Context Engineering
Le context engineering est la discipline qui consiste à donner à un agent IA la bonne information, au bon format et au bon moment. Un modèle ne connaît que ce qu’on place devant lui : instructions, documents, mémoire, outils. Tout l’art consiste à composer ce contexte pour qu’il agisse juste, sans le noyer de tokens inutiles ni le priver de l’essentiel.
Car un agent qui échoue n’a pas toujours un mauvais modèle, il a souvent un mauvais contexte. La façon de découper et de rafraîchir l’information pèse autant que la puissance brute. Ce n’est pas un prompt que l’on peaufine, c’est un environnement que l’on conçoit. Cette page réunit nos analyses sur ce qui fiabilise vraiment les agents, au-delà du choix du modèle. Et si bien cadrer une IA tenait surtout à ce qu’on décide de lui montrer ?
Nos guides sur le sujet
Nos guides pour comprendre le context engineering et cadrer ce qu'un agent IA reçoit, du concept aux bonnes pratiques.
Questions fréquentes
Qu'est-ce que le context engineering ?
Le context engineering est la discipline qui consiste à choisir et organiser les informations fournies à un modèle d'IA au moment d'une requête : instructions, documents, historique, outils disponibles. L'objectif est de donner le bon contexte, ni trop ni trop peu, pour que le modèle réponde de façon fiable.
Quelle différence entre context engineering et prompt engineering ?
Le prompt engineering optimise la formulation d'une instruction ponctuelle. Le context engineering va plus loin : il gère l'ensemble des informations présentes dans la fenêtre de contexte d'un agent, y compris leur sélection, leur compression et leur ordre, sur des tâches longues et outillées.
Pourquoi le context engineering est-il crucial pour les agents IA ?
Un agent enchaîne plusieurs étapes et accumule vite trop d'informations, ce qui dilue son attention et fait grimper les coûts. Bien gérer le contexte, en ne gardant que l'utile, est souvent ce qui distingue un agent fiable d'un agent erratique.
Qu'est-ce que la fenêtre de contexte d'un modèle ?
La fenêtre de contexte est la quantité de texte, mesurée en tokens, qu'un modèle peut prendre en compte en une seule fois. Elle inclut l'entrée et la réponse. Une fois pleine, le modèle perd le début, d'où l'importance de bien choisir ce qu'on y place.
Trop de contexte peut-il nuire à un modèle d'IA ?
Oui. Au-delà d'un certain volume, un modèle a plus de mal à repérer l'information pertinente, un phénomène parfois appelé « context rot ». Ajouter du contexte n'améliore donc pas toujours la réponse : la pertinence et la concision comptent davantage que la quantité.