Redis, Postgres ou TencentDB : quelle Memory Database pour l'AI Memory ? (2026)

Mise à jour : 7 août 2026. Détails vérifiés via Redis Vector Sets, pgvector et TencentDB Agent Memory.

Redis, PostgreSQL ou TencentDB pour la Memory Database d'un agent IA ? Chacun couvre une température de données différente. Ce guide compare Redis, PostgreSQL et TencentDB pour une décision pragmatique, pas un culte du vecteur unique.

Introduction

La mémoire agent comprend session, court terme, long terme et preuves brutes. Mapper les couches bat le choix d'un seul moteur.

Redis

Couche chaude TTL, files et Pub/Sub. Vector Sets pour petits ensembles—pas seule Memory Database long terme.

PostgreSQL

pgvector + JSONB : choix par défaut open source avec ACID. Cache Redis pour les sessions. Voir Kimi K3 Tool Calls en boucle : guide.

TencentDB

Couches L0–L3 et plugins OpenClaw. Guide TencentDB Agent Memory (2026) pour l'installation.

Matrice

Ce que stocke l'AI Memory

Avant de comparer les moteurs, fixez : patterns lecture/écriture, latence cible, durée de rétention, types de requêtes (ANN, hybride, jointures), capacité d'exploitation. Les frameworks n'assument pas le dimensionnement de votre Memory Database.

Scénarios

Prototype : SQLite TencentDB local ou Postgres conteneurisé. Équipe : Postgres long terme + Redis sessions. Agents longue durée : offload symbolique obligatoire. Entreprise : managé + sécurité ligne.

En France et en Europe francophone, Postgres auto-hébergé ou RDS reste le choix par défaut pour la mémoire durable ; TencentDB accélère l'intégration L0–L3 via OpenClaw—voir Guide TencentDB Agent Memory (2026).

Architecture hybride

Session Redis → rappel PG/TencentDB → écriture asynchrone des atomes. Gateway 24/7 sur Mac cloud. La Memory Database idéale est souvent un trio, pas un monolithe. Stabilité outils : Kimi K3 Tool Calls en boucle : guide.

Synthèse

• Redis = chaud ; Postgres = long terme ; TencentDB = intégration rapide en couches.
• L'hybride gagne en production.