En bref : l’écart entre les personnes qui obtiennent de bons résultats des outils d’IA et celles qui obtiennent des résultats génériques ne tient pas d’abord au talent de rédaction des consignes. Il tient au contexte permanent. Le Pew Research Center a constaté, dans une enquête menée auprès de 5 119 adultes américains du 17 au 23 février 2026, que 49% des adultes américains utilisent désormais des agents conversationnels, contre 33% en 2024, et que 38% des personnes en emploi les utilisent pour des tâches professionnelles. La quasi-totalité d’entre elles repart de zéro à chaque session. Le remède est un document unique, rédigé une fois, collé ou chargé dans la couche de paramètres de l’outil que vous utilisez. La structure n’est pas une devinette : le guide d’ingénierie de consignes d’OpenAI décrit un message développeur composé d’Identité, Instructions, Exemples et Contexte ; le guide officiel de Google pour les Gems personnalisés indique Persona, Tâche, Contexte et Format ; la documentation Claude Code d’Anthropic présente CLAUDE.md comme l’endroit où écrire “ce que vous auriez sinon à réexpliquer”, en visant moins de 200 lignes. Trois fournisseurs, trois gammes de produits, un seul squelette. Ci-dessous : le tableau de convergence, les limites de taille publiées, un fichier de contexte en sept blocs avec un budget de trente minutes qui tombe juste, l’emplacement du fichier dans chaque outil et les quatre catégories à exclure.
Il existe une expérience précise et légèrement agaçante que fait presque toute personne utilisant sérieusement des outils d’IA. Un collègue vous montre son résultat. Il est plus net que le vôtre. Vous demandez ce qu’il a tapé. Il vous montre la consigne, et elle est moins bonne que la vôtre. Plus courte, plus vague, moins soignée.
La consigne n’était pas la variable. Ce que le modèle savait déjà de lui, si.
La variable manquante est le contexte permanent, pas la formulation
Toute conversation avec un modèle de langage commence dans un état de départ défini. Tout ce que l’outil a appris sur vous avant votre premier message fait partie de cet état. Tout ce qu’il ignore est absent, et le modèle comble l’absence de la seule façon possible : par la moyenne statistique de tout le monde.
C’est pourquoi une entrée générique produit une sortie générique. Le modèle n’est pas paresseux. On lui demande d’écrire pour un lecteur qu’il n’a jamais rencontré, dans une voix qu’il n’a jamais entendue, sur un travail qu’il ne peut pas voir.
La documentation d’Anthropic sur les consignes résume la situation en une phrase à retenir : considérez le modèle comme une nouvelle recrue brillante qui n’a aucun contexte sur vos normes et vos méthodes de travail. La même page propose ce qu’elle appelle la règle d’or : montrez votre consigne à un collègue disposant d’un contexte minimal sur la tâche et demandez-lui de l’exécuter. S’il est perdu, le modèle le sera aussi.
Observez ce que ce test évalue réellement. Ce n’est pas votre consigne. C’est la quantité de contexte partagé que vous présupposez. Une nouvelle recrue brillante n’a pas besoin de meilleures instructions au trentième jour qu’au premier. Elle a besoin des trente jours.
Le fichier de contexte, ce sont ces trente jours comprimés en trente minutes.
Le Model Spec d’OpenAI, document public décrivant le comportement attendu du modèle, contient une illustration remarquablement nette du mécanisme. Dans un exemple, un utilisateur demande qui figure dans l’effectif “des Giants”. Sans contexte, le comportement conforme consiste à demander de quels Giants il s’agit : le baseball à San Francisco, le football américain à New York ou les Yomiuri Giants au Japon. Avec un contexte mémoriel indiquant que l’utilisateur est supporter des Giants de San Francisco, le comportement conforme consiste à répondre directement. Même question, même modèle, état de départ différent, qualité d’expérience différente. Multipliez cela par chaque terme ambigu de votre vocabulaire professionnel et vous tenez l’argument entier.
Trois fournisseurs ont convergé indépendamment vers le même squelette
Voici ce que la plupart des discussions manquent. La structure d’un bon document de contexte n’est pas une question ouverte que chacun devrait résoudre de zéro. Trois grands fournisseurs publient des recommandations à ce sujet, dans trois produits différents, et ces recommandations se recoupent presque entièrement.
Tableau 1. Recommandations vérifiées des fournisseurs sur la structuration du contexte permanent (documentation officielle OpenAI, Google et Anthropic, consultée en août 2026)
| Fournisseur et document | Structure nommée | Précision notable |
|---|---|---|
| OpenAI, guide d’ingénierie de consignes, message développeur | Identité, Instructions, Exemples, Contexte | Le contexte “est généralement mieux placé vers la fin de votre consigne” ; le paramètre instructions prime sur la consigne utilisateur |
| Google, aide Gemini Apps, conseils pour créer des Gems personnalisés | Persona, Tâche, Contexte, Format | “Vous n’avez pas besoin d’utiliser les quatre, mais en utiliser quelques-uns aidera” ; des fichiers peuvent être téléversés pour donner davantage de contexte à un Gem |
| Anthropic, documentation Claude Code, CLAUDE.md | Pas de schéma fixe en quatre parties ; décrit comme l’endroit où consigner ce que l’on aurait sinon à réexpliquer | Chargé dans le contexte au début de chaque session ; cible de moins de 200 lignes ; la précision l’emporte sur le vague (“utiliser une indentation de 2 espaces” plutôt que “formater le code correctement”) |
Alignez les colonnes et le squelette commun saute aux yeux. L’Identité d’OpenAI est le Persona de Google. Les Instructions d’OpenAI sont la Tâche plus le Format de Google. Les deux nomment le Contexte comme bloc distinct. Anthropic n’impose pas de schéma, mais ses recommandations pratiques désignent le même contenu : conventions, commandes, organisation et règles du type “toujours faire X”.
Cette convergence est le résultat utile. Quand trois entreprises aux produits, aux incitations et aux équipes de documentation différents aboutissent aux mêmes quatre catégories, ces catégories ne sont probablement pas arbitraires.
Tableau 2. Limites et mécanismes publiés vérifiés pour les fichiers de contexte permanent (Anthropic, documentation Claude Code, consultée en août 2026)
| Mécanisme | Spécification publiée |
|---|---|
| Taille recommandée d’un fichier d’instructions de projet | Moins de 200 lignes ; “les fichiers plus longs consomment plus de contexte et réduisent le respect des consignes” |
| Comportement strict lié à la taille | Un fichier jusqu’à 4 Mio est chargé intégralement ; au-delà, il est entièrement ignoré |
| Chargement de l’index de mémoire automatique | Les 200 premières lignes ou les 25 premiers Ko de l’index, selon ce qui vient en premier |
| Profondeur d’import des fichiers référencés | Les imports @chemin se résolvent récursivement jusqu’à quatre niveaux maximum |
| Ordre des portées, du plus large au plus étroit | Politique gérée, puis utilisateur, puis projet, puis local ; toutes concaténées plutôt que substituées |
| Statut contraignant | Les instructions sont du contexte, pas une configuration imposée ; “il n’y a aucune garantie de respect strict” |
Deux de ces points méritent qu’on s’y arrête, car ils renversent l’intuition la plus répandue.
Le premier : plus long est moins bon. La documentation est explicite, un fichier plus long réduit le respect des consignes. Ce n’est pas une contrainte de stockage mais une contrainte d’attention, et elle vaut autant pour un bloc de contexte collé dans une fenêtre de conversation que pour un fichier sur disque. La tentation, une fois admis que le contexte aide, est d’écrire quatre pages. Quatre pages feront moins bien qu’une demi-page.
Le second : rien de tout cela n’est contraignant. La documentation le dit directement, les instructions sont du contexte, pas une configuration imposée. Un fichier de contexte rend un bon résultat beaucoup plus probable. Il ne rend pas un mauvais résultat impossible. Cette distinction détermine le degré de confiance à lui accorder, sujet traité dans le calibrage de la confiance et le moment où se fier à une recommandation d’IA.
Le fichier de contexte : sept blocs, trente minutes
Voici le cadre original. Il reprend les quatre catégories sur lesquelles les fournisseurs s’accordent, ajoute les trois dont le travail professionnel a besoin et que la conversation grand public ignore, et attribue à chacune un budget temps. Le budget est volontairement serré, car le mode d’échec de cet exercice n’est pas d’écrire trop peu. C’est de passer un après-midi sur un document que vous ne mettrez jamais à jour.
Tableau 3. Le fichier de contexte : sept blocs avec budget temps et longueur cible (cadre éditorial CEOtudent)
| # | Bloc | Question à laquelle il répond | Minutes | Longueur cible |
|---|---|---|---|---|
| 1 | Identité | Qui suis-je, quel est mon rôle, de quelle organisation ou pratique je relève ? | 4 | 3-5 lignes |
| 2 | Destinataire | Qui lit ou reçoit ce que je produis, et que sait-il déjà ? | 4 | 3-5 lignes |
| 3 | Standards | À quoi ressemble un bon résultat, et quels schémas sont proscrits ? | 6 | 6-10 lignes |
| 4 | Travail en cours | Sur quoi je travaille actuellement, avec quelles priorités et échéances ? | 5 | 4-8 lignes |
| 5 | Contraintes | Qu’est-ce qui est hors limites : matériel confidentiel, outils interdits, affirmations impossibles ? | 4 | 3-6 lignes |
| 6 | Vocabulaire | Quels termes, noms et orthographes le modèle se trompe-t-il régulièrement dans mon domaine ? | 4 | 5-10 lignes |
| 7 | Renvoi aux exemples | Où se trouvent deux échantillons de mon travail réellement bon ? | 3 | 2-3 lignes |
| Total | 30 | 26-47 lignes |
Le total fait trente minutes et le fichier reste confortablement sous la recommandation de 200 lignes du tableau 2, avec de la marge.
Quelques remarques sur les blocs que l’on rate le plus souvent.
Le bloc 3, Standards, reçoit le budget le plus élevé pour une raison. C’est le seul bloc qui encode le goût, et le goût est précisément ce qu’un modèle ne peut pas déduire. Rédigez-le sous forme de règles concrètes, en suivant le principe de précision des fournisseurs : non pas “écrire clairement” mais “ne jamais ouvrir sur une question rhétorique”, “aucune liste de plus de cinq points”, “définir un sigle à sa première occurrence et jamais ensuite”. Chaque règle doit être vérifiable par quelqu’un qui ne lit pas dans vos pensées.
Le bloc 6, Vocabulaire, offre le meilleur rendement par minute et presque personne ne l’écrit. Chaque métier a des termes que le modèle emploiera de travers avec assurance : un nom de produit interne qui entre en collision avec un mot courant, un terme réglementaire qui signifie autre chose dans votre juridiction, un sigle à trois développements. En lister dix avec une définition d’une ligne supprime toute une catégorie d’erreurs assurées. C’est le bloc qui rentabilise les six autres.
Le bloc 7, Renvoi aux exemples, exploite le levier le mieux documenté. Le guide d’OpenAI comme celui de Google traitent les exemples comme un élément de premier rang. Deux échantillons réels de votre bon travail enseigneront la voix plus efficacement que tous les adjectifs sur la voix. Si votre outil accepte les pièces jointes, joignez-les. Sinon, collez un court extrait.
Le bloc 4, Travail en cours, est celui qui a une date de péremption. Tout le reste reste stable pendant des mois. Celui-ci vieillit en quelques semaines, d’où l’intérêt qu’il soit court, daté, et le premier endroit à regarder quand les résultats commencent à sonner faux.
Où le fichier va réellement
Le document est portable. L’emplacement, non.
Tableau 4. Supports de persistance vérifiés pour le contexte permanent (documentation officielle des fournisseurs, consultée en août 2026)
| Support | Mécanisme documenté | Comportement de persistance |
|---|---|---|
| Claude Code | CLAUDE.md en portée gérée, utilisateur (~/.claude/CLAUDE.md), projet (./CLAUDE.md) ou locale (./CLAUDE.local.md) |
Chargé dans le contexte au début de chaque session ; tous les fichiers trouvés sont concaténés selon l’ordre des portées |
| Claude, fonction mémoire | Mémoire lancée le 11 septembre 2025 pour Team et Enterprise, étendue à Pro et Max le 23 octobre 2025 | La mémoire est cloisonnée par projet ; le résumé est consultable et modifiable dans les paramètres ; les conversations en navigation privée sont exclues |
| Google Gemini, Gems personnalisés | Instructions de Gem rédigées sur gemini.google.com sous Explore Gems, plus fichiers téléversés pour du contexte supplémentaire | S’applique aux conversations avec ce Gem ; Google précise que la fenêtre d’aperçu n’enregistre pas un Gem, il faut cliquer sur Enregistrer |
| API OpenAI, message développeur | Paramètre instructions ou message de rôle développeur |
S’applique à cette requête ; le paramètre instructions prime sur la consigne utilisateur |
| Tout outil de conversation sans couche de paramètres | Coller le fichier comme premier message de la session de travail | Ne persiste que pour cette conversation |
La dernière ligne est la plus importante pour la plupart des lecteurs, et il faut le dire clairement : vous n’avez pas besoin d’un outil doté d’une fonction mémoire pour que cela fonctionne. Un fichier de contexte collé en premier message capte l’essentiel du bénéfice. La couche de paramètres vous épargne seulement le collage.
Une autre note tirée de la documentation, car elle évite un travail en double : l’écosystème converge vers un fichier commun. Claude Code lit CLAUDE.md et non AGENTS.md, mais la documentation donne une recette d’interopérabilité explicite : importer AGENTS.md par une ligne @AGENTS.md, ou créer un lien symbolique de l’un vers l’autre, afin que plusieurs agents lisent une source unique. Écrivez le fichier une fois. Faites tout pointer dessus.
Les quatre choses à laisser de côté
Un fichier de contexte échoue de manière prévisible, et trois des quatre échecs sont des éléments qu’on y met et qui n’y ont pas leur place.
Rien de confidentiel dont vous ne voudriez pas la reproduction. C’est la règle stricte. Un fichier de contexte permanent est chargé dans chaque session par conception, ce qui signifie qu’il peut être cité dans chaque sortie. Noms de clients, chiffres non publiés, données personnelles appartenant à autrui : rien de tout cela n’a sa place dans un fichier dont la finalité même est la répétition. La documentation fournit ici un signal utile : Anthropic propose un mode privé précisément pour que les conversations sensibles restent hors mémoire. Si une catégorie d’information nécessite un mode privé, elle n’a pas sa place dans un fichier permanent.
Rien que l’outil voit déjà. La documentation d’Anthropic sur la mémoire automatique note que le système ignore ce qu’il peut déduire du code, comme l’architecture ou les chemins de fichiers. Le principe se généralise. Si l’information figure dans le document que vous allez joindre, ne la répétez pas dans votre contexte permanent. Vous dépensez du budget d’attention pour dire au modèle une chose qu’il va lire de toute façon.
Pas de procédures. Un fichier de contexte décrit une situation durable, pas un flux de travail. Les procédures en plusieurs étapes propres à un type de tâche relèvent d’une consigne enregistrée, d’un modèle ou d’une capacité spécifique à l’outil, chargée au besoin. Les mettre dans le contexte permanent revient à les payer dans chaque conversation sans rapport. Les recommandations des fournisseurs opèrent la même distinction explicitement.
Pas de contradictions. C’est le tueur silencieux. La documentation avertit que si deux règles se contredisent, le modèle peut en choisir une arbitrairement. Les fichiers accumulent les contradictions comme les tiroirs accumulent les câbles : une règle écrite en mars, une règle opposée écrite en juillet, les deux toujours présentes. Relire le fichier en entier à chaque ajout prend deux minutes et prévient le mode d’échec le plus déroutant qui soit, celui d’un fichier produisant des résultats incohérents sans raison visible.
Entretien : la règle des deux déclencheurs
Le mode d’échec de cet artefact n’est pas d’être mal écrit. C’est d’être écrit une fois puis abandonné pendant que le travail avance.
La documentation d’Anthropic propose un déclencheur d’entretien qui se transpose proprement hors du logiciel : complétez le fichier quand le modèle commet la même erreur une deuxième fois, quand vous tapez la même correction que la session précédente, ou quand un nouveau collègue aurait besoin du même contexte pour être productif.
Ramené à une règle que vous appliquerez vraiment : écrivez-le la deuxième fois que vous le dites. La première correction est un cas isolé. La deuxième est une ligne manquante dans votre fichier de contexte. Ce seul déclencheur, appliqué honnêtement, maintient le fichier à jour sans aucune maintenance planifiée.
Le second déclencheur est daté. Le bloc 4, Travail en cours, expire. Regardez-le à chaque changement de mois, ou dès que les résultats semblent légèrement hors sujet sans que vous sachiez dire pourquoi. Neuf fois sur dix, le fichier décrit un projet que vous avez terminé.
La lecture PDG et la lecture étudiante
La moitié PDG relève de la discipline de délégation. Aucun dirigeant compétent ne briefe une nouvelle recrue en criant la tâche à travers la pièce en espérant que ça passe. Il transmet un dossier de contexte : qui nous sommes, qui nous servons, à quoi ressemble le bon travail, ce qui est interdit, ce sur quoi nous travaillons. Le fichier de contexte est le même artefact pour un collaborateur non humain, et la raison de l’écrire est la même : l’alternative est de réexpliquer indéfiniment.
La moitié étudiante est moins évidente et plus précieuse. Écrire ce document vous oblige à formuler des standards que vous n’avez jamais énoncés. La plupart des professionnels ne savent pas répondre à “à quoi ressemble un bon résultat dans votre rôle” en six lignes concrètes et vérifiables. L’essayer est un véritable exercice de connaissance de soi, et la difficulté du bloc 3 est diagnostique : si vous peinez à écrire vos propres standards, le problème ne vient pas de l’exercice.
Une discipline connexe mérite d’être nommée. Ce document est la plus petite porte d’entrée possible vers ce qu’est l’ingénierie du contexte et pourquoi elle remplace l’ingénierie des consignes. Pour la carte de compétences plus large, l’ingénierie des consignes ne suffit pas et la pile de compétences en IA situe le sujet. Et lorsque vous passez des consignes ponctuelles aux instructions permanentes pour un travail autonome, comment déléguer à un agent d’IA avec un cadre de briefing et la littératie des agents et les sept concepts à maîtriser avant de leur déléguer sont les deux étapes suivantes.
Questions fréquentes
Au bout de combien de temps verrai-je une différence ?
Immédiatement, dès la première session après le chargement, et surtout sur les tâches à style maison : courriels, synthèses, brouillons dans votre voix. L’effet est maximal là où le modèle devait auparavant deviner le destinataire et le ton.
Un seul fichier suffit-il, ou en faut-il un par projet ?
Commencez par un seul. La documentation montre les deux modèles coexistant : un fichier large au niveau utilisateur plus des fichiers plus étroits au niveau projet, concaténés plutôt que substitués. Ne scindez que lorsque vous repérez une règle vraie pour un projet et fausse pour un autre.
Cela fonctionne-t-il sur les versions gratuites de ces outils ?
Le fichier fonctionne partout où vous pouvez taper. Les paramètres persistants et les fonctions mémoire varient selon l’offre et le produit, mais coller le fichier de contexte en premier message ne requiert aucune fonction payante.
Dois-je laisser l’IA rédiger mon fichier de contexte ?
Elle peut ébaucher la structure. Elle ne peut pas fournir le contenu, car le contenu est précisément ce qu’elle ignore. Une voie médiane pratique : répondez aux sept questions en notes brutes et faites-les condenser par le modèle selon la précision recommandée.
Un fichier plus long donne-t-il de meilleurs résultats ?
Non, et c’est l’erreur la plus fréquente. La recommandation publiée vise moins de 200 lignes et indique directement que les fichiers plus longs réduisent le respect des consignes. La longueur est un coût payé à chaque session.
Y a-t-il un risque à conserver un fichier permanent ?
Oui, le risque de confidentialité évoqué plus haut. Le contexte permanent est conçu pour être chargé à chaque fois, il ne doit donc rien contenir que vous ne voudriez pas voir cité ou reproduit dans un résultat partagé.
Sources
OpenAI, guide d’ingénierie de consignes, documentation API, consulté en août 2026.
OpenAI, Model Spec, version datée du 11 avril 2025.
Google, aide Gemini Apps, conseils pour créer des Gems personnalisés, consulté en août 2026.
Anthropic, documentation Claude Code, How Claude remembers your project, consulté en août 2026.
Anthropic, Prompting best practices, documentation de plateforme, consulté en août 2026.
Anthropic, annonce de la fonction mémoire, 11 septembre 2025, avec mise à jour du 23 octobre 2025.
Pew Research Center, Americans and AI 2026: chatbots, smart devices and views on impact, publié le 17 juin 2026, enquête auprès de 5 119 adultes américains menée du 17 au 23 février 2026.
Ce contenu a été compilé avec le soutien de l’IA à la suite d’une recherche approfondie, puis rédigé et préparé pour publication par l’équipe éditoriale de CEOtudent.
This post is also available in:
