Qu’est-ce que la gestion du contexte des agents IA ?
Gérer le contexte d’un agent IA consiste à sélectionner, organiser et actualiser les informations qu’il utilise pour travailler, dans le respect des droits d’accès existants. Pour une équipe, ces informations se trouvent dans le code, les boîtes de réception partagées, les canaux de discussion et les décisions qui doivent rester exactes et accessibles aux bonnes personnes.
La compréhension commune commence par un contexte partagé. Elle se développe grâce à la communication, se traduit en actions à travers des supports concrets et reste utile grâce à un entretien régulier.
Commencez par un seul processus : identifiez les sources de référence, récupérez uniquement les informations nécessaires à la tâche et rédigez une synthèse avec des liens vers les éléments probants. Distinguez les décisions des propositions. Actualisez la synthèse dès qu’une version du produit, une information client ou un changement d’accès la rend obsolète.
1. Cartographier le contexte partagé des agents IA
Chaque équipe dispose déjà d’un ensemble de connaissances et de décisions réparties entre plusieurs outils. La première étape, lorsqu’on introduit un agent, consiste à repérer où se trouvent ces informations.
La fenêtre de contexte d’un agent contient les informations disponibles pendant la tâche en cours. Sa mémoire conserve des informations pour les retrouver ultérieurement. Le contexte partagé correspond aux connaissances de l’équipe réparties dans ses outils. Un système de gestion du contexte utile sélectionne les éléments pertinents pour chaque tâche et conserve les liens vers les sources originales.
Ce travail de sélection et d’entretien est aussi appelé ingénierie du contexte. Le guide d’Anthropic sur l’ingénierie du contexte décrit comment récupérer les informations au moment utile et résumer les contenus anciens pour garder le contexte de travail de l’agent ciblé. Pour une équipe, il s’agit de déterminer quels éléments éclairent la décision en cours.
Pour une équipe produit, le code constitue une source de contexte importante. Avec les historiques de déploiement et de versions, il aide à établir ce que fait actuellement le produit. Une boîte de réception partagée apporte un autre éclairage : les questions des clients, les problèmes qu’ils rencontrent et les résultats qu’ils cherchent à obtenir. Les canaux de l’équipe consignent les discussions, les contraintes, les engagements et les raisons des décisions.
Ces sources répondent à des questions différentes. Le code explique une implémentation. Les informations de déploiement permettent de savoir si elle est déjà accessible aux clients. Les échanges avec les clients révèlent leur expérience. Les discussions internes expliquent pourquoi l’équipe a choisi une approche particulière.
L’agent a besoin d’une carte de ces sources : ce que chacune contient, les questions auxquelles elle peut répondre, qui la tient à jour et son degré d’actualité. Cette carte fournit le contexte initial nécessaire à une collaboration utile.
L’agent doit aussi repérer les désaccords entre sources. Un message peut annoncer une version prévue alors que les données de déploiement montrent qu’elle n’est pas encore disponible. Un document peut décrire une ancienne version du produit. Rendre ces écarts visibles aide l’équipe à partir d’une représentation exacte de la situation.
Figure 1. Le code, les conversations avec les clients et les discussions de l’équipe apportent des perspectives différentes. L’agent relie les éléments probants dans le respect des autorisations de chaque personne et crée des supports utilisables par l’équipe.
2. Gérer les autorisations de l’agent IA dans les systèmes sources
Le contexte partagé reste soumis à des limites d’accès. Les membres de l’équipe ont des responsabilités différentes, et les informations auxquelles chacun peut accéder doivent correspondre à ces responsabilités.
Les autorisations relèvent des systèmes qui stockent et récupèrent le contexte. Le système de gestion des identités de l’organisation, les applications sources et le stockage de la mémoire doivent déterminer qui peut accéder aux informations. L’agent agit dans ces limites sans décider lui-même du niveau d’accès d’une personne.
Les agents partagés pour les équipes d’Okou appliquent cette séparation : les équipes peuvent partager des instructions et des processus, tandis que chaque personne les exécute via ses propres comptes connectés.
Cette distinction est importante lorsque le contexte change de format. Une synthèse issue d’une conversation à accès restreint doit conserver les restrictions pertinentes. Enregistrer des informations en mémoire ou les intégrer à un support visuel doit également préserver leurs conditions d’accès.
Le contexte personnel nécessite lui aussi un périmètre clair. Les notes privées, les préférences et les conversations d’une personne doivent lui rester associées, sauf si elle les partage délibérément par un processus autorisé.
Une équipe peut donc partager un objectif tout en donnant à ses membres accès à des informations différentes. Le rôle de l’agent est d’aider chacun à contribuer avec le contexte dont il dispose. Lorsque des éléments pertinents sont inaccessibles, il doit préciser quelles parties de sa compréhension restent non vérifiées.
3. Utiliser les agents IA pour construire une compréhension commune
Une fois que l’agent peut consulter les bonnes sources, il peut aider les personnes à comprendre leur rapport avec le travail à accomplir.
L’attention humaine et la mémoire de travail sont limitées. Les personnes suivent des conversations différentes et interprètent une même situation de diverses façons. L’équipe technique connaît les contraintes d’implémentation. Le support repère les difficultés récurrentes des clients. L’équipe produit se souvient des arbitrages ayant motivé les décisions antérieures.
Un agent peut relier ces perspectives et en expliquer les implications.
Imaginons que des clients aient du mal à inviter des collègues dans un produit. La boîte de réception partagée contient les descriptions du problème. Le code et l’historique des versions permettent de vérifier le fonctionnement actuel des invitations. Un canal de l’équipe contient le raisonnement à l’origine d’une règle d’éligibilité.
L’agent peut réunir ces éléments pour expliquer de façon cohérente ce que vivent les clients, comment fonctionne le produit et quelles décisions ont façonné ce fonctionnement. Il peut ensuite adapter l’explication à chaque public.
L’équipe technique a besoin d’étapes de reproduction et d’éléments confirmant le comportement concerné. Le support a besoin d’une explication exacte et, le cas échéant, d’une solution de contournement vérifiée. L’équipe produit doit comprendre l’impact sur les clients et les choix possibles. Chaque présentation doit rester fondée sur les mêmes faits.
Une grande partie de la coordination consiste à préserver la continuité entre les conversations, à révéler les dépendances et à identifier des hypothèses dont les participants n’ont pas toujours conscience.
Lorsque la discussion se déroule dans Slack, un agent qui intervient dans le même fil peut garder la demande, les éléments probants et le suivi accessibles aux participants.
L’agent doit maintenir une distinction entre observations, interprétations et décisions. Des plaintes similaires peuvent suggérer une tendance alors que la cause reste à étudier. Une solution proposée peut être prometteuse alors que son impact demeure incertain. Rendre ces distinctions visibles aide l’équipe à choisir sa prochaine action.
4. Permettre aux personnes de se concentrer sur les objectifs et les relations
À mesure que les agents prennent en charge davantage de collecte et d’explication du contexte, les personnes peuvent consacrer plus d’attention à l’orientation, au jugement et aux relations.
Ce sont les personnes qui déterminent les résultats importants. Elles arbitrent entre des priorités concurrentes, prennent des engagements et construisent la confiance avec leurs collègues et leurs clients. Elles connaissent aussi des circonstances qui n’ont peut-être jamais été documentées : une relation client délicate, un accord informel ou une inquiétude encore mal formulée.
Un agent peut les préparer à ces décisions. Avant une discussion, il peut rassembler l’historique pertinent, identifier les questions non résolues et expliquer les conséquences de chaque option. Pendant le travail, il peut signaler des changements qui affectent un engagement ou révèlent une dépendance.
La quantité d’informations présentée doit correspondre à la conversation. Un appel client peut nécessiter un résumé concis du problème et des engagements déjà pris. Une revue technique peut demander des détails d’implémentation et des preuves de reproduction. Une discussion avec la direction peut porter sur les conséquences pour l’entreprise et les décisions à prendre.
Une bonne gestion du contexte réduit l’effort nécessaire pour se comprendre. Les personnes doivent pouvoir aborder une conversation avec suffisamment de repères communs pour consacrer leur temps aux sujets importants.
5. Rendre les décisions et les passages de relais visuels
Des supports concrets donnent à l’équipe quelque chose qu’elle peut examiner, discuter et modifier.
Le format doit répondre au problème de communication. Un schéma de processus peut révéler une dépendance mal comprise. Une capture d’écran annotée peut montrer où les clients rencontrent une difficulté. Un tableau comparatif peut clarifier les conséquences de plusieurs options. Une chronologie peut montrer comment l’engagement d’une équipe affecte le travail d’une autre.
Pour le problème d’invitation, un parcours client annoté pourrait présenter les étapes actuelles, le point de confusion, les témoignages qui l’étayent et le changement proposé. Le fonctionnement actuel, le fonctionnement envisagé et les questions ouvertes doivent être clairement identifiés.
Ce support peut nourrir plusieurs discussions. Le support peut vérifier qu’il reflète l’expérience client. L’équipe technique peut confirmer le fonctionnement du produit. L’équipe produit peut évaluer si le changement proposé répond au problème de fond.
Les supports de décision doivent conserver le raisonnement qui a conduit au résultat. Une comparaison utile peut présenter les options étudiées, les contraintes déterminantes, les hypothèses de chaque option et la raison du choix final.
Les passages de relais bénéficient de la même clarté. La personne qui reprend le travail doit pouvoir voir ce qui a été terminé, ce qui a été vérifié, ce qui reste ouvert, où se trouvent les éléments de référence et quelle action est attendue ensuite.
L’agent peut maintenir ces supports en accord avec les éléments qui les fondent à mesure que le travail évolue.
6. Entretenir la mémoire et le contexte des agents IA
Le contexte perd de sa valeur lorsque son statut et son actualité deviennent flous.
Les produits évoluent, les priorités changent et les décisions sont révisées. Une solution provisoire peut continuer à circuler après la résolution du problème initial. Une proposition peut progressivement être traitée comme une décision approuvée. Une synthèse exacte peut devenir trompeuse lorsque les circonstances changent.
Un système de contexte utile doit distinguer les faits, les hypothèses, les propositions, les décisions et les archives. Chacun exige un entretien différent. Les faits doivent être actualisés lorsque les conditions changent. Les hypothèses doivent être validées. Les propositions doivent avoir un statut visible. Les décisions doivent conserver leur justification et leurs révisions ultérieures.
L’entretien régulier doit regrouper les doublons, signaler les contradictions, actualiser les synthèses en usage et archiver les documents qui ne guident plus le travail actuel. Les éléments historiques doivent rester accessibles, et les consignes remplacées doivent être clairement indiquées.
L’entretien doit aussi répondre aux événements importants. Une nouvelle version peut rendre les instructions produit obsolètes. Un objectif révisé peut changer les informations pertinentes. Une nouvelle décision peut remplacer un ancien plan. Les changements de droits d’accès aux sources doivent être répercutés dans le stockage et la récupération du contexte qui en est dérivé.
Les membres de l’équipe ont besoin d’un moyen simple de corriger la compréhension de l’agent. Ils doivent pouvoir signaler une affirmation dépassée, indiquer une source faisant autorité ou préciser qu’une discussion n’a jamais abouti à une décision. Ces corrections doivent influencer le travail futur dans le périmètre personnel ou partagé approprié.
Figure 2. Les personnes fixent les objectifs. Les agents trouvent, relient et expliquent le contexte, puis l’actualisent lorsque le travail évolue. Les liens vers les sources et l’historique des décisions restent disponibles.
7. Commencer à petite échelle et évaluer la collaboration avec l’IA
Une mise en œuvre pratique peut commencer par un projet et un problème de communication récurrent.
Pour trouver un point de départ concret, consultez les exemples de processus avec l’IA et choisissez-en un avec des informations d’entrée claires et un résultat que l’équipe peut examiner.
Un passage de relais du support à l’équipe technique constitue un bon exemple. L’équipe peut identifier la boîte de réception, le dépôt de code, les informations de version et le canal de discussion pertinents. Elle peut ensuite définir un livrable précis : une fiche de problème avec les éléments clients, le fonctionnement vérifié du produit, les questions ouvertes et un processus annoté.
La première évaluation porte sur l’exactitude de la représentation de la situation. L’agent retrouve-t-il les éléments pertinents ? Distingue-t-il le fonctionnement actuel des changements prévus ? Préserve-t-il l’incertitude ? Chaque participant peut-il comprendre ce dont les autres ont besoin ?
L’équipe peut ensuite évaluer si la collaboration s’améliore. Répète-t-on moins souvent les informations de contexte ? Les passages de relais demandent-ils moins d’allers-retours pour clarifier les choses ? Une personne qui rejoint le travail comprend-elle pourquoi une décision a été prise ? Les hypothèses dépassées sont-elles détectées avant d’affecter les engagements envers les clients ?
Les retours issus de ces interactions doivent améliorer la carte des sources, la manière d’assembler le contexte et les supports produits par l’agent. Des responsabilités plus larges peuvent suivre lorsque ces bases deviennent fiables.
La valeur apparaît dans le travail quotidien : un ingénieur comprend l’impact client avant d’enquêter ; le support peut expliquer le produit avec exactitude ; un nouveau participant peut suivre le raisonnement derrière une décision. Les personnes disposent du contexte nécessaire et peuvent consacrer davantage d’attention au choix des objectifs, aux engagements et aux relations qui permettent à l’équipe d’obtenir des résultats.
Questions fréquentes
Quelle est la différence entre le contexte et la mémoire d’un agent IA ?
Le contexte désigne les informations dont dispose le modèle pour sa réponse ou son action actuelle. La mémoire conserve des informations pour plus tard, éventuellement d’une session à l’autre. Une décision enregistrée entre dans le contexte actif lorsqu’elle est récupérée. Les deux exigent des références aux sources, un périmètre clair et une vérification de l’actualité des informations.
En quoi la gestion du contexte des agents IA diffère-t-elle du RAG ?
La génération augmentée par récupération (RAG) recherche des informations pour étayer la réponse d’un modèle. La gestion du contexte couvre plus largement la sélection des instructions, de l’historique des échanges, des résultats d’outils et des informations récupérées pour chaque tâche. Elle englobe aussi leur actualité et leur conservation, dans les limites d’accès imposées. Le RAG peut en être une composante.
Que se passe-t-il quand la fenêtre de contexte d’un agent IA est pleine ?
Selon le système, une requête peut échouer, des contenus anciens peuvent être supprimés ou la conversation peut être condensée en une synthèse. Conservez l’objectif, les décisions confirmées, les questions ouvertes et les liens vers les sources dans une note de travail concise. Récupérez les éléments détaillés au besoin et vérifiez que la synthèse n’a omis aucune contrainte importante.
Les agents IA peuvent-ils partager du contexte sans partager les autorisations de tout le monde ?
Oui, si les applications sources, le système d’identité et la couche de stockage font respecter les accès. Des instructions communes ne donnent pas accès aux comptes connectés d’une autre personne. Une synthèse ou un passage de relais doit conserver les restrictions de ses sources. Le système doit vérifier à nouveau les droits lorsque les informations sont récupérées ou partagées.
Que doit contenir un passage de relais préparé par un agent IA ?
Incluez l’objectif, l’état actuel, les constats vérifiés, les liens vers les sources, les décisions et leur justification, les questions ouvertes, puis la prochaine action et son responsable. Signalez explicitement les hypothèses et les propositions. Pour un problème client, distinguez le comportement observé en production d’un correctif prévu ou encore en attente de déploiement.
À quelle fréquence faut-il actualiser le contexte d’un agent IA ?
Actualisez le contexte actif lorsqu’une version du produit, une information client, une décision ou un changement d’accès le concerne. Avant une action importante, revérifiez les faits susceptibles d’avoir changé. Adaptez la fréquence des revues à celle des changements de la source, signalez les consignes remplacées et gardez les éléments historiques accessibles aux personnes autorisées.
Comment mesurer l’effet de la gestion du contexte sur la collaboration ?
Choisissez un processus récurrent et établissez une mesure de départ. Comparez, pour des tâches similaires, le temps consacré à reconstituer les faits, les échanges de clarification par passage de relais et les corrections factuelles. Vérifiez aussi les sources citées, le respect des accès et la préservation des incertitudes. Gagner du temps n’est utile que si le résultat reste exact.
