Gouvernance du Contexte IA

La plupart des équipes résolvent le problème de créer du contexte pour les agents d'IA.

Presque aucune ne résout le problème de le maintenir à jour.

J'ai passé la journée à lire deux publications qui, ensemble, définissent le second problème de l'IA — celui qui survient après l'adoption.

Marc Baselga a expliqué comment son équipe chez Supra a déployé Claude Code avec succès — des agents en production, une valeur réelle apportée. Puis un élément inattendu est survenu : chacun avait ses propres fichiers de contexte, sa propre version du fonctionnement de l'entreprise, et aucun système ne reliait tout cela. Quand quelque chose changeait, personne ne savait quel fichier mettre à jour. Il a appelé cela une "taxe inattendue".

Leah Tharin a exposé la philosophie sous-jacente : le contexte générique se génère. Le contexte correct se mérite. La valeur d'un knowledge worker dans un monde d'IA est le delta entre ce que le modèle infère et ce que l'on organise soigneusement comme sa mémoire.

Les deux publications pointaient vers la même lacune. Voici ce que j'ai construit.

J'ai ajouté une matrice de déclencheurs à mon template de base — un tableau qui associe chaque type de changement (nouvelle route, mise à jour de schéma, nouvelle dépendance, évolution du modèle économique) au document exact qui doit être mis à jour. Pas en suivi ultérieur. Dans la même PR. La tâche n'est pas terminée tant que les documents ne reflètent pas la réalité.

Une seule ligne fait le travail : la maintenance de la documentation est une obligation, pas une suggestion.

Ce à quoi je ne m'attendais pas : propager cette mise à jour à 7 dépôts a immédiatement révélé une autre lacune — aucune convention pour distinguer les décisions héritées du template de base des décisions prises localement dans chaque dépôt. Le système m'a obligé à m'arrêter, à corriger d'abord la source de vérité, puis seulement ensuite à propager.

C'est ça, la gouvernance. On ne découvre pas les lacunes en la construisant. On les découvre en l'utilisant.

L'objectif n'est pas un système parfait dès le premier jour. C'est un système qui rend ses propres lacunes visibles avant qu'elles ne deviennent des problèmes.

Le template est open source — lien en commentaire. Si vous construisez quelque chose de similaire ou avez des questions sur son fonctionnement en pratique, laissez un commentaire. Je serai ravi d'en discuter.

Sources

• Marc Baselga — Claude Code rollout at Supra (LinkedIn post, 2026)
• Leah Tharin — correct context is earned vs generated (LinkedIn post, 2026)
• ai-product-architecture-template (open source, GitHub): https://github.com/gtcuco-personal/ai-product-architecture-template