"Trop de slop." "Usine à dette technique." "Ça marche pas sur les gros repos."

On a tous vécu ça : on lance un agent IA sur un vrai projet, et le résultat est générique, inadapté, voire cassé. La réaction classique, c'est d'attendre des modèles plus intelligents. Mais le problème n'est pas l'intelligence du modèle, c'est ce qu'on lui donne à manger.

Dans ce talk, je vous montre pourquoi le context engineering, la discipline de gérer ce qui entre dans la fenêtre de contexte d'un LLM, est la compétence la plus importante pour tirer parti des outils IA en développement.

On verra :

- Pourquoi les LLMs sont des fonctions stateless, et ce que ça implique concrètement
- Ce qui bouffe le contexte avant même que l'agent commence à coder
- La technique de compaction intentionnelle pour garder le savoir sans le bruit
- Comment les micro-agents permettent de contrôler la qualité en isolant l'exploration
- Le workflow Research → Plan → Implement qui garde chaque session dans la "smart zone"
- Comment structurer un CLAUDE.md (ou équivalent) pour que l'agent démarre informé

Ce talk s'appuie sur le travail de Dex Horthy (HumanLayer, 12-Factor Agents) et sur des exemples concrets tirés de mes propres expérience avec mon équipe. Pas de théorie abstraite : des techniques applicables dès lundi.