Context engineering : industrialiser les agents IA avec l'architecture «stateful»

L'utilisation de l'IA générative dans le développement logiciel a largement dépassé le stade de l'expérimentation. Pourtant, face aux codebases d'entreprise massives et matures, la promesse des agents autonomes comme Claude Code se heurte à un mur architectural majeur : l'effondrement du contexte.

Donner accès à l'intégralité d'un dépôt Git historique à un LLM ne génère pas de la pertinence, mais du bruit cognitif. Le modèle subit inévitablement une dégradation de son mécanisme d'attention (le phénomène de Lost in the Middle). L'agent finit par halluciner ou s'égarer dans l'implémentation d'une fonction utilitaire obsolète de 2022, alors que l'enjeu business du sprint concerne une refonte architecturale critique.

Le problème n'est pas la capacité de raisonnement de l'IA, mais l'absence d'une gouvernance stricte de son contexte.

Le changement de paradigme : séparer l'exécution de l'intention

L'erreur classique consiste à laisser l'agent ingérer sans filtre l'historique des commits, les logs de build et chaque fichier .ts. Déplacer ces fichiers ou augmenter aveuglément la fenêtre de contexte ne résout pas l'équation. C'est une fuite en avant qui fait exploser la facture de tokens et dégrade l'efficacité opérationnelle (ROI) de l'IA.

La véritable rupture exige une séparation stricte :

• L'exécution : le code source de l'application.
• L'intention : la documentation d'architecture, les règles métier et l'état actuel du projet.

Aujourd'hui, l'usage standard de l'IA par les développeurs est stateless (sans état) : un prompt est envoyé, une réponse est générée, puis le contexte s'évapore. L'avenir de l'ingénierie logicielle industrialisée est résolument stateful.

MCP et Obsidian : le moteur d'état de votre architecture

C'est ici que l'intégration du Model Context Protocol (MCP) devient un levier stratégique. Ce protocole permet de déporter la mémoire de l'agent vers un système externe dédié, préservant ainsi sa capacité de concentration. En l'occurrence Obsidian, logiciel de gestion de notes compatible markdown, fait parfaitement l'affaire.

En couplant un agent comme Claude Code à un outil comme Obsidian via MCP, nous ne parlons plus d'installer un simple « bloc-notes » pour développeurs. Obsidian devient un véritable système de gestion de la décision architecturale.

Grâce à un serveur de fichiers MCP dédié, l'agent IA peut lire, écrire et maintenir un graphe de connaissances explicite. Il gère l'état du projet et les décisions architecturales dans un espace isolé, sans polluer le dépôt de code source ni risquer d'altérer les pipelines de déploiement continus (CI/CD).

Les 4 piliers d'une interaction Agent-Système industrialisée

Pour orchestrer cette gouvernance, le prompt système ne doit contenir que les invariants absolus de l'entreprise (standards de sécurité, conventions de code). Tout le reste doit être appelé dynamiquement.

L'interaction avec l'agent est alors structurée autour de quatre commandes clés, transformant des requêtes aléatoires en un workflow rigoureux :

Cadrage contextuel dynamique (/session) : au lieu de parser tout l'historique du projet, l'agent charge uniquement l'état actuel et le brief précis du ticket en cours. On élimine le bruit pour maximiser la précision d'exécution.

Gouvernance de l'état (/todo) : l'agent est contraint de réconcilier systématiquement ses actions en cours avec la feuille de route canonique du projet. L'IA ne dérive plus ; elle s'aligne sur la réalité métier.

Traçabilité atomique (/sync) : après une modification complexe, l'agent effectue une synchronisation de ses fichiers d'état. Chaque évolution du code est adossée à une sauvegarde de l'intention, garantissant la sécurité des itérations.

Capitalisation continue (/wiki) : le Graal pour tout CTO. L'agent synthétise lui-même ses modifications récentes et met à jour le nœud architectural correspondant dans la base de connaissances. La documentation évolue enfin à la même vitesse que le code.

Les avantages stratégiques du modèle «stateful»

Déployer cette architecture au sein de vos équipes d'ingénierie offre des capacités qui dépassent largement la simple génération de code :

Auditabilité et gouvernance : en s'appuyant sur cette structure de connaissance, l'agent audite efficacement les dépôts massifs, identifiant les incohérences et la dette technique avec un contexte métier ultra-précis.

Génération de roadmaps actionnables : la lecture du fichier d'état permet à l'agent de décomposer des fonctionnalités complexes en séquences de tâches parfaitement alignées avec la réalité de votre architecture.

Scalabilité du capital immatériel : l'onboarding des nouveaux développeurs est drastiquement accéléré grâce à un référentiel à jour, interconnecté et directement interrogeable par l'IA.

---

L'industrialisation de l'IA générative ne se fera pas en injectant plus de données dans des modèles plus gros, mais en dotant vos agents de la mémoire, du contexte et de la rigueur dont votre entreprise a besoin. L'ère du copilote jetable est révolue ; place à l'ingénierie dirigée par le contexte.

Pour implémenter ce workflow chez vous, contactez-nous !