> For the complete documentation index, see [llms.txt](https://weekly-essay.mikey.wang/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://weekly-essay.mikey.wang/fr/2025/w31-context-engineering-for-ai-agents.md).

# W31-Context Engineering for AI Agents

Le billet de Manus, *Context Engineering for AI Agents*, m'a donné une compréhension plus pragmatique du développement d'applications d'IA.

Je réduisais auparavant facilement ce travail à l'appel d'une API. Je comprends désormais que le véritable défi consiste à employer les méthodes traditionnelles et déterministes de l'ingénierie logicielle pour maîtriser une IA intrinsèquement incertaine. L'expérience accumulée par d'innombrables essais et erreurs constitue une barrière technique face à cette incertitude. Le code ou une démonstration produit ne permettent pas de l'évaluer facilement. Seul un échange avec des ingénieurs très expérimentés permet de vérifier l'existence d'un avantage systématique.

La compétence centrale d'un concepteur d'applications est de traduire précisément des intentions humaines floues en workflows qu'une machine peut exécuter de manière stable.

Un livre sur les systèmes complexes, *Discovered, Not Designed*, m'a aidé à mieux comprendre cet art difficile à décrire de l'orchestration déterministe qu'est le Context Engineering. Il distingue deux types de problèmes. Les difficult problems peuvent être résolus par une conception explicite avec les méthodes classiques d'ingénierie. Les hard problems sont souvent difficiles à expliquer et échappent à cette conception ; ils se résolvent par essais successifs et ajustements autonomes.

Un produit industriel comme un avion est compliqué, mais ne constitue pas un système complexe au sens du livre : il relève de la complexité explicitement conçue. Les grands modèles se rapprochent davantage des systèmes complexes ; ils sont en quelque sorte découverts. Lors de l'entraînement d'un LLM, on ne modifie pas directement ses paramètres internes : on guide ses ajustements au moyen de retours extérieurs pour obtenir les sorties souhaitées. De même, les prix de marché ne sont pas soigneusement conçus par une personne. Ils émergent des interactions et des rapports de force entre d'innombrables participants.

L'incertitude est une chance, pas une malédiction. Il faut en comprendre l'origine dans les grands modèles et classer le problème dans le bon domaine. Nous découvrons un nouveau champ d'ingénierie, encore à ses débuts, avec beaucoup de travail concret et laborieux. Nous ne devons pas rester prisonniers du déterminisme propre aux difficult problems.