Context Engineering: From Prompts to Corporate Multi-Agent Architecture

Cet article propose une nouvelle discipline, l'ingénierie du contexte, qui, complétée par l'ingénierie de l'intention et de la spécification, forme un modèle de maturité pyramidal essentiel pour passer du simple prompt engineering à des architectures multi-agents autonomes et évolutives au sein des entreprises.

L'essentiel

🏗️ De la "Recette" à l'Architecture de l'Usine : Comprendre l'IA d'aujourd'hui

Imaginez que vous êtes le directeur d'une grande entreprise. Il y a deux ans, vous aviez un nouvel employé très intelligent, mais un peu naïf : l'Intelligence Artificielle (IA). Pour lui donner du travail, vous deviez lui écrire des notes manuscrites, une phrase à la fois. C'est ce qu'on appelait l'Ingénierie de Prompt (ou "l'art de bien poser la question").

Mais aujourd'hui, ce n'est plus un simple employé qui répond à une question. C'est une équipe d'agents autonomes qui travaillent 24h/24, prennent des décisions, utilisent des outils et gèrent des projets complexes.

L'auteure du papier nous dit : "Écrire une belle phrase ne suffit plus. Il faut construire tout l'environnement de travail de ces agents."

Voici les 4 niveaux de maturité de cette nouvelle discipline, expliqués avec des analogies simples.

---

1. Le Niveau Bronze : L'Art de la Question (Prompt Engineering)

L'analogie : C'est comme demander à un chef cuisinier de préparer un plat.
Vous dites : "Fais-moi une omelette." Le chef le fait.
C'est bien, mais c'est limité. Si vous voulez un banquet complet, vous ne pouvez pas juste crier des ordres un par un. Le chef ne sait pas quoi faire ensuite, ni comment gérer les ingrédients qui arrivent plus tard.

• Le problème : Dans un système autonome, l'IA doit travailler pendant des heures sans que vous soyez là pour lui dire "ensuite, fais ça". Une simple phrase ne suffit pas.

2. Le Niveau Argent : L'Ingénierie du Contexte (Context Engineering)

L'analogie : C'est la différence entre un cuisinier dans une cuisine vide et un cuisinier dans une cuisine ultra-équipée et organisée.
Imaginez que l'IA est un agent qui doit gérer une usine. Si vous lui donnez toutes les informations de l'usine (tous les emails, tous les capteurs, tous les vieux dossiers) d'un coup, il va s'effondrer sous le poids. Il va oublier l'essentiel, se tromper, ou devenir fou.

L'Ingénierie du Contexte, c'est l'art de gérer ce que l'IA "voit" et "se souvient" à chaque instant. C'est comme si vous étiez le chef d'orchestre qui donne à l'IA exactement la partition qu'elle doit lire maintenant, ni plus, ni moins.

• Les 5 règles d'or de ce niveau :
  1. Pertinence : Ne donnez que ce qui est utile pour la tâche actuelle.
  2. Suffisance : Donnez assez d'infos pour qu'elle ne devine pas (pas d'hallucinations).
  3. Isolement : L'agent A ne doit pas voir les secrets de l'agent B (comme des compartiments étanches).
  4. Économie : Ne gaspillez pas d'argent avec trop de données inutiles.
  5. Preuve : On doit pouvoir savoir d'où vient chaque information (comme une étiquette de traçabilité).

Leçon : Si vous contrôlez le contexte (ce que l'IA voit), vous contrôlez son comportement.

3. Le Niveau Or : L'Ingénierie de l'Intention (Intent Engineering)

L'analogie : Imaginez un chauffeur de course très rapide et très bien informé (il connaît toutes les routes, la météo, la voiture). Mais il a un problème : il ne sait pas où il doit aller.
Il peut rouler à 300 km/h, mais s'il n'a pas de GPS avec une destination claire, il va rouler en rond ou vers le mur.

Parfois, les entreprises disent à l'IA : "Réduis les coûts !". L'IA obéit trop bien : elle licencie tout le monde ou coupe le service client. Résultat : l'entreprise perd ses clients.
L'Ingénierie de l'Intention, c'est coder la stratégie et les valeurs de l'entreprise dans l'IA. C'est lui dire : "Va vite, mais ne bouscule pas les clients, et garde la qualité."

• Le cas Klarna : Une entreprise a utilisé une IA pour réduire les coûts. Elle a économisé beaucoup d'argent, mais les clients étaient furieux car l'IA était trop froide. L'IA avait le contexte (les données), mais pas l'intention (la stratégie humaine).

Leçon : Si vous contrôlez l'intention (le but), vous contrôlez la stratégie.

4. Le Niveau Diamant : L'Ingénierie des Spécifications (Specification Engineering)

L'analogie : C'est passer d'une petite équipe de 5 personnes à une nation entière d'agents.
Si vous avez 10 agents, vous pouvez leur donner des ordres oraux. Si vous en avez 10 000, c'est le chaos. Il faut une Constitution.
L'Ingénierie des Spécifications, c'est transformer toutes les règles de l'entreprise (les lois, les procédures, les accords) en un langage que l'IA peut lire et comprendre automatiquement. C'est comme passer d'un "ça va se savoir" à un code informatique rigoureux qui s'applique à tout le monde.

Leçon : Si vous contrôlez les spécifications (les règles), vous contrôlez l'échelle (la capacité à grandir).

---

🏔️ La Pyramide de la Maturité

L'auteure dessine une pyramide. Ce n'est pas une course où l'on remplace les anciens niveaux par les nouveaux. C'est une pyramide cumulative :

• Vous ne pouvez pas construire le toit (Spécifications) sans les murs (Intention).
• Vous ne pouvez pas construire les murs sans les fondations (Contexte).
• Et vous ne pouvez pas avoir de fondations sans savoir poser les premières briques (Prompt).

En résumé :

• Prompt Engineering = Savoir poser la question.
• Context Engineering = Savoir préparer le terrain de jeu.
• Intent Engineering = Savoir définir le but du jeu.
• Specification Engineering = Savoir écrire les règles pour des milliers de joueurs.

⚠️ Le Piège de 2026

Aujourd'hui, il est très facile de créer une IA avec quelques clics (comme construire une maison en Lego). Mais si vous ne prenez pas le temps de construire les fondations (Contexte), de définir le but (Intention) et les règles (Spécifications), vous obtenez une "maison fantôme" : elle a l'air belle, mais elle s'effondrera dès qu'il y aura un vrai problème.

La conclusion simple :
Ne vous contentez pas de bien parler à la machine. Apprenez à concevoir l'environnement dans lequel elle vit, définir ses rêves et écrire ses lois. C'est ainsi que l'IA passera d'un simple gadget à un véritable partenaire de travail fiable.

Résumé technique

Voici un résumé technique détaillé de l'article « Context Engineering: From Prompts to Corporate Multi-Agent Architecture » de Vera V. Vishnyakova, structuré selon les axes demandés.

1. Problématique

L'article identifie un fossé critique dans le déploiement de l'IA d'entreprise. Alors que les systèmes d'IA évoluent de chatbots sans état (stateless) vers des agents autonomes capables d'exécuter des workflows multi-étapes, la Prompt Engineering (PE) seule s'avère insuffisante.

• Limites de la PE : La PE optimise la formulation d'une requête unique pour un cycle « demande-réponse ». Elle ne peut pas gérer les contraintes architecturales des agents autonomes qui planifient des chaînes d'actions, appellent des API, et gèrent des états sur de longues périodes.
• Déficits observés : Les entreprises font face à deux déficits majeurs :
  1. Déficit contextuel : Les agents souffrent de dégradation de la qualité (hallucinations, pertes de contexte, contamination croisée entre sous-agents) lorsque la fenêtre de contexte s'accumule sans gestion active.
  2. Déficit intentionnel : Même avec un contexte parfait, un agent peut optimiser la mauvaise métrique (ex: réduire les coûts au détriment de l'expérience client, comme dans le cas Klarna) car les objectifs stratégiques et les hiérarchies de valeurs de l'entreprise ne sont pas encodés dans l'infrastructure.
• Conséquence : Un taux d'adoption élevé mais un échec de mise à l'échelle (scaling) dû à un manque de gouvernance, de contrôle des coûts et d'alignement stratégique.

2. Méthodologie

L'auteur adopte une approche hybride combinant :

• Analyse architecturale : Étude des cadres de développement actuels (Google ADK, Anthropic, LangChain) et des protocoles émergents (MCP, A2A).
• Recherche académique et industrielle : Synthèse de travaux récents (ACE framework, Tomašev et al., 2026) et de données d'enquêtes d'entreprises (Deloitte 2026, KPMG 2026).
• Pratique empirique : Retour d'expérience de l'auteur sur trois ans dans la construction de systèmes multi-agents (MAS) et de systèmes de conformité.
• Études de cas : Analyse comparative des échecs (Klarna, TELUS) et des architectures de production (usines « dark factory », systèmes IoT/IIoT hybrides).
• Modélisation : Construction d'un modèle de maturité cumulatif (la Pyramide) pour structurer les disciplines de l'ingénierie d'agents.

3. Contributions Clés

A. Définition de l'Ingénierie de Contexte (Context Engineering - CE)

La CE est présentée comme une discipline distincte de la PE, traitant du système d'exploitation (OS) de l'agent. Elle ne se concentre pas sur la question « comment demander », mais sur « ce que l'agent sait, voit et retient au moment de l'action ».

• Critères de qualité du contexte (Production-grade) :
  1. Pertinence : Fournir uniquement les données nécessaires à l'étape actuelle (JIT - Just-In-Time).
  2. Suffisance : Garantir que toutes les données nécessaires à la décision sont présentes pour éviter l'hallucination.
  3. Isolation : Empêcher la fuite d'informations entre sous-agents (via des jetons d'autorisation cryptographiques et le protocole A2A).
  4. Économie : Optimiser le coût et la latence par la compression, la mise en cache et le chargement sélectif.
  5. Provenance : Traçabilité de chaque élément de contexte à sa source pour l'audit et le débogage.
• Taxonomie de la dégradation (Context Rot) : Identification de quatre modes de défaillance : empoisonnement (hallucination propagée), distraction (surcharge de contexte), confusion (information non pertinente) et conflit (contradictions dans le contexte).

B. Ingénierie de l'Intention (Intent Engineering - IE)

Discipline supérieure qui encode les objectifs, valeurs et hiérarchies de compromis de l'entreprise dans l'infrastructure de l'agent.

• Elle résout le problème « principal-agent » en alignant l'optimisation de l'agent sur les résultats stratégiques réels (ex: fidélité client) plutôt que sur des métriques proxy faciles à mesurer (ex: coût par token).
• Elle transforme l'agent d'un outil tactique en un acteur stratégique cohérent.

C. Ingénierie des Spécifications (Specification Engineering - SE)

Discipline de niveau supérieur visant à créer un corpus machine-lisible des politiques, normes de qualité et accords d'entreprise.

• Elle formalise les connaissances tacites (PDF, ordres verbaux) en une « constitution » pour les agents, permettant une gouvernance cohérente à l'échelle de milliers d'agents.
• Elle est la condition sine qua non pour passer d'une gestion artisanale à une gestion industrielle de l'IA.

D. Le Modèle de Maturité « Pyramide »

L'article propose une pyramide à quatre niveaux cumulatifs (non substituables) :

1. Prompt Engineering (PE) : Fondement pour l'interaction humaine-LLM.
2. Context Engineering (CE) : Gestion de l'environnement informationnel et de l'état de l'agent.
3. Intent Engineering (IE) : Alignement stratégique et définition des objectifs.
4. Specification Engineering (SE) : Gouvernance à l'échelle de l'entreprise et formalisation des règles.

4. Résultats et Observations

• Économie de l'IA : Une ingénierie de contexte rigoureuse permet de réduire les coûts d'inférence de 5 à 10 fois grâce à la compression et la mise en cache, rendant les agents économiquement viables en production.
• Gouvernance et Risques : 75 % des entreprises prévoient de déployer des agents IA, mais seulement 21 % ont un modèle de gouvernance mature. Le cas Klarna illustre qu'un agent techniquement compétent mais dépourvu d'intention encodée peut détruire la valeur de la marque.
• Architecture Hybride : L'avenir réside dans des architectures multi-agents hybrides où un LLM cloud orchestre des SLM (Small Language Models) en périphérie (edge) pour respecter les contraintes de latence et de souveraineté des données.
• Mémoire : La mémoire des agents n'est plus un simple buffer, mais une infrastructure à plusieurs couches (mémoire de travail, épisodique, sémantique, procédurale) qui doit être conçue explicitement, car les choix de stockage (Cloud vs On-premise) sont désormais des décisions stratégiques et non techniques.

5. Signification et Implications

• Changement de Paradigme : Le passage de l'« art du prompt » à l'« ingénierie d'état » marque la fin de l'ère romantique de l'IA. L'ingénierie d'agents exige une pensée systémique, de la documentation et des compromis, plutôt que de la créativité isolée.
• Contrôle Stratégique : L'article établit une règle de gouvernance claire :
  • Qui contrôle le contexte contrôle le comportement (coût, conformité).
  • Qui contrôle l'intention contrôle la stratégie (alignement avec les objectifs).
  • Qui contrôle les spécifications contrôle l'échelle (gouvernance multi-agents).
• Avertissement : La facilité de création d'agents (Low-code/No-code) crée un « piège » où les entreprises déployent des agents sans les niveaux supérieurs de la pyramide, accumulant une « dette de contexte » et une « dette d'intention » qui mèneront inévitablement à des échecs opérationnels ou stratégiques (le « Dark Factory »).
• Universalité : Ce cadre reste pertinent même si les LLM sont remplacés par d'autres architectures (comme les modèles du monde), car la nécessité de gérer le contexte, l'intention et les spécifications s'intensifiera avec la complexité des données.

En conclusion, l'article pose les fondations théoriques et pratiques pour transformer l'IA d'entreprise d'une série d'expérimentations ponctuelles en une infrastructure industrielle robuste, gouvernée et alignée sur les objectifs stratégiques.