Contexte utile
Une IA peut écrire vite, mais elle ne lit pas dans les pensées. Dans cette rencontre, on apprend à transformer une demande vague en demande claire, contextualisée et vérifiable.
🧩 Pourquoi le contexte change tout
Quand on utilise une IA pour programmer, le problème n’est pas toujours la qualité de l’outil. Souvent, le problème est que la demande ressemble à ceci :
Corrige mon code, ça ne marche pas.Cette phrase semble claire pour la personne qui connaît le projet. Pour l’IA, elle force beaucoup de devinettes :
- quel comportement est attendu;
- quel fichier regarder;
- quelle erreur apparaît;
- ce qui a déjà été essayé;
- ce qui compte comme une bonne solution.
Quand l’IA manque de contexte, elle ne s’arrête pas toujours. Elle peut produire une réponse plausible, mais fragile.
💬 Exemple 1 : une demande trop floue
Voici une autre demande très commune :
Ajoute la validation du formulaire.Cette demande ne dit pas :
- quel formulaire est visé;
- quelle validation est attendue;
- où se trouve le code;
- quel message afficher;
- comment vérifier le résultat.
🎯 Exemple 2 : une demande contextualisée
On peut garder la même intention, mais donner les bons repères.
Dans le formulaire de création d’emploi, ajoute une validation côté serveur pour le champ Salaire.
Contexte :
- le formulaire existe déjà;
- le champ Nom est déjà obligatoire;
- le champ Salaire doit être obligatoire et numérique;
- on veut un message d’erreur clair en français;
- ne change pas la structure générale du formulaire.
Critère de réussite :
- si Salaire est vide, afficher “Le salaire est obligatoire”;
- si Salaire n’est pas numérique, afficher “Le salaire doit être un nombre”.Ce prompt est plus utile parce qu’il donne à l’IA :
- la tâche exacte;
- le contexte minimal;
- les contraintes;
- les critères de réussite.
🔍 Quoi inclure dans le contexte?
Un bon contexte répond habituellement à cinq questions :
- Quelle est la tâche exacte?
- Quel est le résultat attendu?
- Quels fichiers ou extraits sont pertinents?
- Quelles contraintes doivent être respectées?
- Comment saura-t-on que c’est réussi?
Le contexte doit être assez riche pour orienter l’IA, mais assez court pour rester contrôlable.
⚠️ Trop de contexte, ce n’est pas mieux
Donner tout le projet à l’IA n’est pas toujours une bonne stratégie.
Un contexte trop gros peut :
- noyer l’information importante;
- coûter plus cher en tokens;
- ralentir la réponse;
- rendre la validation plus difficile;
- augmenter les risques de réponse hors sujet.
Le bon contexte n’est pas le plus long. C’est celui qui aide l’IA à faire la bonne tâche avec le moins d’hypothèses possible.
🧪 À essayer
Transforme ce prompt flou :
Ajoute la validation du formulaire.en demande contextualisée.
Ta version doit inclure :
- la fonctionnalité attendue;
- le fichier ou composant concerné;
- les règles de validation;
- le comportement attendu en cas d’erreur;
- un critère de réussite.
🔩 Récapitulatif
- Un prompt flou force l’IA à deviner.
- Un bon contexte réduit les hypothèses inutiles.
- Le contexte doit servir la tâche, pas raconter toute l’histoire du projet.
- Les critères de réussite sont aussi importants que la demande.
🚀 Pour aller plus loin
- Essentiel : comparer un prompt flou et un prompt contextualisé.
- Consolidation : choisir quelles informations inclure ou exclure.
- Défi : gérer un contexte multi-fichiers ou une session longue.
Références pédagogiques
- Module :
MIC-CTX-001 - Compétences :
CMP-CTX-001,CMP-EVA-001,CMP-RET-001 - Source :
project/current/cours-ia-avance/modules/MIC-CTX-001-donner-contexte-utile.md - Portée : notion transversale
- Exemple principal actuel : GitHub Copilot
- Statut : module pilote publié