L'ingénierie du contexte en IA : Passer du simple prompt à l’IA verticalisée intégrée
- Jean-Baptiste Audrerie
- 4 août
- 5 min de lecture
Dernière mise à jour : 30 août
L’IA générative s’impose comme un levier stratégique en entreprise. Mais toutes les approches ne se valent pas.
Entre les prompts copiés-collés dans ChatGPT, les systèmes enrichis par une base de connaissances, et les solutions verticales spécialisées intégrant l’ingénierie du contexte, le niveau de maturité varie considérablement.
Voici un comparatif pour mieux comprendre les options et faire un choix éclairé.
Débutons par comprendre l'importance du contexte pour les IA Génératives.
1- Ingénierie du contexte avec les grands modèles de langage (LLM)
L’ingénierie du contexte avec les grands modèles de langage (LLM) désigne la conception, la structuration et la gestion des informations contextuelles afin d’optimiser la manière dont les modèles interprètent les requêtes et génèrent des réponses.
Il s’agit d’une discipline centrale de l’intelligence artificielle appliquée, qui permet aux modèles de produire des résultats pertinents, précis, standardisés et personnalisés, en fonction d’un cas d’usage métier ou d’un contexte utilisateur spécifique.
2- Définition de l'ingénierie du contexte ou l'art du Prompt (amorce ou invite)
L’ingénierie du contexte est le processus systématique qui consiste à sélectionner et injecter les bonnes informations dans l’entrée d’un LLM pour influencer efficacement son comportement — sans devoir réentraîner le modèle.
Cette ingénierie du contexte repose généralement sur des techniques comme le prompt engineering, la génération augmentée par la recherche (retrieval-augmented generation – RAG) ou l’orchestration d’agents intelligents. Voir notre article sur les Agents IA et un autre article sur des exemples d'Agent IA en RH.
3- Pourquoi l'ingénierie du contexte est à la source de l'intelligence
Les LLM sont sans état (stateless) : ils ne connaissent rien de votre organisation ou de votre environnement tant que vous ne leur fournissez pas les éléments nécessaires.
Chaque prompt est une page blanche. L’ingénierie du contexte comble donc le fossé entre une intelligence générique et l’exécution de tâches précises ou de compétences spécialisées.
Tableau 1 : Concepts clés de l’ingénierie du contexte
Concepts clés | Description |
Conception de prompts | Élaboration de requêtes structurées guidant le comportement et les réponses du modèle. |
Instructions système | Règles générales persistantes ou configuration d’identité pour l’assistant IA. |
Mémoire et état | Maintien de la mémoire à long terme ou à la session pour contextualiser l’utilisateur. |
Génération augmentée (RAG) | Injection dynamique de documents externes (PDF, bases de connaissances, etc.) pour enrichir les réponses. |
Embeddings et vecteurs | Représentation sémantique des connaissances pour extraire un contexte pertinent en temps réel. |
Utilisation d’outils/API | Extension du contexte via des appels à des API, bases de données ou fonctions externes. |
Gestion de la fenêtre de contexte | Optimisation de l’information transmise au modèle selon sa capacité de traitement (ex. 32 000 jetons). |
Compression de contexte | Résumé ou reformulation de contenus volumineux pour les intégrer dans la fenêtre de contexte. |
Voyons maintenant les 3 niveaux d'utilisation des IA en entreprise
1. Prompts publics et manuels : le niveau d’entrée pour tous en IA
Les plateformes ouvertes comme ChatGPT ou Claude permettent à tous d’utiliser des prompts prédéfinis, souvent partagés sur le web ou générés de manière artisanale. C’est une approche simple, mais peu fiable. L’expérience dépend fortement des compétences de l’utilisateur. Le contexte n’est pas conservé, la personnalisation est inexistante, et les résultats sont variables, avec un risque élevé d’hallucination.
➡️ Idéal pour : l'initiation à l'IA générative, le brainstorming, la rédaction et la traduction, les usages ponctuels et l'analyse (reasonning).
2. IA Générative avec base de connaissances : plus pertinent, mais à structurer
Les entreprises qui veulent industrialiser l’usage de l’IA optent souvent pour une solution intermédiaire : l’intégration d’une base de connaissances (procédures, politiques, documents internes) avec un moteur de génération comme ChatGPT ou Vertex AI. Grâce à l’approche RAG (retrieval augmented generation), l’IA peut chercher le bon contenu à injecter dans le prompt. Cela améliore la cohérence, mais demande une bonne gouvernance documentaire et des efforts d’entretien.
Microsoft 365 Copilot et Copilot Studio permettent dans une grande majorité des organisations clientes de Microsoft d’investir dans une approche intégrèe et sécuritaire. Voir notre article à ce sujet : Microsoft 365 Copilot est votre prochaine étape dans votre feuille de route IA (article non sponsorisé).
➡️ Idéal pour : les centres partagés de services aux employés, la gestion de la conformité RH, le partage des politiques et procédures et des outils d'aide à la tâche, l’accompagnement dans l'accueil et l'intégration.
3. IA verticalisée spécialisée : l’intelligence contextuelle intégrée
Les solutions expertes multifonctionnelles en RH intègrent l'IA à leurs données et aux profils des utilisateurs. Ces solutions verticales en RH comme Sigma RH, Sana, Neobrain, Glean, SAP SuccessFactors ou Workday HCM, vont plus loin : elles intègrent directement l’ingénierie de prompt, les rôles métiers, les données d’entreprise et les processus.
L’utilisateur final ne voit pas le prompt, mais bénéficie d’une expérience fluide, contextualisée et fiable.
Les réponses sont alignées avec les règles internes, les rôles utilisateurs et les flux de travail. C’est la voie royale vers une adoption massive en entreprise.
➡️ Idéal pour : le recrutement, l’accueil des nouveaux employés, la formation, la gestion des compétences, le soutien à la performance, la rémunération, la paie.
Tableau 2 : Comparatif des trois approches de l'IA Générative en entreprise
Critère | Prompt manuel | Base de connaissances (RAG) | IA verticale intégrée |
Expérience utilisateur | Manuelle, variable | Semi-automatisée, pertinente | Intégrée, fluide, personnalisée |
Gestion du contexte | Aucune | Contextuelle via la base | Intelligente et dynamique |
Personnalisation | Aucune ou artisanale | Basée sur les documents | Adaptée au rôle et au processus |
Maintenance | Élevée | Moyenne (mise à jour du contenu) | Faible (gérée par la solution) |
Risque d’hallucination | Élevé | Moyen | Faible |
Cas d’usage typiques | Idéation, rédaction | FAQ internes, conformité | Formation, RH, support à la tâche |
Productivité | ⭐ | ⭐⭐ | ⭐⭐⭐⭐ |
4- Visez l’IA qui connaît votre contexte
Plus votre cas d’usage est critique ou sensible, plus il devient essentiel d’investir dans une IA qui comprend le contexte de votre organisation.
Passer des prompts manuels à des solutions intégrées, c’est passer de l’expérimentation à l’impact réel.
5- Prêt à évaluer le bon niveau d’IA pour vos besoins RH ou métiers?
Contactez nous pour discuter d’une stratégie d’adoption efficace et sécuritaire, adaptée à votre contexte.
Lisez aussi notre article sur les exemples de 12 solutions RH ayant déployé des Agents IA.
Précisez et chiffrez votre stratégie SIRH et IA en RH : écrivez nous, planifiez un rendez-vous pour discuter de vos besoins, abonnez-vous à notre infolettre et téléchargez dès maintenant l’une de nos cartographies SIRH 2025 ici → https://www.nexarh.com/cartographies-hr-tech-hcm-talent
