Pourquoi ChatGPT ne connaît pas vraiment votre contexte de travail

Vous demandez à ChatGPT de relire une page de votre offre.

Pour vous répondre correctement, il doit connaître votre positionnement actuel, le profil de vos clients, les formulations que vous avez abandonnées, les limites de votre prestation et les informations que vous ne pouvez pas publier. Il doit aussi distinguer la dernière décision d'une ancienne version encore présente dans vos documents.

Aucun de ces éléments n'apparaît forcément dans votre demande.

Vous pouvez les rappeler dans le prompt. Vous pouvez joindre des fichiers. Vous pouvez activer la mémoire ou travailler dans un projet. La réponse sera probablement mieux contextualisée.

Mais une difficulté demeure : mémoriser des informations n'est pas connaître l'état réel de votre travail.

Le contexte professionnel change. Une offre évolue. Une décision remplace la précédente. Une donnée extérieure doit être vérifiée. Un document reste lisible alors qu'il n'est plus valable. Une action techniquement possible peut rester interdite.

C'est cette différence qui explique pourquoi une IA peut produire une réponse convaincante tout en partant d'un contexte incomplet ou dépassé.

ChatGPT peut conserver du contexte. Il ne peut pas décider seul quelles informations font encore référence dans votre activité.

ChatGPT possède bien une mémoire

Dire que ChatGPT « oublie tout » serait inexact.

La documentation d'OpenAI indique que, lorsqu'elle est activée, la mémoire peut utiliser des éléments issus des conversations, des fichiers et des applications connectées afin de personnaliser les réponses. Une synthèse permet également de consulter une partie de ce que ChatGPT retient. OpenAI précise toutefois que cette synthèse ne présente pas nécessairement tout ce qui peut influencer la réponse.

Les projets vont plus loin. Ils peuvent réunir des conversations, des fichiers et des instructions dans un même espace. Avec une mémoire limitée au projet, les conversations peuvent s'appuyer sur les autres échanges du projet sans aller chercher le contexte d'un autre projet.

Ces fonctions répondent à un besoin réel : ne pas recommencer chaque conversation depuis zéro.

Elles permettent notamment de conserver :

• des préférences de formulation ;
• des informations récurrentes sur une activité ;
• le contenu de conversations précédentes ;
• des fichiers associés à un projet ;
• des instructions propres à un espace de travail.

Pour une tâche ponctuelle ou un projet bien délimité, cela peut suffire.

La limite apparaît lorsque vous attendez de cette mémoire qu'elle représente fidèlement votre activité. Une information retenue peut être vraie, incomplète, sensible, devenue obsolète ou contredite par une décision plus récente.

Le système se souvient alors d'un élément. Il ne sait pas forcément quelle autorité lui accorder.

Votre contexte de travail contient quatre couches différentes

Le mot « contexte » masque plusieurs besoins. Pour un indépendant, il ne désigne pas seulement une biographie, un ton rédactionnel ou une liste de préférences.

Il contient au moins quatre couches.

Un cadre durable

Cette première couche regroupe les éléments qui changent peu :

• votre activité ;
• votre public prioritaire ;
• vos principes de travail ;
• votre vocabulaire ;
• vos contraintes de confidentialité ;
• certaines préférences de forme.

Ce sont les informations les plus proches de ce que l'on appelle habituellement une mémoire personnelle.

Elles sont utiles, mais elles ne disent pas ce qui se passe aujourd'hui dans un projet.

L'état actuel des projets

Un projet possède une temporalité : décisions prises, hypothèses abandonnées, version en cours, points bloquants et prochaine action.

Cette couche évolue beaucoup plus vite.

Une note de cadrage écrite il y a deux mois peut rester utile pour comprendre l'origine du projet. Elle ne doit pas nécessairement guider la prochaine décision. Si une offre, une priorité ou un périmètre a changé, l'agent doit pouvoir distinguer l'historique de l'état actuel.

Sans cette distinction, davantage de mémoire peut produire davantage de contradictions.

Les sources à vérifier

Certaines informations ne doivent pas être mémorisées comme des vérités permanentes.

Le contenu actuel d'un site, un tarif, une documentation logicielle, une échéance administrative ou l'état d'un dépôt peuvent changer. Une ancienne capture indique ce qui était vrai au moment où elle a été prise. Elle ne prouve pas ce qui est vrai aujourd'hui.

Pour ces informations, la bonne réponse n'est pas « mémoriser davantage ». Elle consiste à identifier la source de référence et à la consulter au moment utile.

Les frontières d'action

Le contexte comprend aussi ce que l'IA peut faire avec l'information.

Lire une note, créer un brouillon et publier un article ne présentent pas le même risque. Un agent peut avoir suffisamment de contexte pour préparer un message sans avoir la permission de l'envoyer.

Les permissions, les interdits et les validations nécessaires font donc partie du contexte de travail. Sans eux, l'IA connaît peut-être votre objectif, mais pas les limites dans lesquelles elle doit vous aider.

Une conversation n'est pas une source de vérité

Une conversation est utile pour réfléchir, explorer une possibilité ou produire un premier résultat. Elle devient fragile lorsqu'elle sert en même temps de mémoire, de documentation et de référence.

Pourquoi ? Parce qu'un échange mélange plusieurs statuts d'information :

• une question encore ouverte ;
• une idée proposée par le modèle ;
• une décision réellement prise ;
• un fichier joint à un instant donné ;
• une correction formulée plusieurs messages plus tard ;
• une hypothèse qui n'a jamais été validée.

Tout se retrouve dans le même fil, sans que chaque phrase porte clairement son niveau d'autorité.

Vous pouvez relire la conversation pour reconstruire le raisonnement. Mais demander au modèle de « se souvenir de tout » ne transforme pas automatiquement cet historique en base de connaissance fiable.

Une décision importante mérite souvent une forme distincte : une note de référence, un document versionné, une fiche projet ou une règle explicitement validée.

La conversation aide à produire la décision. Elle ne devrait pas toujours être l'unique endroit où cette décision existe.

Le problème inverse : conserver trop de contexte

Le manque de contexte n'est pas le seul risque. L'accumulation en crée un autre.

Si vous demandez à l'IA de tout retenir, vous mélangez progressivement :

• l'important et l'anecdotique ;
• le durable et le temporaire ;
• la décision et l'hypothèse ;
• le professionnel et le personnel ;
• l'état actuel et l'archive.

Le résultat n'est pas nécessairement une meilleure compréhension. C'est parfois un espace plus difficile à interpréter.

Je retrouve la même difficulté dans mon propre système de notes. Une capture peut sembler utile au moment où je la conserve, puis ne plus mériter de rejoindre ma mémoire durable. Le tri ne sert pas seulement à ranger. Il sert à éviter que l'agent traite chaque fragment comme une connaissance de même valeur.

Une mémoire utile doit donc accepter trois opérations :

1. conserver ce qui mérite de durer ;
2. mettre à jour ou archiver ce qui a changé ;
3. supprimer ce qui n'aide plus à décider ou à agir.

Cette sélection reste un acte de jugement. L'IA peut signaler une contradiction ou proposer un classement. Elle ne doit pas décider seule de la valeur future de toutes vos informations.

Mon article sur ce qu'une mémoire d'agent doit réellement conserver reprend ces trois opérations et ajoute le statut à donner à chaque information avant de la faire entrer dans une mémoire durable.

Les projets ChatGPT améliorent la continuité, pas toute la gouvernance

Regrouper les conversations, les fichiers et les instructions d'un sujet dans un projet est déjà plus solide qu'une succession de chats isolés.

La mémoire limitée au projet apporte aussi une frontière utile. D'après la documentation d'OpenAI, elle permet aux conversations du projet de se référer entre elles sans consulter les conversations situées à l'extérieur.

C'est pertinent pour séparer des clients, des thèmes ou des contextes sensibles.

Mais cette frontière ne répond pas à toutes les questions :

• qui possède la version de référence du document ;
• comment distinguer une décision actuelle d'une ancienne décision ;
• quelle source extérieure doit être vérifiée avant de répondre ;
• que se passe-t-il si un fichier disparaît ou si une modification est mauvaise ;
• quelles actions peuvent être exécutées sans validation ;
• comment reprendre le travail avec un autre outil ou un autre modèle.

Un projet améliore la continuité dans ChatGPT. Il ne constitue pas nécessairement, à lui seul, toute la mémoire et toute la gouvernance de votre activité.

C'est une différence importante. La commodité d'un outil et la maîtrise d'un système ne répondent pas exactement au même besoin.

Ce qu'ajoute un système IA personnel

Un système IA personnel ne cherche pas seulement à augmenter la quantité de contexte disponible.

Il organise la relation entre l'agent, la mémoire et l'action.

Dans mon système, les informations qui doivent rester lisibles et récupérables sont conservées dans des fichiers que je possède. GitHub garde un historique des modifications. L'agent peut consulter certaines sources, mais ses permissions dépendent de l'usage. Les actions externes ou difficiles à annuler restent sous validation humaine.

Cette architecture ajoute plusieurs distinctions :

• mémoire et source actuelle : une note peut fournir du contexte sans remplacer la vérification du site ou du document de référence ;
• connaissance et permission : savoir quoi faire ne donne pas automatiquement le droit de le faire ;
• historique et état présent : une ancienne version reste accessible sans être présentée comme la décision actuelle ;
• préparation et publication : l'agent peut produire un brouillon sans le rendre public ;
• stockage et reprise : posséder un fichier est utile, mais il faut aussi pouvoir restaurer une version correcte.

L'objectif n'est pas d'ajouter de la complexité partout. Il est de rendre explicites les frontières qui comptent pour l'usage choisi.

Mon article sur la manière dont mon agent travaille avec Obsidian montre cette différence : l'agent peut lire, préparer et proposer, tandis que certaines modifications ou actions restent encadrées.

Commencez par un seul contexte répétitif

Vous n'avez pas besoin de transformer toute votre activité en base de connaissance avant d'obtenir un premier résultat utile.

Choisissez plutôt une situation dans laquelle vous répétez souvent le même contexte. Par exemple :

• préparer un rendez-vous à partir des décisions précédentes ;
• reprendre un projet après plusieurs jours d'interruption ;
• rédiger un contenu sans réintroduire un ancien positionnement ;
• retrouver la dernière procédure validée ;
• synthétiser des documents sans confondre archive et version actuelle.

Puis répondez à cinq questions :

1. Quel résultat voulez-vous obtenir ?
2. Quelles informations devez-vous aujourd'hui répéter manuellement ?
3. Où se trouve la source qui fait réellement référence ?
4. Quelles informations peuvent devenir obsolètes ?
5. Quelle action doit rester sous validation humaine ?

Ces réponses permettent déjà de distinguer ce qui relève d'une préférence mémorisée, d'une source à consulter, d'une règle ou d'une permission.

Si le résultat attendu consiste à agir, mon article sur les tâches à confier à l'IA propose un autre filtre : fréquence, stabilité de la règle, coût de l'erreur et facilité de contrôle.

Quand ChatGPT seul suffit

Un système plus structuré n'est pas nécessaire pour chaque demande.

Une conversation classique peut suffire lorsque :

• la tâche est ponctuelle ;
• vous fournissez directement toutes les informations utiles ;
• le résultat est facile à vérifier ;
• aucune connaissance ne doit être conservée ;
• aucune action sensible n'est exécutée ;
• la perte de la conversation n'aurait pas de conséquence importante.

Un projet ChatGPT peut suffire lorsque le contexte reste borné, que les fichiers disponibles sont à jour et que vous acceptez que cet espace soit le lieu principal de continuité.

Le besoin d'un système IA personnel apparaît lorsque le contexte doit durer, rester possédé, s'appuyer sur plusieurs sources, évoluer sans perdre son historique et encadrer des actions.

La bonne décision n'est donc pas toujours d'ajouter une mémoire plus sophistiquée. Elle peut être de rester dans une conversation, de créer un projet ou de structurer un système plus complet.

La mémoire n'est fiable qu'avec une règle de vérité

La question n'est plus seulement : comment faire pour que ChatGPT se souvienne de moi ?

Elle devient :

Quelles informations doivent être mémorisées, quelles sources doivent être vérifiées et quelles décisions doivent rester sous mon contrôle ?

Cette question change la manière de concevoir l'usage de l'IA.

Vous ne cherchez plus à verser toute votre activité dans une mémoire opaque. Vous définissez ce qui mérite de durer, ce qui doit être relu à sa source et ce que l'agent ne peut pas décider seul.

Une mémoire réduit les répétitions. Un contexte de travail bien gouverné réduit les erreurs de référence.

C'est cette deuxième capacité qui transforme une conversation pratique en système durable.