Qu’est-ce que l’ingénierie de contexte ?
Un modèle d’IA en sait beaucoup sur le monde et rien sur votre entreprise. Chaque réponse utile dépend du contexte qu’on lui fournit : quelles données, quelles définitions, quelles règles et quels outils.
Le prompt engineering porte sur la façon de demander. L’ingénierie de contexte porte sur ce que le modèle sait quand il répond. Pour le travail en entreprise, c’est généralement le second qui compte le plus.
Comment fonctionne l’ingénierie de contexte ?
- Instructions. The system prompt, the standing instructions a model gets before any question, plus examples of good answers when the task needs them. Giving examples is called few-shot prompting, and giving none is zero-shot.
- Définitions. Ce que signifie chaque métrique et comment elle est calculée, pour que le modèle applique les calculs de l’entreprise.
- Data. The current, relevant records for the question, retrieved from trusted sources.
- Règles. Les politiques et les garde-fous, comme les chartes de marque ou ce qui doit être soumis à une personne pour validation.
- Outils. Les actions que le modèle est autorisé à effectuer, et les droits avec lesquels elles s’exécutent.
- Limites. Uniquement ce dont la tâche a besoin, car un contexte superflu peut dégrader les réponses.
Quel est un exemple d’ingénierie de contexte ?
Deux réponses à la même question sur le ROAS
Asked for ROAS by channel, an assistant with no business context picks its own formula and its own date range. The answer looks confident and matches no report in the company.
Avec la définition du ROAS de l’entreprise, sa taxonomie des canaux et son calendrier fiscal, le même assistant renvoie le chiffre que la finance calculerait. Seul le contexte a changé.
Ingénierie de contexte vs. prompt engineering vs. fine-tuning
| Prompt engineering | Ingénierie de contexte | Fine-tuning | |
|---|---|---|---|
| Ce que cela modifie | La formulation de la demande | Ce que le modèle sait au moment de répondre | Les poids du modèle |
| Mise à jour quand les données changent | Non | Oui, à chaque requête | Seulement après réentraînement |
| Idéal pour | Ton et format | Des réponses métier exactes et à jour | Un style ou des tâches spécialisés |
Pourquoi l’ingénierie de contexte est-elle importante ?
La plupart des mauvaises réponses de l’IA en entreprise ne viennent pas du modèle. Le modèle disposait de mauvaises données, d’une définition obsolète ou d’aucune définition. Bien régler le contexte est le moyen le plus direct d’obtenir des réponses d’IA qui tiennent la route.
Comment Alli s’y prend-il ?
Alli Semantic Layer, qui fait partie d’Alli by PMG, est l’endroit où la logique métier du marketing est définie une seule fois : des définitions de KPI partagées, une nomenclature harmonisée sur chaque plateforme et chaque région, et un dictionnaire de données commun. Chaque équipe, chaque outil et chaque agent IA d’Alli s’appuie sur ces définitions, pour que l’IA reste ancrée dans la logique sur laquelle les équipes se sont déjà accordées.
Alli Data fournit en dessous les données gouvernées et à jour, et les skills d’Alli4u réunissent les instructions et les outils dont un assistant a besoin pour une tâche précise.
Découvrir Alli Semantic LayerFAQ sur l’ingénierie de contexte
En quoi l’ingénierie de contexte diffère-t-elle du prompt engineering ?
Le prompt engineering travaille la formulation d’une demande. L’ingénierie de contexte détermine les informations, les définitions, les règles et les outils dont dispose le modèle quand il répond, ce qui compte généralement davantage pour l’exactitude métier.
Le RAG est-il une forme d’ingénierie de contexte ?
Oui. La Retrieval-Augmented Generation récupère des documents ou des données pertinents et les ajoute au contexte du modèle. L’ingénierie de contexte couvre aussi les définitions, les règles et les outils.
Trop de contexte peut-il nuire aux réponses de l’IA ?
Oui. Des informations superflues et hors sujet peuvent distraire un modèle et rendre ses réponses moins exactes. Un bon contexte se limite à ce dont la tâche a besoin.
Comment une couche sémantique aide-t-elle l’IA ?
Elle donne à l’IA les définitions de métriques et la nomenclature propres à l’entreprise, pour que le modèle calcule les chiffres comme l’entreprise le fait au lieu de deviner.
What is a context window?
It's how much a model can take in at once, measured in tokens. It covers the instructions, the conversation, and any retrieved data. Windows have grown large, but models still tend to use what's at the start and end of a long context better than what's in the middle. So a bigger window doesn't remove the need to choose what goes in.
Last updated Back to the glossary
