Du prompt engineering au context engineering

9 juin 2026

Entre 2023 et 2025, savoir se servir d’une intelligence artificielle, c’était savoir lui parler. Les meilleurs résultats appartenaient à ceux qui formulaient les meilleures instructions. Une discipline s’est constituée autour de cet art de la consigne : le prompt engineering. Cette ère se referme, et il vaut la peine de comprendre pourquoi.

L’art de la consigne, et ses limites

Le prompt engineering reposait sur une idée juste à son époque : un modèle livré à lui-même produit du générique, mais bien dirigé, il produit du pertinent. D’où les formules, les gabarits d’instructions, les techniques pour cadrer le ton, le format, le raisonnement. Tout cela fonctionnait, et fonctionne encore par endroits.

Sa limite est structurelle. Une instruction, aussi habile soit-elle, doit être répétée à chaque échange. Elle ne sait rien de votre métier, de vos exemples, de vos exigences. Elle traite chaque demande comme si c’était la première. La qualité dépendait de la mémoire et de la dextérité de la personne aux commandes.

Le déplacement vers le contexte

Avec les modèles actuels, le prompt devient un vestige. Il garde une utilité ponctuelle, mais ce n’est plus là que se joue la performance. Ceux qui obtiennent les meilleurs résultats sont désormais ceux qui savent structurer le meilleur contexte. On parle de context engineering.

Construire un bon contexte, c’est donner à l’intelligence artificielle accès aux bonnes informations sur votre environnement de travail : vos attentes, vos règles de style, vos méthodologies, vos exemples de référence, ce que vous ne voulez surtout pas qu’elle fasse, votre manière de créer, de décider, de produire. Quand ce contexte est bien construit, l’IA cesse d’être un générateur de banalités. Elle devient un assistant calibré sur vos spécificités, qui reste précis sur la durée sans qu’il faille tout réexpliquer à chaque conversation.

Ce que le déplacement change pour les organisations

Le passage du prompt au contexte n’est pas qu’une affaire de technique. Il déplace la question d’un terrain individuel vers un terrain collectif.

Tant que la performance tenait au prompt, la réponse semblait être la formation : apprendre à chacun à mieux formuler ses demandes. C’est une compétence personnelle, qui repart avec la personne. Tant que la performance tient au contexte, la réponse est d’une autre nature : construire, dans l’organisation, les contextes qui rendront les IA réellement utiles. C’est un travail d’architecture, partagé, durable.

Or un contexte exploitable ne se décrète pas. Il suppose de rendre explicite ce qui, dans une entreprise, reste le plus souvent implicite : qui est responsable de quoi, comment se prennent les décisions, ce qui distingue un bon livrable d’un mauvais, comment circule l’information. C’est précisément ce travail d’explicitation qui transforme une organisation en contexte que l’IA peut comprendre.

De la discipline au métier

Le context engineering n’est donc pas une compétence technique de plus à acquérir. C’est une manière de travailler son organisation pour qu’elle devienne lisible, par les humains comme par les machines. C’est ce que nous faisons.

Ce déplacement rejoint une idée plus large, celle d’hétérostasie : une organisation reste vivante en se transformant, à condition de garder lisible ce qui la définit. Le context engineering en est la mise en œuvre concrète à l’ère de l’intelligence artificielle.

Pour savoir par où commencer chez vous, le diagnostic IA et contextes organisationnels est la première étape, et notre approche en détaille la méthode.