Si tu redonnes souvent les mêmes infos à ton IA, ce post est pour toi. J'ai un client qui lance ChatGPT et recolle le même pavé de contexte qu'il colle cinq fois par semaine : qui il est, ce qu'il fait, ses projets en cours, sa façon d'écrire. Je lui demande pourquoi il n'utilise pas la mémoire intégrée. Il me répond, un peu gêné : "J'ai essayé. Je ne sais pas ce qu'elle retient. Elle mélange et oublie une partie. Alors je préfère redonner." Il a raison d'être méfiant. En 2025, l'équipe de recherche de Chroma a testé 18 des meilleurs modèles du marché, GPT, Claude, Gemini, tous inclus. Et la patatras, chaque modèle testé se dégrade au fur et à mesure que le contexte s'allonge, sans exception. 𝗖𝗲 𝗽𝗵𝗲́𝗻𝗼𝗺𝗲̀𝗻𝗲 𝗮 𝘂𝗻 𝗻𝗼𝗺 : 𝗹𝗲 "𝗰𝗼𝗻𝘁𝗲𝘅𝘁 𝗿𝗼𝘁". Et ce n'est pas un bug qu'une mise à jour va corriger. C'est une propriété architecturale des LLM actuels. L'attention que le modèle porte à chaque élément est diluée mécaniquement à mesure que la liste s'allonge. Stanford a quantifié une variante de ce problème dès 2024, le "lost in the middle" Quand l'information pertinente se retrouve au milieu d'un long contexte, la précision du modèle chute de plus de 30%. ça veut dire que les infos données sur 10 échanges dans ta conversation ont une probabilité élevée de ne plus être bien traitées. Oui mais les plateformes ont résolu ça avec leurs fonctions mémoire persistante ? Partiellement. La mémoire de ChatGPT retient des bribes entre les conversations. Mais elle enregistre aussi des informations erronées ou périmées Elle peut les réutiliser comme si elles étaient vraies. Tu ne peux pas l'auditer ligne par ligne. Tu ne peux pas corriger ce qu'elle a mal compris. Et surtout, cette mémoire reste chez OpenAI. 𝗖'𝗲𝘀𝘁 𝗹𝗮̀ 𝗾𝘂𝗲 𝗹𝗲 𝗱𝗲𝘂𝘅𝗶𝗲̀𝗺𝗲 𝗽𝗿𝗼𝗯𝗹𝗲̀𝗺𝗲 𝗰𝗼𝗺𝗺𝗲𝗻𝗰𝗲. Les GPTs personnalisés, les Projets Claude, les Gems Google, et tous tes chats, c'est des heures investies avec ton contexte affiné. Puis un jour tu veux migrer. Tout est en vrac dans l'export Tu comprends que tu dois refaire a la main. Chaque plateforme retient ce que tu as construit en son sein. Ce n'est pas de la mauvaise foi de leur part, c'est simplement la logique d'un service SaaS. 𝗖𝗵𝗮𝗻𝗴𝗲𝗿 𝗱𝗲 𝗺𝗼𝗱𝗲̀𝗹𝗲 𝘀𝗶𝗴𝗻𝗶𝗳𝗶𝗲 𝗿𝗲𝗽𝗮𝗿𝘁𝗶𝗿 𝗱𝗲 𝘇𝗲́𝗿𝗼. Construire à l'intérieur des outils des autres, c'est construire sur du sable. Le travail qui dure, c'est de bâtir son contexte dans des fichiers qu'on contrôle soi-même. En local. En Markdown. Dans un dossier qu'on peut lire, corriger, versionner, sauvegarder, et brancher sur n'importe quel modèle IA en 1 minute. Le jour où un nouveau modèle sort, on le connecte sans rien perdre. Le jour où un fournisseur change ses tarifs, on migre sans douleur. Le système t'appartient. Les outils passent. --- 👉🎁 Si tu veux voir comment j'ai construit mon système IA avec mon contexte, demande en commentaire mon mini-cours vidéo. Je te le donne.