Vous connaissez cette impression. Au quarantième message d'une conversation qui avait commencé clairement, vous obtenez maintenant des réponses qui ignorent la moitié de vos instructions, contredisent quelque chose qu'il a dit dix messages plus tôt ou reviennent à une valeur générique par défaut que vous aviez corrigée une heure auparavant. Rien n'a « cassé ». Le modèle n'est pas devenu moins performant. Ce qui a changé, c'est la masse de texte qu'il doit désormais lire avant de pouvoir vous répondre.
Sur cette page
Ce qui se passe réellement dans une longue conversation
Chaque réponse qu'un modèle d'AI vous donne est générée en lisant l'intégralité de la conversation jusqu'à ce moment-là - vos instructions originales, chaque suivi, chaque correction, chaque digression, chaque « en fait, pouvez-vous aussi... » - puis en prédisant ce qui devrait venir ensuite. L'ensemble de cette transcription s'appelle la fenêtre de contexte, et elle ne diminue pas à mesure que la conversation s'allonge. Elle augmente, message après message, jusqu'à contenir beaucoup plus de texte qu'au départ.
Au début d'une conversation, vos instructions constituent presque tout le contexte. La tâche du modèle est simple : lire un brief clair et le suivre. Au trentième message, votre brief original ne représente plus qu'une petite fraction d'un document beaucoup plus long, enfoui sous des dizaines d'échanges consacrés à des modifications précises, des chiffres précis et des demandes ponctuelles. Le modèle « dispose » toujours techniquement de vos instructions originales dans son contexte, mais elles sont désormais diluées et doivent rivaliser pour attirer l'attention avec un volume bien plus important de texte plus récent, plus spécifique et souvent contradictoire.
C'est pourquoi les longues conversations n'échouent pas d'un seul coup. Elles se dégradent progressivement. Le modèle commence à accorder plus de poids aux messages récents qu'aux premiers (ce qui est souvent logique - la récence indique généralement la pertinence), mais lorsque vos règles fondamentales se trouvent dans ce même fil vieillissant, « récent » et « important » se confondent. Une remarque anodine datant d'il y a cinq minutes peut avoir plus de poids qu'une instruction établissant une norme donnée il y a une heure, simplement en raison de sa position dans la transcription.
Il y a un autre coût, plus discret : le modèle doit reconstituer votre intention à partir d'un document plus confus à chaque fois. Au lieu de lire « vous êtes un stratège senior en croissance qui structure toujours les résultats selon X et évite toujours Y » comme une instruction claire, il interprète cette même idée à travers des paraphrases, des exceptions accordées en cours de conversation et des modifications qui ne s'appliquaient qu'à une tâche précise. Plus il y a de texte à concilier, plus le modèle risque de faire la moyenne, de rester prudent ou d'abandonner discrètement une contrainte qui n'a jamais été répétée.
Les deux solutions auxquelles on a recours - et pourquoi elles entraînent toutes deux des pertes
Première solution : faites défiler vers le haut et recollez les instructions originales
C'est la solution de fortune la plus courante. Vous remontez jusqu'au premier message, copiez votre brief initial, puis le recollez au quarantième message avec quelque chose comme « juste un rappel, merci de t'y tenir ». Cela fonctionne pendant environ cinq réponses supplémentaires. Puis la même dérive se reproduit, car vous n'avez rien changé à la manière dont fonctionne la fenêtre de contexte - vous avez simplement ajouté une copie supplémentaire de vos instructions à une transcription déjà trop volumineuse. Le chat est maintenant encore plus long, le rapport signal-bruit ne s'est pas amélioré et vous êtes condamné à recommencer régulièrement pendant toute la durée du projet.
Deuxième solution : démarrer un tout nouveau chat et tout retaper
L'autre solution courante est plus radicale : abandonner le fil et recommencer. Cela règle effectivement le problème de dilution - un nouveau chat dispose d'un contexte court et vierge, si bien que les instructions sont à nouveau lues clairement. Mais cette méthode élimine aussi quelque chose de précieux avec le bruit : le contexte utile, propre à la tâche, qui permettait à l'AI d'être performante sur ce projet précis. Les exemples que vous lui avez fournis, les cas limites que vous lui avez déjà expliqués, les décisions que vous avez déjà prises ensemble - tout cela disparaît. Vous repartez de zéro et devez également compter sur votre mémoire (ou fouiller frénétiquement vos anciens messages) pour reconstituer des instructions que vous n'avez peut-être enregistrées nulle part ailleurs que dans ce chat.
Ces deux solutions ne traitent que le symptôme. Aucune ne règle le problème sous-jacent : votre RÔLE, votre FORMAT et vos NORMES ne se trouvent nulle part ailleurs que dans un amas croissant d'échanges.
Un fichier Skill compact et réutilisable qui définit le rôle, le format de sortie et les normes d'une stratège senior en croissance - afin qu'un nouveau chat démarre avec précision plutôt qu'à partir d'une page blanche.
Voir Sofia - Stratège en marketing de croissance →La meilleure solution : séparer le signal du bruit
La véritable solution n'est ni une astuce de défilement ni un nouveau départ - c'est un changement structurel de l'emplacement de vos instructions. Au lieu de laisser votre RÔLE, votre FORMAT et vos NORMES dans le premier message d'un fil qui ne cesse de s'allonger, vous les placez dans un petit fichier autonome : une Skill. Vous chargez ce fichier dans un nouveau chat ou dans un projet Claude/ChatGPT chaque fois que nécessaire, et la conversation qui suit reste entièrement centrée sur la tâche en cours.
Imaginez que vous sépariez une conversation en deux couches auparavant entremêlées :
- Signal - tout ce qui ne doit jamais changer ni se diluer : le rôle que joue l'AI, le format exact dans lequel elle doit produire ses réponses, ainsi que les normes et contraintes qui s'appliquent toujours. Tout cela se trouve dans le fichier Skill, en dehors du chat.
- Bruit - tout ce qui est propre à cette tâche, à cette semaine, à cet échange précis : « fais plus court », « utilise les chiffres de ce client », « non, l'autre version ». Tout cela reste dans le chat, et ce n'est pas grave s'il devient long, car ces éléments ne concurrencent pas tes instructions essentielles pour l'attention du modèle.
Lorsque ces deux couches sont séparées, un long projet cesse d'être une seule conversation qui se dégrade au fil du temps. Il devient une série de conversations claires, chacune commençant avec exactement le même ensemble précis d'instructions chargé depuis le fichier Skill, chacune pouvant s'étendre autant que nécessaire sur le travail réel sans devoir renégocier ce que signifie « bon ». Vous obtenez la fraîcheur de la deuxième solution (une nouvelle conversation, un contexte propre) sans le coût de la deuxième solution (tout retaper de mémoire), car les instructions n'ont jamais été piégées dans l'ancien fil.
Cela résout également un problème auquel aucune des deux mauvaises solutions ne répond : la cohérence entre les sessions. Si vos normes restent dans votre tête et sont retapées légèrement différemment à chaque fois, la qualité dérive d'un projet à l'autre aussi, et pas seulement au sein d'une même conversation. Un fichier Skill est identique à chaque utilisation - vous le versionnez une fois, vous l'affinez lorsque vous apprenez quelque chose de nouveau, et chaque conversation future bénéficie instantanément de l'amélioration.
Les fils consacrés à l'analytique s'étendent sur la durée - tableaux de bord, schémas d'événements, calendriers de reporting. Rafa maintient les normes analytiques fixes dans un fichier Skill afin que la sixième semaine du projet respecte le même niveau d'exigence que le premier jour.
Voir Rafa - Spécialiste de l'analytique marketing →À quoi cela ressemble en pratique
Supposons que vous meniez une mission de plusieurs semaines - un audit de croissance, la mise en place continue d'un système d'analytique, un projet de conseil avec un client. Au lieu d'une conversation marathon qui perd lentement le fil, le fonctionnement ressemble à ceci :
- Votre RÔLE/FORMAT/NORMES résident dans un fichier Skill (un court document structuré - du type que vous colleriez comme prompt système ou instruction de projet Claude/ChatGPT).
- Chaque session de travail, ou chaque nouvelle phase du projet, commence par une nouvelle conversation avec ce fichier Skill chargé.
- La conversation elle-même peut devenir aussi longue et désordonnée que la tâche réelle l'exige, car les instructions fondamentales ne sont pas embarquées dans cette même transcription, où des textes plus récents pourraient les éclipser.
- Lorsque vous apprenez quelque chose qui devrait s'appliquer à toutes les sessions futures - une préférence de mise en forme, une contrainte que vous devez répéter sans cesse -, vous modifiez le fichier Skill une seule fois, et non chaque conversation à venir.
L'effet net est que la qualité reste stable tout au long d'un long projet, au lieu de décliner progressivement. Vous ne luttez pas contre la fenêtre de contexte ; vous ne lui demandez tout simplement pas d'accomplir une tâche pour laquelle elle n'a jamais été bien adaptée : servir de mémoire permanente pour les instructions récurrentes.
Une pensée structurée formée chez McKinsey, chargée à nouveau à chaque session - ainsi, une longue mission de conseil n'hérite pas de la dérive d'un fil de conversation surchargé.
Voir Thomas - Consultant en stratégie →Indiquez comment vous - ou votre équipe - utilisez réellement les conversations avec l'AI et obtenez une estimation mensuelle réelle du gaspillage de tokens et du coût en dollars lié à la reformulation des prompts par rapport à un fichier Skill persistant. Aucune inscription, aucun e-mail - uniquement les calculs de cet article appliqués à vos chiffres.
Essayez le calculateur →FAQ
Pourquoi une AI semble-t-elle « oublier » les instructions que je lui ai données plus tôt dans la même conversation ?
Elle n'a pas été littéralement oubliée - le texte se trouve toujours dans la fenêtre de contexte. Mais à mesure que la conversation s'allonge, vos instructions d'origine représentent une part de plus en plus petite de tout ce que le modèle doit prendre en compte, et les messages plus récents tendent à avoir davantage d'influence sur la réponse. Le résultat ressemble à un oubli, mais il s'agit en réalité d'une dilution.
Le fait de démarrer une nouvelle conversation n'est-il pas la solution la plus simple ?
Il résout le problème de la dilution, mais en crée un nouveau : vous perdez le contexte spécifique à la tâche qui rendait l'AI utile pour ce projet particulier et devez vous souvenir de vos instructions d'origine - ou les retrouver - pour les retaper. Un fichier Skill vous offre le bénéfice d'un contexte vierge propre à une nouvelle conversation, sans le coût en mémoire, car vos instructions permanentes vivent entièrement en dehors de la conversation.
Quelle est la différence entre un fichier Skill et un prompt simplement plus long et plus détaillé ?
Un prompt plus long reste dans la conversation et vieillit de la même manière que tout autre message - il est soumis à la même dilution dans un long fil. Un fichier Skill est indépendant de toute conversation donnée : vous le chargez à nouveau au début de chaque nouvelle conversation ou de chaque projet, si bien qu'il ne rivalise jamais avec les messages récents pour attirer l'attention du modèle et n'accumule jamais le bruit d'une tâche spécifique.
En résumé :
Les conversations longues ne deviennent pas moins intelligentes parce que le modèle se dégrade - elles le deviennent parce que vos instructions permanentes sont enfouies sous une masse croissante d'échanges spécifiques à chaque tâche. Gardez le ROLE/FORMAT/STANDARDS dans un fichier Skill compact et réutilisable - comme Sofia, Rafa ou Thomas - chargez-le à nouveau dans chaque nouvelle conversation et laissez la conversation ne transporter que le bruit dont elle a réellement besoin.