ToolNavs Outils IA à découvrir
Proposer Connexion
Retour à Encyclopédie de l’IA
Qu'est-ce que le context engineering ? La différence avec le prompt engineering

Qu'est-ce que le context engineering ? La différence avec le prompt engineering

Encyclopédie de l’IA • Admin • • 15 vues

Le context engineering est la pratique qui consiste à décider ce qu'un grand modèle de langage voit dans sa fenêtre de contexte à chaque appel : instructions système, définitions d'outils, documents récupérés, historique de conversation, mémoire et résultats d'outils. L'objectif est que le modèle reçoive à chaque étape exactement les informations à fort signal dont il a besoin. L'expression s'est répandue en juin 2025, et Anthropic l'a définie dans un guide de septembre 2025 comme l'ensemble des stratégies permettant de sélectionner et de maintenir l'ensemble optimal de tokens pendant l'inférence.

En quoi est-ce différent du prompt engineering et du RAG ?

Les trois n'ont pas la même portée. Le prompt engineering consiste à rédiger une bonne consigne. Le RAG consiste à récupérer quelques passages pertinents d'une base de connaissances pour les placer dans la fenêtre. Le context engineering gouverne tout ce qui entre dans la fenêtre et en sort à chaque tour : quelles consignes rédiger, quels documents récupérer, combien de tours d'historique conserver, comment compresser les anciens enregistrements et s'il faut supprimer les résultats d'outils une fois utilisés. En juillet 2025, LangChain a regroupé les techniques courantes en quatre gestes : écrire, sélectionner, compresser et isoler.

Une fenêtre plus grande ne signifie pas que le modèle peut en faire plus. En juillet 2025, Chroma a testé 18 modèles et constaté que les performances deviennent de plus en plus instables à mesure que les entrées s'allongent, un phénomène souvent appelé context rot. Les tokens sont aussi de l'argent : remplir la fenêtre coûte plus cher et dégrade la qualité, donc filtrer est déjà une façon d'économiser.

Trois idées reçues fréquentes

La première idée reçue est de le confondre avec le prompt engineering. Un bon prompt n'est qu'une partie du travail ; les outils, la mémoire et l'historique doivent aussi être gérés. La deuxième est de croire que plus de documents récupérés est toujours mieux : les contenus à faible signal peuvent repousser les faits essentiels hors de l'attention du modèle. La troisième est de croire qu'on peut le configurer une fois et l'oublier. Chaque tour d'un agent produit de nouveaux résultats d'outils et de nouvelles conversations, donc le contexte doit être réorganisé à chaque tour, sinon l'exécution dérive de plus en plus.

Quand le context engineering vaut-il la peine ?

Les agents multi-tours en ont le plus besoin. Un assistant de service client, par exemple, ne conserve à chaque tour que la question en cours, le statut de la commande et les derniers tours, compresse les anciens tickets en résumés et supprime rapidement les résultats d'outils utilisés. Pour les questions uniques et la génération à gabarit fixe, ce n'est pas nécessaire ; un prompt clair suffit. Un test simple : la tâche s'étend-elle sur plusieurs tours, appelle-t-elle des outils, et son historique ne cesse-t-il de croître ? Si deux des trois réponses sont oui, le contexte mérite une conception sérieuse.

Outils Recommandés

Plus