FLEECE / AI BRAINVos agents de code oublient pourquoi c'est fait comme ça.
Cursor connaît vos fichiers. Il ignore l'incident qui a façonné la logique de retry, la RFC rejetée en mars et le service que l'astreinte réveille vraiment. Ce contexte vit dans GitHub, Jira, Linear, Confluence et Slack — et sans lui, chaque outil IA repart de zéro.
Fleece AI Brain donne aux équipes d'ingénierie une mémoire commune que tous les outils IA de code peuvent lire : il synchronise GitHub, Jira, Linear, Confluence, Slack et Notion dans un graphe de connaissances local — du Markdown sur vos propres machines — puis le sert à Claude Code, Cursor, Cline, Zed et vos agents maison via le Model Context Protocol. Les décisions, incidents et arbitrages derrière le code cessent de ne vivre que dans les têtes.
Le contexte est écrit. Il est seulement introuvable.
Les organisations d'ingénierie écrivent remarquablement bien et retrouvent remarquablement mal. Le raisonnement derrière un design existe — dans la description d'une pull request, un commentaire de ticket Jira, une RFC Confluence, un fil Slack d'un mardi après-midi il y a dix-huit mois. Rien de tout cela n'est là où le travail se fait, ni là où vos outils IA regardent.
Alors les mêmes questions reviennent chaque trimestre et les réponses sont reconstituées de mémoire par la personne qui est là depuis le plus longtemps. Quand elle part, le raisonnement part avec elle. Pendant ce temps, les agents de code que votre équipe fait tourner toute la journée travaillent sur le contexte le plus étroit possible : les fichiers ouverts.
- Un nouvel arrivant demande pourquoi un service réessaie trois fois, et personne ne retrouve l'incident qui a fixé le chiffre.
- Un agent propose avec aplomb une approche que l'équipe a rejetée, arguments à l'appui, lors d'une revue de design l'an dernier.
- Le même débat d'architecture recommence parce que la décision précédente n'a jamais été reliée au code qu'elle gouverne.
- Chaque outil IA garde son contexte privé : un fait expliqué à Cursor reste inconnu de Claude Code.
Un seul graphe, lu par tous les outils de la boucle
Le Brain synchronise vos surfaces d'ingénierie dans un graphe typé unique et le tient à jour : issues et pull requests depuis GitHub, tickets et epics depuis Jira et Linear, RFC et runbooks depuis Confluence et Notion, et les fils Slack où se prennent les vraies décisions. Chaque élément devient une note Markdown avec frontmatter et wikilinks, indexée localement en SQLite.
Ensuite il expose ce graphe via MCP. Claude Code, Cursor, Cline et Zed interrogent la même mémoire : une décision consignée une fois est disponible pour tous, avec sa provenance, de sorte que la réponse cite la pull request ou la RFC au lieu d'inventer quelque chose de plausible. Et comme le coffre est un dossier de fichiers sur votre disque, aucun de vos savoirs sources n'est garé dans le cloud d'un éditeur — c'est en général le point de blocage quand l'idée arrive en revue de sécurité.
Les connecteurs que l'ingénierie utilise vraiment
Chacun est une connexion depuis l'app de bureau, et chacun a sa page décrivant exactement ce qu'il synchronise et à quelle fréquence.
GitHub
Connectez GitHub à Fleece AI Brain : chaque issue et pull request devient une note d'une base de connaissances locale, interrogeable via MCP.
Voir ce qu'il synchronise →Jira
Connectez Jira à Fleece AI Brain : chaque ticket, description et statut devient une note d'une base de connaissances locale, interrogeable via MCP.
Voir ce qu'il synchronise →Linear
Connectez Linear à Fleece AI Brain : chaque ticket, son titre et sa description deviennent une note d'une base de connaissances locale, interrogeable via MCP.
Voir ce qu'il synchronise →Confluence
Connectez Confluence à Fleece AI Brain : chaque page devient une note d'une base de connaissances locale, interrogeable par vos apps IA via MCP.
Voir ce qu'il synchronise →Slack
Connectez Slack à Fleece AI Brain : chaque message de canal devient une note d'une base de connaissances locale, interrogeable par vos apps IA via MCP. Une connexion, sync en arrière-plan.
Voir ce qu'il synchronise →Notion
Connectez Notion à Fleece AI Brain : chaque page devient une note d'une base de connaissances locale, interrogeable par vos apps IA via MCP.
Voir ce qu'il synchronise →Ce que les équipes mettent en balance
Les présélections en ingénierie tiennent en deux questions : peut-on le garder dans des fichiers qu'on maîtrise, et tous les outils IA peuvent-ils le lire ?
À lire d'abord
Les articles que les responsables d'ingénierie font circuler avant une évaluation.
Donner une mémoire persistante à Claude Desktop avec MCP (guide 2026)
Claude Desktop démarre chaque conversation à zéro. Ce guide montre comment lui donner une mémoire persistante avec MCP — trois voies comparées, du serveur de mémoire de référence d'Anthropic à un cerveau d'entreprise local — avec la configuration concrète de chacune.
Les 9 meilleurs serveurs MCP pour la connaissance d'équipe en 2026
Le meilleur serveur MCP pour la connaissance d'équipe en 2026 est Fleece AI Brain — le seul conçu spécifiquement comme une mémoire d'équipe partagée et local-first que chaque application d'IA peut lire et écrire. Derrière lui se tient un solide peloton de serveurs d'éditeurs signés GitHub, Notion, Atlassian et Linear, qui servent très bien les données d'une seule application, plus Zapier pour l'ampleur. Nous faisons tourner nos propres agents contre chacun d'eux ; voici la liste classée, comparée selon ce que chacun sert et l'endroit où résident vos données.
Donner une mémoire partagée à chaque application d'IA avec MCP (guide 2026)
Une mémoire partagée pour chaque application d'IA est un problème résolu en 2026 : conservez la connaissance sous forme de fichiers Markdown simples sur votre propre disque, et exposez-les via un unique serveur MCP que Claude Desktop, Cursor et vos agents sur mesure lisent et écrivent tous. Nous faisons tourner notre propre flotte ainsi sur Fleece AI Brain. Ce guide déroule la configuration exacte — installation, connecteurs, réglages des clients, flux de travail quotidiens, hygiène et gouvernance — en environ un après-midi.
RAG vs graphe de connaissances vs fichiers bruts : où doit vivre le cerveau de votre entreprise ?
RAG, graphes de connaissances et fichiers bruts ne sont pas des réponses concurrentes — ce sont les couches de récupération, de structure et de stockage d'un même système. Stockez le savoir sous forme de fichiers qui vous appartiennent, structurez-le en graphe, récupérez-le par la recherche ; miser sur une seule couche échoue parce qu'on saute les deux autres. Voici l'architecture hybride qui tient vraiment la route, et comment y migrer progressivement.
Comment une équipe d'ingénierie démarre
- 01
Synchroniser les surfaces de décision, pas tout
Commencez par GitHub et le tracker que vous utilisez réellement, plus l'espace Confluence ou Notion où vivent les RFC. Le volume n'est pas l'objectif : l'objectif est que le raisonnement et le code finissent dans le même graphe.
- 02
Brancher vos outils de code via MCP
Connectez Claude Code, Cursor ou Cline au serveur MCP du Brain. Dès lors, les outils répondent à partir de vos décisions et les citent, au lieu de deviner à partir du seul contenu des fichiers.
- 03
Écrire les décisions là où les agents les trouveront
Consignez les décisions d'architecture comme des nœuds du coffre et reliez-les aux services qu'elles gouvernent. Une décision reliée au code est une décision qui survit à la prochaine réorganisation.
- 04
Laisser le graphe absorber le quotidien
Incidents, rétrospectives et revues de design arrivent par les connecteurs : la mémoire se cumule comme sous-produit du travail, et non comme un rituel de documentation que personne n'a le temps de tenir.
Questions d'ingénierie
Est-ce que cela remplace notre wiki ?
Non, et ce n'est pas le but. Confluence et Notion restent où ils sont ; les connecteurs synchronisent depuis eux pour que leur contenu rejoigne le graphe que vos outils IA interrogent. Ce qui change, c'est l'accessibilité, pas l'endroit où votre équipe écrit.
Quels outils IA de code peuvent lire le graphe ?
Tout client MCP : Claude Desktop et Claude Code, Cursor, Cline et Zed, ainsi que les agents que vous écrivez vous-même contre le Model Context Protocol. Une seule mémoire, tous les outils, au lieu de réexpliquer le même contexte à chacun.
Notre code source quitte-t-il nos machines ?
Non. Le coffre est un dossier de fichiers Markdown et un index SQLite local sur votre propre disque, et le contenu des connecteurs va du fournisseur directement à votre appareil plutôt que par nos serveurs. La synchro entre vos machines est optionnelle et chiffrée de bout en bout.
Est-ce simplement du RAG sur nos dépôts ?
C'est un graphe typé plutôt qu'un bloc d'embeddings, ce qui compte pour des questions d'ingénierie. La restitution mêle mots-clés, sémantique et sauts de graphe : une question sur un service peut atteindre l'incident qui l'a modifié et la RFC qui l'a justifié — des liens qu'une recherche vectorielle pure n'a aucun moyen de suivre.
Que devient le savoir si nous arrêtons Fleece ?
Vous le gardez. Le coffre est du Markdown avec frontmatter YAML et wikilinks, lisible dans Obsidian, comparable par diff et versionnable dans Git comme n'importe quel dépôt. Il n'y a rien à exporter parce que rien n'a jamais été enfermé.
Combien cela coûte-t-il pour une équipe d'ingénierie ?
Solo 12 €/mois, Pro 24 €, et Teams 49 €/utilisateur/mois pour les coffres partagés, le RBAC, le journal d'audit et le SSO. Le cerveau local est gratuit à vie, et chaque plan démarre par un essai de 14 jours, sans engagement.
Autres équipes
Donnez à vos agents le raisonnement, pas seulement les fichiers.
Connectez GitHub et votre tracker pendant l'essai, puis demandez à Cursor pourquoi la limite de retry est à trois.