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
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 que personne ne vous a donné
RAG, fine-tuning, MCP, context engineering : ces quatre approches ne s'opposent pas — elles 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.