Un gestionnaire de prompts
- Un serveur MCP
- Un moteur de workflows
- Une passerelle de politiques
- Un système de fine-tuning
Il réunit des éléments de chacun en un seul environnement d’exécution qui apprend.
Duplex à côté de la mémoire, des compétences, du fine-tuning et des passerelles d’IA →En bref.
Pour les entreprises
Une IA qui s’améliore à l’usage, et garde ce qu’elle a appris d’un agent et d’un fournisseur de modèles à l’autre.
Pour la recherche
Adaptation continue, incertitude, mémoire, planification, apprentissage réversible et preuves issues de tous les médias, dans un seul système à l’œuvre derrière de vrais agents.
Pour la discipline
L’intelligence n’a plus à résider tout entière dans le modèle. Ce qui est appris peut devenir une couche à part : gouvernée, portable et à vous.
Une infrastructure, pas une fonctionnalité.
La plus grande opportunité est de faire fonctionner l’apprentissage continu en pratique : immédiat, persistant, réversible, gouverné, et accessible aux agents que vous utilisez déjà via MCP + hooks, sans toucher à votre modèle. Duplex est conçu pour être la couche où les personnes et les organisations accumulent l’intelligence de leur IA, tandis que les modèles deviennent, en dessous, des moteurs de raisonnement remplaçables.
Possédez l’intelligence qui survit à chaque modèle.
Un pilote fait tourner Duplex sur votre propre travail, avec des critères de réussite convenus avant son lancement.