Aller au contenu
Méthodologie

context engineering

context engineering — Méthodologie. application : Donner tout le contexte nécessaire au bon moment, stratifié par moment de chargement : permanent court, conditionnel par chemin, spécialisé à la demande · catégorie : Ingénierie du contexte fourni aux agents IA · définition : Fournir aux agents un contexte riche et structuré (6 types ; statique vs dynamique) · principe : Le contexte est l'actif ; une définition écrite deux fois est un bug de documentation · période_dominante : 2025 · rôle : Levier de trajectoire pour une adoption maîtrisée (gouvernance de l'automatisable, critères POC→prod)

Rod Johnson a qualifié Context Engineering d'« avancée précieuse par rapport au prompt engineering » le 23 juillet 2025, avant d'avancer que la définition restait incomplète : remplir la fenêtre de contexte d'informations pertinentes ne dit rien de ce qui en ressort du modèle, ni des systèmes métier auxquels une application LLM doit se connecter. Son extension, DICE, structure à la fois les entrées et les sorties avec un modèle de domaine.

2025 reste la période dominante, et le terme est sous pression depuis. Sur BFM Business en mai 2026, Rémi Jacquet a posé un basculement : prompt engineering en 2024, Context Engineering en 2025, harness engineering en 2026. Le guide de Lushbinary superpose la même séquence plutôt que de retirer ses étapes : prompt, puis contexte, puis Loop Engineering, chaque couche contenant la précédente, la complexité restant inchangée, seul le levier se déplaçant.

Le livre blanc de Google signé Addy Osmani, Shubham Saboo et Sokratis Kartakis nomme six types de contexte (instructions, connaissance, mémoire, exemples, outils, garde-fous), répartis entre contexte statique toujours chargé et contexte dynamique à la demande. Hugo Lassiège stratifie le sien par moment de chargement : un CLAUDE.md permanent et court, des règles activées par chemin, des personas ouverts seulement en cas de besoin. Assaf Elovic a mesuré ce que vaut le filtrage côté récupération : son filtre Jev envoie 4 500 tokens au lieu de 7 600, pour une quantité équivalente de texte pertinent.

Matthieu Grymonprez fournit la limite. « Un agent n'a pas de bon sens » : une définition médiocre s'applique telle qu'écrite, y compris là où elle vaut pour la France et non pour l'Espagne.

Type
Méthodologie
application
Donner tout le contexte nécessaire au bon moment, stratifié par moment de chargement : permanent court, conditionnel par chemin, spécialisé à la demande
catégorie
Ingénierie du contexte fourni aux agents IA
définition
Fournir aux agents un contexte riche et structuré (6 types ; statique vs dynamique)
principe
Le contexte est l'actif ; une définition écrite deux fois est un bug de documentation
période_dominante
2025
rôle
Levier de trajectoire pour une adoption maîtrisée (gouvernance de l'automatisable, critères POC→prod)
relations
12
Citée dans
7 fiches

Voisinage

← est basé sur

DICE METHODOLOGIE confiance élevée stable Source ↗
Loop Engineering METHODOLOGIE confiance élevée atemporel

← a créé

Andrej Karpathy PERSONNE confiance élevée stable Source ↗

← améliore

DICE METHODOLOGIE confiance élevée atemporel Source ↗

→ améliore

prompt engineering METHODOLOGIE confiance élevée atemporel Source ↗
qualité du code généré par IA CONCEPT confiance élevée atemporel Source ↗

→ s oppose à

vibe coding METHODOLOGIE confiance élevée atemporel Source ↗

← est variante de

Harness engineering METHODOLOGIE confiance élevée atemporel Source ↗

→ remplace

Prompt Engineering METHODOLOGIE confiance élevée stable Source ↗

← remplace

Harness Engineering METHODOLOGIE confiance élevée stable Source ↗

→ s applique à

Sémantique data CONCEPT confiance élevée atemporel

← fait partie de

filtre de contexte METHODOLOGIE confiance élevée atemporel

Citée dans (7)