Une conversation longue avec une IA finit par répondre moins bien qu’une conversation courte. Le phénomène a un nom.
Anthropic l’appelle le context rot. Plus la fenêtre contient de jetons, moins le modèle y retrouve une information avec exactitude.
Le travail qui consiste à s’en occuper porte aussi un nom. Le context engineering.
La définition, et pourquoi elle est plus large que le prompt
Anthropic la pose ainsi. L’ensemble des stratégies pour choisir et entretenir le meilleur ensemble de jetons pendant que le modèle travaille.
Le mot qui compte dans cette phrase est « entretenir ». Il ne s’agit pas d’écrire une bonne consigne une fois, mais de tenir un état dans la durée.
Le prompt engineering porte sur la façon d’écrire et d’organiser les consignes. Le context engineering porte sur l’état complet : consignes système, outils, connecteurs MCP, données externes, historique des messages.
La raison de cet élargissement est mécanique. Un agent qui tourne en boucle produit de plus en plus de données utiles au tour suivant. Il faut les trier à chaque tour.
Le contexte est une ressource finie
C’est la phrase qui change la façon de travailler. Anthropic écrit que le contexte doit être traité comme une ressource finie, à rendements marginaux décroissants.
Un jeton ajouté rapporte moins que le précédent. Il coûte aussi de la précision.
La conséquence pratique est contre-intuitive. On est tenté de tout donner au modèle, « pour qu’il ait tout le contexte ». C’est exactement le geste qui dégrade la réponse.
Les leviers, et ce qu’ils valent en entreprise
Anthropic en nomme plusieurs.
Le prompt système, et son altitude
Anthropic parle de trouver la bonne altitude. Assez précis pour guider le comportement, assez souple pour laisser au modèle de bons réflexes.
La source nomme les deux échecs. Une logique trop rigide casse au premier cas particulier. Des consignes trop vagues ne guident rien.
C’est le même problème qu’une procédure interne. Trop détaillée, personne ne la suit. Trop générale, elle ne dit rien.
Les outils
Ils doivent être autonomes, résistants à l’erreur et parfaitement clairs sur leur usage prévu.
Le modèle appelle un outil mal décrit quand il ne faut pas. Et le laisse de côté quand il faudrait.
Les exemples
Anthropic le dit avec une image. Pour un modèle de langage, les exemples sont les images qui valent mille mots.
Trois vrais exemples de sortie attendue valent une page de consignes.
La récupération juste à temps
Plutôt que de charger toutes les données d’avance, l’agent garde des identifiants légers. Des chemins de fichiers, des requêtes enregistrées, des liens.
Il charge la donnée dans le contexte au moment où il en a besoin, avec ses outils.
Anthropic pose la limite dans la même page. L’exploration à l’exécution est plus lente que la lecture d’une donnée déjà calculée.
La compaction
On prend une conversation qui approche la limite de la fenêtre. On en résume le contenu. On repart sur une nouvelle fenêtre avec ce résumé. La fenêtre de contexte de Claude Code détaille ce que la compaction garde et ce qu’elle résume.
Beaucoup le font déjà à la main. On ouvre une conversation neuve, on recolle l’essentiel, on oublie la moitié.
La prise de notes structurée
L’agent écrit régulièrement des notes, conservées en mémoire à l’extérieur de la fenêtre de contexte.
Une note écrite sur disque survit à la fin de la session. La session suivante la relit.
Les sous-agents, qui sont un levier de contexte avant d’être un levier de vitesse
Anthropic les range dans les techniques de context engineering, et c’est la bonne façon de les comprendre.
Des sous-agents spécialisés traitent des tâches ciblées avec des fenêtres de contexte vierges, pendant que l’agent principal coordonne.
Autrement dit, on ne les lance pas d’abord pour aller plus vite. On les lance pour que le fouillis de la recherche reste ailleurs que dans la fenêtre principale. Le détail du mécanisme est dans les sous-agents de Claude Code.
Ce que ça donne concrètement pour une équipe
Trois gestes, dans cet ordre.
Écrire les conventions une fois, au bon endroit. Dans Claude Code, c’est le fichier CLAUDE.md du dépôt, que chaque session charge au démarrage. Écrit une fois, il profite à tout le monde sans que personne le recolle.
Sortir ce qui est volumineux de la fenêtre. Une exploration de dépôt, un journal, un export : ça part dans un sous-agent qui rend un résumé. Le même découpage existe en bêta dans l’application Claude, avec un coordinateur qui mène plusieurs fils. Voir les projets Claude.
Arrêter de tout donner d’avance. Un identifiant que l’agent peut suivre vaut mieux qu’un fichier entier collé au cas où.
L’honnêteté que la source impose
Anthropic écrit que tout cela demande une ingénierie réfléchie et assumée. Le but est que le modèle ait les bons outils et les bons réflexes.
Ce n’est donc pas un réglage qu’on active. C’est un travail, et il se refait quand l’usage change.
C’est ce qu’on installe pendant la formation Claude Code, sur vos dépôts et vos procédures. Le CLAUDE.md de l’équipe est écrit en séance, pas livré tout fait.
La façon dont plusieurs personnes partagent ce contexte est traitée dans Claude Code en équipe.
Source relevée le 29 septembre 2026, la page Effective context engineering for AI agents d’Anthropic.