Tutoriel 12 — OpenClaw Skill ontology : doter l'IA d'une mémoire persistante et d'un graphe de connaissances structuré (2026)

Objectif : installer le Skill ontology pour qu'OpenClaw mémorise des informations structurées comme les noms de personnes, les projets et les tâches, avec une persistance entre les sessions.

Mémoire de contexte ordinaire vs mémoire persistante ontology

La principale différence entre la mémoire structurée et le contexte ordinaire ne réside pas dans « combien on mémorise », mais dans « quoi mémoriser et comment rechercher » :

La persistance de la mémoire de conversation entre les sessions dans openclaw repose essentiellement sur ce Skill. Une fois installé, les informations importantes échangées avec l'IA — avancements de projets, informations sur les membres de l'équipe, décisions prises — deviennent des nœuds structurés récupérables précisément lors de la prochaine session.

Étape 1 : Installer le Skill ontology

/install @oswalpalash/ontology

Vérification :

pnpm openclaw skills list
# Le Skill ontology devrait apparaître

Après l'installation, le Skill crée un répertoire de stockage du graphe de connaissances en local :

~/.openclaw/workspace/skills/ontology/
├── SKILL.md          ← Logique principale du Skill
└── graph.json        ← Données du graphe de connaissances (format JSON, consultable directement)

Étape 2 : Créer des entités

ontology supporte cinq types d'entités intégrés :

Person   — Personnes (collègues, clients, contacts)
Project  — Projets (dépôts de code, lignes de produits, contrats)
Task     — Tâches (todo, jalons, bugs)
Event    — Événements (réunions, déploiements, échéances)
Document — Documents (rapports, contrats, notes)

Créer une entité Person

Mémorise : Marie Dupont, ingénieure backend, responsable du module de paiement, préfère la communication par email, fuseau horaire UTC+1

L'IA analyse et stocke automatiquement dans le graphe :

{
  "type": "Person",
  "name": "Marie Dupont",
  "attributes": {
    "role": "ingénieure backend",
    "domain": "module de paiement",
    "contact": "email",
    "timezone": "UTC+1"
  }
}

Créer une entité Project

Mémorise le projet : refonte du système de paiement, échéance le 2026-06-30, responsable Marie Dupont, statut actuel en cours

Créer une entité Task

Ajoute la tâche : terminer le document de migration de la passerelle de paiement avant vendredi, priorité haute, lié au projet "refonte du système de paiement"

Faire mémoriser à l'IA des noms de personnes, projets et tâches dans openclaw est aussi simple que ça — décrivez en langage naturel, ontology extrait et stocke automatiquement les informations structurées.

Étape 3 : Interroger les entités existantes

Après l'installation d'ontology, vous pouvez interroger en langage naturel les informations précédemment stockées, quelle que soit la session :

Qui est Marie Dupont ? De quoi est-elle responsable ?

Quelles sont les tâches de haute priorité cette semaine ?

Quel est l'état actuel du projet "refonte du système de paiement" ?

Liste tous les projets et tâches liés à Marie Dupont

Dans le contexte de mémoire à long terme d'un agent IA auto-hébergé, cette capacité de requête est particulièrement précieuse — peu importe combien de temps s'est écoulé depuis la dernière conversation, l'IA peut récupérer précisément les informations du graphe, sans recourir à un vague « je crois me souvenir d'avoir mentionné... ».

Étape 4 : Lier les entités

Le point fort d'ontology est d'établir des relations entre entités :

Lier : Marie Dupont est responsable du projet "refonte du système de paiement", son contact est Luc Martin (chef de produit)

Marquer : la tâche "document de migration de la passerelle de paiement" appartient au projet "refonte du système de paiement", exécutée par Marie Dupont

Après la création des liens, vous pouvez faire des requêtes de traversée de graphe :

Quelles sont toutes les personnes et tâches liées à "refonte du système de paiement" ?

À quels projets participe Luc Martin ? Qui sont ses collaborateurs directs ?

Ce type de raisonnement par association est impossible avec un simple contexte de conversation.

Étape 5 : Mettre à jour et supprimer des entités

Mise à jour : Marie Dupont a terminé la migration de la passerelle de paiement, statut de la tâche : "terminé"

Mise à jour : la date limite du projet "refonte du système de paiement" est reportée au 2026-08-15

Supprimer l'entité : retirer la tâche "document de migration de la passerelle de paiement"

Étape 6 : Combinaison avec self-improving-agent

Différence entre ontology et self-improving-agent : ils sont complémentaires, pas interchangeables.

• self-improving-agent (tutoriel 09) : mémorise les préférences de comportement de l'IA et les expériences opérationnelles (« utilise pnpm et non npm »)
• ontology : mémorise les connaissances métier et les informations du monde réel (personnes, projets, tâches, événements)

Installez les deux pour construire un système de mémoire complet :

/install @pskoett/self-improving-agent
/install @oswalpalash/ontology

Effet concret :

Vous : mets à jour l'avancement des tâches de Marie Dupont
IA : (récupère toutes les tâches de "Marie Dupont" depuis ontology)
    Marie Dupont a actuellement 3 tâches en cours :
    1. Document de migration de la passerelle de paiement (priorité haute, échéance vendredi)
    2. ...
    Quelle tâche souhaitez-vous mettre à jour ?

L'IA sait « qui est Marie Dupont » (ontology) et sait aussi « vous préférez des réponses concises » (self-improving-agent).

Questions fréquentes

L'IA se souvient-elle de ce qui a été dit après la fermeture d'OpenClaw ?

Après l'installation du Skill ontology, les informations que vous avez explicitement stockées dans le graphe sont sauvegardées en permanence dans le fichier local ~/.openclaw/workspace/skills/ontology/graph.json, sans être affectées par la fermeture des conversations. Lors de la prochaine ouverture d'OpenClaw dans une nouvelle session, l'IA peut encore récupérer ces informations via des requêtes en langage naturel. Notez que seul le contenu explicitement stocké dans le graphe est conservé — les conversations ordinaires disparaissent toujours à la fin des sessions.

Quels types d'entités le Skill ontology peut-il stocker ?

ontology prend en charge cinq types intégrés : Person (personnes), Project (projets), Task (tâches), Event (événements), Document (documents). Chaque type peut avoir des attributs personnalisés (poste, statut, échéance, etc.), les entités peuvent être liées entre elles, et les requêtes de traversée de graphe sont supportées. Si les types intégrés ne suffisent pas, décrivez un type personnalisé en langage naturel — ontology en déduira automatiquement la classification.

Quelle est la différence entre ontology et self-improving-agent ?

Ils résolvent des problèmes de mémoire différents. self-improving-agent mémorise les patterns de comportement et les expériences opérationnelles de l'IA, comme « ce projet utilise pnpm » ou « ne liste pas les sources dans les résumés ». ontology mémorise les connaissances métier du monde réel, comme « Marie Dupont est ingénieure backend responsable du module de paiement ». Les deux Skills peuvent être installés simultanément — leurs effets sont cumulatifs et complémentaires.

Où sont stockées les données du graphe de connaissances ? Sont-elles envoyées dans le cloud ?

Toutes les données sont stockées dans le fichier local ~/.openclaw/workspace/skills/ontology/graph.json — format JSON standard, consultable et sauvegardable directement. OpenClaw est une solution entièrement auto-hébergée. Les données ne transitent par aucun serveur cloud et ne sont jamais téléversées sur Anthropic ou des plateformes tierces. Pour partager le graphe entre plusieurs appareils, copiez manuellement le fichier graph.json ou intégrez-le dans un gestionnaire de version Git.

Prochaines étapes

• Tutoriel 13 — Utilisez le Skill Gog pour laisser l'IA gérer automatiquement Gmail, Google Calendar et Drive
• Tutoriel 09 — Utilisez self-improving-agent pour que l'IA mémorise vos habitudes opérationnelles et préférences