Donner plus de contexte à une IA ne la rend pas plus intelligente ; passé un certain point, ça fait baisser sa précision et son focus. Anthropic appelle ça « context rot » : le contexte est une ressource finie. La compétence clé (context engineering) est de lui donner le plus petit ensemble d'informations à haute valeur de signal, pas le plus grand.
On l'a tous fait : l'IA ne comprend pas quelque chose, et notre réaction est de lui en coller PLUS. Plus de documents, plus d'historique, plus d'instructions, « au cas où ». C'est comme crier plus fort à quelqu'un qui ne nous comprend pas : ça donne l'impression d'être productif, mais ça n'aide presque jamais. Et il se trouve que, d'après Anthropic elle-même, ça empire généralement les choses.
Le nom du problème : le « context rot »
Anthropic lui a donné un nom dans un article d'ingénierie qui vaut de l'or : ils l'appellent context rot, quelque chose comme « la pourriture du contexte ». L'idée est contre-intuitive mais brutale : le contexte d'une IA est une ressource finie à rendements décroissants. Chaque token que tu lui donnes consomme une part d'un budget d'attention limité. Passé un certain point, au lieu de mieux comprendre, le modèle commence à perdre en précision, à oublier ce qui est au milieu, à confondre l'important avec le bruit. Plus n'est pas mieux. Plus, c'est du brouillard.
L'analogie de la valise
Imagine-le comme faire une valise pour un voyage. Le débutant met tout « au cas où » et se retrouve avec une valise qu'il ne peut même pas porter, où il ne trouve rien. Le voyageur expérimenté n'emporte que le juste nécessaire, l'essentiel, ce qui a une haute valeur de signal — et il se déplace léger et rapide. Avec l'IA, c'est pareil : l'art, ce n'est pas de lui empaqueter toute ta vie, c'est de choisir les quelques choses dont elle a vraiment besoin pour cette tâche-là.
Ça a changé le métier : du « prompt engineering » au « context engineering »
Pendant un temps, la mode était d'écrire le prompt parfait, magique. C'est du passé. La compétence qui compte vraiment aujourd'hui s'appelle context engineering : ce n'est plus seulement ce que tu lui demandes, mais quelle information tu lui donnes autour — et, surtout, ce que tu lui retires. Anthropic le résume par une phrase que tu devrais te tatouer : l'objectif est de trouver le plus petit ensemble de tokens à haute valeur de signal qui maximise le résultat. Curer, pas accumuler.
Ce que tu peux faire dès aujourd'hui (sans être ingénieur)
La prochaine fois que ton IA se perd, ne rajoute pas de bois sur le feu : retire-lui-en. Commence un chat propre au lieu de traîner mille vieux messages. Donne-lui seulement le document pertinent, pas le dossier entier. Sois précis sur la tâche du moment, pas sur toute ton histoire. Tu vas remarquer qu'avec moins, elle répond mieux. C'est l'une des choses les plus faciles à tester et l'une de celles qui te donnent le plus de rendement.
Pourquoi cela nous importe
Chez NeuralOS, on pense qu'un bon outil d'IA ne devrait pas te noyer sous les options ni t'obliger à le nourrir de tout. Il devrait t'aider à lui donner le juste nécessaire, au bon moment. Cette philosophie — moins de bruit, plus de signal — est celle qui guide notre façon de concevoir l'expérience. Parce qu'au fond, une IA bien focalisée n'est pas celle qui en sait le plus : c'est celle qui comprend le mieux quoi regarder maintenant.