Le contexte, clé de l’intelligence artificielle en entreprise culturelle

26 janvier 2026. Publié par Benoît Labourdette.

7 min

L’intelligence artificielle ne peut rien sans contexte, on commence à en prendre conscience. La qualité des réponses d’une IA dépend entièrement de la qualité du contexte qu’on lui fournit. Pour les entreprises culturelles, cette réalité ouvre une perspective stratégique majeure. Le véritable enjeu n’est pas d’adopter tel ou tel outil d’IA, mais de construire les conditions organisationnelles et documentaires qui permettront à ces outils de servir véritablement leurs missions.

La révélation du « context engineering »

En ce début d’année 2026, une observation s’impose dans le domaine de l’intelligence artificielle. Toutes les startups, tous les laboratoires de recherche, toutes les grandes entreprises technologiques travaillent sur le même problème. Ce problème porte un nom, le context engineering, ou ingénierie du contexte.

Comme le rapporte un investisseur ou une investisseuse de la Silicon Valley : « Tout le monde, particulièrement dans le B2B, essaie de résoudre le problème du context graphing. Les agents IA ont besoin de données pour répondre aux questions qui se posent dans votre monde, le monde de l’entreprise, et les données sont désordonnées. Il y a des emails, des documents éparpillés, des données non associées et non nettoyées partout. »

Cette observation de terrain confirme ce que formulent les chercheurs et chercheuses d’Anthropic. Si l’ingénierie de prompt consistait à poser de meilleures questions, l’ingénierie de contexte consiste à donner à l’IA les fondations pour y répondre correctement. La distinction est cruciale. On peut avoir le meilleur modèle d’IA du monde, lui poser la question la plus pertinente possible, si on ne lui fournit pas le contexte adéquat, sa réponse sera générique, déconnectée, inutilisable.

Pourquoi le contexte est fondamental

Pour comprendre l’importance du contexte, il faut revenir à ce que sont réellement les intelligences artificielles génératives. Ces systèmes fonctionnent par prédiction statistique, générant des réponses en calculant la suite la plus probable d’une séquence de « tokens » (unités de texte). La fenêtre de contexte, c’est l’ensemble des informations que l’IA peut « voir » au moment où elle génère sa réponse.

Les recherches récentes montrent que les modèles d’IA fonctionnent bien mieux lorsqu’ils disposent d’un contexte riche. La documentation technique de Claude (Anthropic) l’indique clairement : « De manière générale, les modèles d’IA tendent à mieux performer sur toutes les tâches quand ils disposent de plus de contexte. » Il ne s’agit pas simplement de fournir plus d’informations. Il s’agit de fournir les bonnes informations, bien structurées, au bon moment.

Car il existe un phénomène que les chercheurs et chercheuses appellent la « pollution de contexte ». Lorsqu’on noie l’IA sous des informations non pertinentes, elle perd en précision. Les études montrent également un problème connu sous le nom de « lost in the middle », où les modèles retiennent mieux les informations situées au début et à la fin de leur contexte qu’au milieu. Autrement dit, la qualité du contexte compte autant, sinon plus, que sa quantité.

Ce que cela change pour les entreprises

Cette réalité technique a des implications profondes pour les organisations. Comme le note un article d’InfoWorld : « Le véritable avantage concurrentiel pour les entreprises ne viendra pas du choix du bon modèle, mais de la construction d’un contexte propriétaire » – c’est-à-dire des données, documents, flux de travail, connaissances métier et politiques internes qui façonnent le raisonnement de l’IA.

Pour les systèmes d’IA agentiques – ces IA qui effectuent des tâches de manière autonome – le besoin est encore plus crucial. Ces agents ont besoin « d’une compréhension approfondie de là où ils sont, de ce qu’ils savent, et des contraintes qui s’appliquent ». Sans contexte riche, un agent IA ne peut que produire des actions génériques, potentiellement inadaptées, voire dangereuses pour l’organisation.

Les entreprises riches en données mais pauvres en contexte structuré ne pourront pas déployer l’IA au-delà de l’expérimentation. C’est le diagnostic posé par de nombreux analystes pour 2026. Les organisations qui n’auront pas développé cette capacité resteront bloquées au stade des gadgets et des gains de productivité marginaux, sans jamais accéder à la véritable puissance transformative que peuvent offrir ces technologies.

Le défi spécifique des entreprises culturelles

Pour les structures culturelles, ce défi prend une dimension particulière. Ces organisations produisent une richesse documentaire considérable, faite de programmations, bilans d’activité, retours de publics, archives de projets, correspondances avec les artistes, traces des médiations, comptes-rendus de réunions, évaluations, enquêtes... Mais cette richesse est souvent dispersée, non conservée, mal classée, insuffisamment structurée, ou même pas du tout collectée.

Comme je l’ai développé dans mes travaux précédents, pour que la puissance d’enrichissement des IA puisse exister, nous autres êtres humains devons adopter une nouvelle manière de faire, celle de documenter beaucoup plus toutes les activités de notre structure. Il s’agit de photographier, faire des récits, enregistrer l’audio, collecter des documents et bien classer tous ces corpus afin de pouvoir les faire traiter par des intelligences artificielles.

Ce travail de documentation n’est pas une simple question technique. Il s’agit d’un changement culturel profond. Il demande de scanner les documents, nommer les fichiers, bien les classer, faire des enregistrements audio, leur appliquer de la reconnaissance vocale de qualité, établir des synthèses et des récits, archiver les échanges d’emails importants, conserver les traces et les versions des documents. C’est un travail de documentaliste, finalement, qui est une nouvelle compétence à cultiver par les humains, au sein de tous les métiers.

La coopération comme préalable

Mais voici le point essentiel, souvent négligé par les approches purement technologiques. La création de contexte de qualité est indissociable d’une culture de coopération au sein de l’organisation.

Le contexte utile à l’IA n’est pas seulement constitué de documents existants. Il doit être activement construit, ce qui suppose que les personnes acceptent de documenter leurs pratiques, y compris leurs tâtonnements et leurs erreurs ; qu’elles partagent leurs connaissances tacites, souvent non écrites ; qu’elles collaborent pour structurer ensemble les informations ; qu’elles s’accordent sur des conventions de nommage, de classement, de synthèse.

Or, dans beaucoup d’organisations, même les plus petites, ces pratiques coopératives n’existent pas ou restent embryonnaires. Les silos entre services, la culture du secret, la peur du jugement, le manque de temps consacré à la documentation, tout cela fait obstacle à la création du contexte dont l’IA a besoin.

Comme le souligne le constat de l’investisseur ou de l’investisseuse : « Les problèmes de contexte sont très délicats à résoudre. Ils existent différemment dans chaque monde. Chaque client que vous visitez ne ressemble pas aux autres. C’est un problème produit très important : comment construire un produit quand les données sont si différentes ? »

La réponse ne peut être uniquement technologique. Elle passe par un travail humain, collectif, de mise en commun et de structuration des savoirs.

L’intelligence collective avant l’intelligence artificielle

C’est pourquoi je défends l’idée que l’intelligence collective doit précéder et accompagner l’intelligence artificielle. Ce qui est à cultiver, à développer, c’est d’abord le lien. Créer des liens entre les personnes, créer des coopérations, mettre en place de l’intelligence collective – y compris pour pouvoir mieux utiliser des intelligences artificielles, et pour faire des choses ensemble que les machines ne peuvent pas faire.

Comme l’écrivent Laurent Alexandre et Olivier Babeau : « Ce qui meurt, ce n’est pas le travail humain. C’est l’exécution standardisée, le modèle rigide de l’emploi à vie. Ce qui naît, c’est un travail augmenté, mobile, hybride, appuyé sur des outils puissants mais dépendant plus que jamais de la qualité des esprits qui les mobilisent. »

La fabrication d’un bon contexte pour l’IA passe par la décentralisation et la communication entre tous les acteurs et toutes les actrices de l’organisation. Les structures qui fonctionnent de façon souple et agile se doivent de se réorganiser en micropôles qui coopèrent entre eux et qui s’enrichissent mutuellement. C’est cette intelligence collective qui produira le contexte dont l’intelligence artificielle a besoin pour être véritablement utile.

Trois pistes pour les structures culturelles

Face à ces enjeux, je suggère que les entreprises culturelles s’engagent dans une démarche qui articule trois dimensions indissociables.

Cultiver les dynamiques de coopération et d’intelligence collective
La première étape consiste à installer dans l’organisation une culture de la coopération, du partage et de la documentation. Cela passe par des ateliers participatifs pour cartographier les compétences, les envies et les besoins de chacun·e face à l’IA ; par la mise en place de pratiques de documentation collective des activités ; par l’identification de « mentors IA » au sein des équipes ; par l’instauration de rituels réguliers de partage et de capitalisation des apprentissages. Les méthodologies d’intelligence collective – World Café, forums ouverts, ateliers de co-construction – offrent des cadres éprouvés pour amorcer ces dynamiques.
Effectuer des choix stratégiques et éthiques des outils d’IA
La deuxième dimension concerne le choix des outils eux-mêmes. Dans le cadre d’une structure culturelle financée par de l’argent public, ce choix doit intégrer la Responsabilité Sociétale des Entreprises. La localisation des hébergements, le contrôle de ces technologies, les biais qu’elles véhiculent, les énergies qu’elles consomment sont autant de paramètres à considérer. Différentes solutions existent, des modèles propriétaires aux modèles open source, des hébergements souverains (comme Infomaniak) aux installations locales (avec LM Studio par exemple). Chaque structure peut définir une politique d’usage cohérente avec ses valeurs.
Mettre en place des procédures de création de contexte
La troisième dimension est la plus technique. Il s’agit de mettre en place concrètement les procédures, les outils et les flux de travail qui permettront de créer et maintenir un contexte de qualité pour les IA. Cela comprend la définition de conventions de nommage et de classement des documents ; la mise en place de procédures de synthèse progressive (reconnaissance vocale, puis synthèse, puis intégration au corpus) ; la structuration des données pour qu’elles soient exploitables par les agents IA ; la création de « couches de contexte » accessibles via des API ou des protocoles standardisés ; et la formation des équipes à ces nouvelles pratiques.

Le contexte, c’est nous

La grande leçon de ce moment technologique, c’est que l’IA n’a pas de valeur en soi. Sa valeur dépend entièrement de ce que nous lui apportons. Le contexte, c’est nous, notre histoire, nos projets, nos valeurs, nos publics, nos savoir-faire, nos relations. Plus ce contexte sera riche, structuré et accessible, plus l’IA pourra nous être utile.

Mais construire ce contexte n’est pas un simple chantier technique. C’est une transformation organisationnelle qui touche aux pratiques de travail, aux relations entre les personnes, à la culture même de l’institution. C’est pourquoi le travail sur l’humain et le travail sur la technique sont indissociables.

Comme je l’écrivais récemment : « Les institutions qui survivront et prospéreront ne sont pas celles qui auront les meilleurs outils techniques, mais celles qui auront su maintenir, enrichir et approfondir les liens entre les personnes qui les composent. » La technologie n’est qu’un amplificateur, elle amplifie autant nos capacités que nos dysfonctionnements.