L'ingénierie de contexte redéfinit la manière dont les data scientists interagissent avec les grands modèles de langage, en passant de l'ingénierie de prompts à la livraison de contexte structuré. Anthropic a récemment publié de nouvelles directives pour les modèles de génération Claude 5, soulignant que la collecte de toutes les sources que les LLM utilisent pour répondre aux questions —plutôt que des prompts isolés— est désormais le principal moteur de la performance. Pour les data scientists, cela signifie aller au-delà de la création de la chaîne d'entrée parfaite et, au lieu de cela, concevoir un ensemble complet de documents, de fichiers d'instructions et de paramètres que les agents peuvent exploiter.

Des systèmes comme Claude Code fonctionnent de manière autonome, exécutant plusieurs appels API pour le raisonnement et la programmation, ce qui rend un contexte bien conçu essentiel pour des sorties fiables. Les directives fournissent un cadre pour organiser efficacement ce contexte, en veillant à ce que les agents utilisent les informations fournies de manière optimale. En adoptant ces nouvelles règles, les data scientists peuvent améliorer leur productivité et s'assurer que leurs modèles fonctionnent comme prévu, évitant la frustration de se demander pourquoi un modèle ne fonctionne pas correctement en raison de méthodes d'interaction obsolètes.