Concept Context Engineering
Discipline de conception et maintenance du contexte structuré alimentant les agents IA pour des résultats optimaux.
Context Engineering : structurer le contexte des systèmes IA
Le Context Engineering est une discipline émergente qui place la conception du contexte au cœur de la productivité des systèmes d'IA. Contrairement au simple prompt engineering, il s'agit de structurer, versionner et maintenir l'ensemble des informations qui alimentent les agents.
Architecture 3-Tier : Hot, Warm et Cold Memory
L'architecture 3-Tier (Vasilopoulos, 2025) organise le contexte en trois niveaux : Tier 1 Hot Memory (constitution, conventions toujours chargées), Tier 2 Warm Memory (agents spécialisés à la demande), Tier 3 Cold Memory (base de connaissances de référence).
- Tier 1 Hot Memory — Constitution et conventions toujours chargées.
- Tier 2 Warm Memory — Agents spécialisés à la demande.
- Tier 3 Cold Memory — Base de connaissances de référence.
CDLC : traiter le contexte comme une dépendance logicielle
Le CDLC (Context Development Lifecycle) — Generate, Evaluate, Distribute, Observe — traite le contexte comme une dépendance logicielle : versionné, packagé, évalué. Un échec d'évaluation est une spécification non écrite.
- Generate — Créer et structurer le contexte.
- Evaluate — Évaluer la qualité et la pertinence.
- Distribute — Distribuer et mettre en place.
- Observe — Observer et collecter les retours.
Questions fréquentes
Quelle est la différence entre Context Engineering et Prompt Engineering ?
Le Prompt Engineering se concentre sur la formulation d'une requête unique. Le Context Engineering couvre l'ensemble du cycle de vie du contexte : sa génération, son évaluation, sa distribution et son observation. 80% du travail se fait avant le prompt.
Pourquoi le contexte se dégrade-t-il avec le temps ?
Comme le code, le contexte rot : les spécifications obsolètes induisent activement les agents en erreur. Si vous expliquez la même chose deux fois, c'est un bug de documentation.
Articles liés
« Tu veux pas refaire l'ERP de l'IA » : le prochain lock-in ne sera pas votre cloud, mais votre cerveau d'entreprise
Un CDO du retail explique ce qui l'empêche de dormir : pas la facture cloud, mais le jour où l'intelligence de son entreprise sera encodée dans un harnais agentique propriétaire. La souveraineté se déplace vers la couche agentique, et le Design to Exit avec elle.
Le « Taste Skill » : pourquoi l'intention de design se décide en phase Plan
L'intention de design d'un produit, son design-system, son registre visuel, n'est pas un détail à corriger en Review : c'est un arbitrage de la phase Plan. Le « Taste Skill », objet open-source, le démontre concrètement.
Context Engineering : le guide complet pour 2026
Le Context Engineering est la discipline qui structure le contexte alimentant les agents IA. Architecture 3-Tier, CDLC, et Compound Engineering : tout comprendre.
Le problème que personne n'a nommé : comment dix agents peuvent ignorer ce qu'un seul sait déjà
Warm Memory, compaction du contexte, tool clearing : le guide architectural du context engineering multi-agents pour les équipes qui déploient des systèmes agentiques en production.
Context engineering vs RAG, fine-tuning et MCP : le guide de décision
RAG, fine-tuning, MCP, context engineering : ces quatre approches répondent à quatre problèmes distincts. Un guide de décision pour savoir quoi choisir, quand, et dans quel ordre les combiner.
Le TDD du contexte : comment maintenir un contexte d'agent vivant face à la pourriture
Le contexte se dégrade comme le code — en silence, par accumulation. Playbook concret pour appliquer le TDD du contexte : évaluations, règle des deux explications, CDLC de Debois, ownership. 5 gestes actionnables pour garder un contexte vivant sans y passer des jours.
Le contexte de vos agents IA est une surface d'attaque
Le contexte des agents IA est à la fois leur carburant opérationnel et leur principale surface d'attaque. Injection de contexte, exfiltration via la Knowledge Base, empoisonnement de la Hot Memory : trois vecteurs distincts, cinq leviers de gouvernance concrets.
Le budget de tokens du contexte : un actif, pas une dépense
La facture IA explose ? Le vrai levier n'est pas de couper les tokens — c'est de comprendre que le contexte est un actif capitalisable, pas une dépense Opex. ROI ×5, architecture Hot/Warm/Cold, prompt caching : le cadre de décision du DSI.
L'ontologie n'est pas louable : le vrai fossé concurrentiel des agents IA
Tony Seale vient de nommer l'évidence : la moitié qui manque aux agents IA n'est pas un framework supplémentaire, c'est l'ontologie de votre domaine. Pour la première fois, le fossé concurrentiel est clairement délimité — et il n'est pas technique.
Que devient DBT quand l'IA écrit le code ?
Benoit Perigaud (DBT Labs) raconte quatre ans d'investissement sur l'IA chez DBT Labs — trois leviers techniques (skills, MCP server, DBT Index), l'épineux problème du token design, les trous du benchmark Analytics Engineering, et l'angle mort que les agents ne savent toujours pas franchir.
Le modèle C4 à l'ère de l'IA : qui tient la carte du code généré ?
Quand les agents écrivent le code plus vite que les humains ne le lisent, le modèle C4 de Simon Brown change de statut : de documentation d'architecture, il devient l'instrument de contrôle visuel du SDLC, pour comparer l'intention et ce que l'IA a construit.
Sandwich Team et Product Engineer : la nouvelle équipe 10x
La Pizza Team est morte. La Sandwich Team — 1 App Owner augmenté + contributeurs occasionnels — est le modèle d'équipe du développement 10x.
AI Champions : comment SFEIR forme 850 consultants augmentés
Le constat qui dérange : l'amélioration continue ne suffit plus Il y a quelques mois, Didier Girard, CTO de SFEIR, a posé une affirmation qui a fait l'effet d'une douche froide dans les équipes techniques : "Écrire du code est désormais un anti-pattern." Pas une hyperbole. Pas u...
Architecture 3-Tier du contexte : Hot, Warm et Cold Memory
Le paradoxe du prompt vide : quand 80 % du travail se fait avant d'écrire Une étude portant sur 283 sessions de travail avec des agents IA révèle un chiffre qui devrait faire réfléchir tout architecte logiciel : l'infrastructure contextuelle représente désormais 24,2 % de la doc...
Le CDLC : traiter le contexte comme une dépendance logicielle
Le paradoxe du prompt vide : quand 80 % du travail se passe avant d'écrire Vous avez probablement déjà vécu cette situation : un développeur passe une heure à peaufiner un prompt, obtient un résultat médiocre, reformule, recommence, et finit par se demander si l'IA tient vraimen...
CI/CD ultra-robuste : le filet de sécurité du développement 10x
Le paradoxe du développement augmenté Il y a une tension au cœur de la révolution IA que peu d'équipes techniques prennent le temps d'articuler clairement. D'un côté, les promesses sont réelles : générer du code plus vite, réduire la friction, atteindre un facteur de pro...
Claude Code : l'agent de développement qui change la donne
De l'assistant au agent : une rupture qui redéfinit le développement logiciel Pendant des années, l'IA dans le développement logiciel a joué un rôle bien délimité : celui du copilote. Un outil intelligent, certes, capable de compléter une ligne de code, de suggérer une fonction...
Compound Engineering : comment chaque cycle rend le suivant plus facile
Le paradoxe du prompt vide : pourquoi votre IA recommence toujours de zéro Imaginez embaucher un développeur senior chaque matin, lui expliquer l'intégralité de votre projet, vos conventions, votre architecture, vos décisions passées — puis le voir partir à 17h sans laisser la m...
Le développeur devient architecte de contexte
Quand le code devient une commodité Il y a quelques années encore, la valeur d'un développeur se mesurait principalement à sa capacité à produire du code : lignes par jour, fonctionnalités livrées, bugs corrigés. Cette époque est révolue. Le TechRocks Summit 2025, dont SFEIR a o...
Écrire du code est un anti-pattern : la provocation qui change tout
La provocation qui remet tout en question « Écrire du code est désormais un anti-pattern. On ne doit plus produire de code manuellement. » Cette phrase, prononcée par Didier Girard, a de quoi faire bondir n'importe quel développeur. Elle semble absurde, voire pro...
Géopolitique de l'IA : US vs Chine et l'Europe vassalisée
L'IA n'est plus un outil : c'est un enjeu de civilisation Le TechRocks Summit 2025 l'a acté sans ambages : l'intelligence artificielle a quitté le registre de la curiosité technologique pour devenir une infrastructure géopolitique majeure. Présidé par Alain Buzzacaro (Ma...
Gestion documentaire intelligente : de la recherche à la conversation
La documentation d'entreprise : un défi silencieux mais coûteux Chaque jour, dans des milliers d'entreprises, des collaborateurs passent un temps considérable à chercher une information. Une procédure RH enfouie dans un dossier SharePoint, un compte-rendu de réunion perd...
Le moment darwinien de l'IA : s'adapter ou disparaître
La fin de l'innocence : bienvenue dans l'ère de l'industrialisation Il y a encore deux ans, le simple fait de déployer un chatbot alimenté par un LLM suffisait à faire briller les yeux d'un comité de direction. L'IA générative était une curiosité fascinante, un terrain d...
Monorepo et contexte partagé : l'infrastructure du Compound Engineering
L'ingénierie logicielle à l'ère des agents : un changement de paradigme silencieux Il se passe quelque chose d'intéressant dans les équipes de développement qui travaillent sérieusement avec des agents IA. Celles qui obtiennent les meilleurs résultats ne sont pas forcément celle...
Onboarding augmenté : intégrer un collaborateur en 48h avec l'IA
L'onboarding, un défi silencieux mais coûteux Un nouveau collaborateur arrive le lundi matin. Il a signé son contrat, il est motivé, il est prêt. Et pourtant, les premières semaines ressemblent souvent à une course d'obstacles : accès aux outils à débloquer, documentatio...
Paradoxe de Jevons : code moins cher = plus de demande logicielle
Quand la gratuité crée l'abondance : le retour d'un paradoxe vieux de 150 ans En 1865, l'économiste britannique William Stanley Jevons observait quelque chose d'apparemment contre-intuitif : l'amélioration de l'efficacité des machines à vapeur, loin de réduire la consommation de...
Le POC-ism : pourquoi accumuler des prototypes tue le ROI
L'ivresse des prototypes : quand l'expérimentation devient une fin en soi Combien de fois avez-vous entendu cette phrase dans vos comités de direction : "On a lancé un POC sur ce sujet, les résultats sont prometteurs, on attend de voir" ? Si cette réponse vous est familière, vou...
Product Engineer : le nouveau rôle qui fusionne toutes les spécialités
La fin du développement en silos : un changement de paradigme Pendant des décennies, la production logicielle a reposé sur une logique de spécialisation poussée à l'extrême. D'un côté, les développeurs front-end. De l'autre, les développeurs back-end. Entre les deux, des designe...
Projet Preuve : livrer un premier résultat IA en 8 semaines
Le constat qui dérange : l'amélioration continue ne suffit plus Combien de fois avons-nous entendu cette promesse dans les salles de réunion ? « Avec cette nouvelle méthodologie, nous allons gagner 15 % de productivité. » Les équipes s'enthousiasment, les sprints se succ...
RAG en production : retours d'expérience et bonnes pratiques
Introduction : pourquoi le RAG est devenu un sujet de production Il y a encore deux ans, la majorité des projets RAG (Retrieval-Augmented Generation) vivaient dans des notebooks Jupyter, des preuves de concept prometteuses mais fragiles, démontrées en interne avant d'êtr...
La Sandwich Team : 1 App Owner pour 80% du périmètre technique
De la Pizza Team à la Sandwich Team : un changement de paradigme Pendant des années, l'industrie du logiciel a optimisé à la marge. On a affiné les cérémonies agiles, réduit les cycles de sprint, introduit le DevOps, automatisé les pipelines CI/CD. Chaque itération apportait que...
Du Spec-Driven à l'Issue-Based : l'évolution du développement IA
Le code comme anti-pattern : un changement de paradigme radical Il y a quelques années, optimiser le cycle de développement logiciel signifiait gagner quelques pourcents de productivité ici et là : meilleurs outils, meilleures pratiques, CI/CD plus rapide. Aujourd'hui, c...
Stack AI-Ready : pourquoi TypeScript et le trunk-based dev sont essentiels
Le code manuel est mort. Vive le contexte engineering. C'est une phrase qui dérange, qui bouscule les certitudes de toute une profession : « Écrire du code est désormais un anti-pattern. » Pourtant, c'est précisément ce qu'affirme Didier Girard, et c'est la thèse centrale que no...
Trunk-based development et l'IA : pourquoi les feature branches freinent
Le paradoxe de la branche feature : quand l'organisation freine la machine Pendant des années, le modèle feature branch a représenté une bonne pratique presque incontestée du développement logiciel moderne. Chaque développeur part sur sa branche, travaille en isolation, ouvre un...
Valeur et agentivité : pourquoi le code devient une commodité
Le code ne vaut plus ce qu'il valait Il y a encore quelques années, savoir écrire du code propre, performant, bien testé, était une compétence rare et précieuse. Les équipes techniques passaient des semaines à implémenter des fonctionnalités que l'on peut désormais génér...
Pourquoi le temps passé et les ETP sont des indicateurs obsolètes
Avec l'IA générative, le volume de code n'est plus corrélé à l'effort humain. Mesurer la valeur au temps passé revient à pénaliser l'efficacité. Il est temps de passer à l'engagement de résultats.
La fin de l'arbitrage offshore : quand l'IA rend les grandes équipes obsolètes
L'IA écrase l'équation économique de l'offshore IT. Trois ingénieurs augmentés surpassent quinze développeurs offshore. Le context engineering remplace l'arbitrage sur le coût horaire.
Harness Engineering : le modèle compte moins que le harnais
Même modèle, 58% vs 81,8% de réussite. La variable décisive n'est pas l'IA — c'est le système qui l'entoure. Bienvenue dans l'ère du harness engineering.
AI4IT d'abord : pourquoi l'IA pour le SI précède l'IA pour les métiers
AI4IT d'abord, AI4Business ensuite : pourquoi l'IA pour le build et le run du SI passe avant l'IA pour les métiers dans la fenêtre 2026-2027.
Vos développeurs utilisent peut-être l'IA depuis dix-huit mois. Et vos équipes, elles, attendent encore l'approbation du comité.
Par où commencer l'agentic coding en entreprise : le frein est organisationnel, et le goulot d'étranglement, c'est le contexte.
Agentic coding sur de grandes bases de code : le vrai problème n'est pas l'agent, c'est la mémoire
Agentic coding sur de grandes bases de code : le vrai goulot, c'est lire le code existant — donnez le contexte du dépôt à l'agent.
« Coding is solved » : pourquoi votre entreprise n'a pas encore le droit d'y croire
Définition, bascule « coding is solved » et garde-fous : ce que l'agentic coding change vraiment en entreprise.
Comment choisir son modèle LLM en 2026 : la carte, pas le classement
Cinq laboratoires, des capacités qui convergent, des prix qui s'effondrent : en 2026, « quel est le meilleur modèle ? » devient la mauvaise question. Voici le cadre de décision qui remplace le classement : router par tâche, mesurer le coût par résultat, rester réversible, investir dans le système.
Le prix par token est une illusion : mesurer le coût par résultat
Comparer les grilles tarifaires ne dit presque rien de la facture réelle. Sur un cycle agentique, la dépense suit l'ingestion, pas la génération : 153 pour 1. Un modèle « moins cher au token » qui relit plus n'économise rien. Le seul indicateur qui compte est le coût par résultat.