Une nouvelle architecture baptisée ILCP-for-agents propose de résoudre le problème récurrent de perte de contexte lors de la communication entre plusieurs agents à base de grands modèles de langage. Dans les pipelines multi-sauts actuels, chaque transfert de tâche entraîne le rejet de l'état interne de l'émetteur. Le récepteur doit alors reconstruire entièrement son contexte à partir d'une somme textuelle, ce qui génère des calculs redondants et un ralentissement systématique, surnommé effet de froid post-transfert. Cette méthode s'appuie sur une étude publiée en 2026 par des chercheurs de Nokia Munich à l'atelier AI4NextG d'ICML, initialement développée pour optimiser les transitions entre stations de base dans les réseaux mobiles 6G. La solution technique repose sur la compression de l'état caché de l'agent émetteur en une empreinte numérique compacte, générée via un autoencodeur variationnel β. Ce paquet de données est acheminé vers le récepteur, où un réseau projecteur l'intègre directement dans l'espace d'embedding du modèle sous forme de tokens de mémoire. Le système utilise ces tokens comme préfixe contextuel pour générer la réponse, contournant ainsi la nécessité de relire et de prétraiter les données originales. Cette approche, nommée persistance latente contextuelle inductive, transfère une solution d'infrastructure éprouvée dans les télécommunications vers le domaine de l'intelligence artificielle générative. Les performances du prototype sous-jacent sont remarquables. Sur des tests de mobilité réelle, la technique supprime entièrement les reconexions intempestives, restaure la précision post-transition de 5,1 points de pourcentage en moyenne et traite chaque transfert en seulement 7,7 millisecondes en 99e percentile sur une carte NVIDIA GTX 1080. Pour les agents LLM, la première version implémente l'architecture logicielle requise en s'appuyant sur le modèle Qwen2.5-7B-Instruct. Les auteurs précisent que les validations spécifiques aux agents constituent un travail futur, refusant de confondre les mesures radio avec des benchmarks IA. Cette initiative se distingue des méthodes de cache ou de recherche traditionnelles en évitant la tokenisation répétée, réduisant ainsi la charge matérielle. Elle illustre comment les défis d'ingénierie système cruciaux sont souvent anticipés dans d'autres secteurs avant d'être adaptés à l'écosystème des agents autonomes.