Module 4 — Les 5 patterns de dégradation — Context Engineering — le pack Praktik

Objectif

À la fin de ce module, tu sauras diagnostiquer les 5 patterns de dégradation et appliquer la mitigation adaptée.

Les 5 patterns

Pattern	Symptôme	Cause	Mitigation
Lost-in-middle	Info présente mais ignorée	Position au milieu du contexte	Déplacer aux bords, ajouter résumés
Poisoning	Hallucination persistante malgré correction	Fausse info entrée dans le contexte	Tronquer avant le point de poison
Distraction	Performance baisse avec contenu additionnel	Info non pertinente compétitionne	Filtrer avant chargement
Confusion	Réponses mélangeant plusieurs tâches	Multi-tâches dans un seul contexte	Isoler par session
Clash	Réponses contradictoires	Sources contradictoires en contexte	Établir priorité, marquer conflits

Pattern 1 : Lost-in-Middle

Détection :

L’info existe dans le contexte mais le modèle l’ignore
Réponses contredisant les données fournies
Le modèle “oublie” des instructions données plus tôt

Exemple :

User: "N'oublie pas d'utiliser Zustand, pas Redux"
[... 50 messages plus tard ...]
Agent: "J'ai installé Redux et configuré le store..."

Mitigation :

Placer les contraintes au début ET à la fin
Ajouter des résumés aux bords des longs documents
Utiliser des headers explicites comme ancres d’attention

Pattern 2 : Context Poisoning

Détection :

Hallucination qui persiste malgré correction explicite
Mauvais outil appelé ou mauvais paramètres
Qualité dégradée sur des tâches précédemment réussies

Exemple :

Tour 5 : L'agent lit un document obsolète disant que l'API est v1
Tour 10 : L'agent continue de citer v1 malgré correction
Tour 15 : Toutes les décisions sont basées sur v1

Mitigation :

Identifier le premier tour où la fausse info est entrée
Tronquer ou redémarrer avant ce point
Recharger uniquement les sources vérifiées
Noter la source rejetée pour éviter répétition

Ne JAMAIS : ajouter des corrections par-dessus le contexte empoisonné. L’erreur originale garde du poids attentionnel.

Pattern 3 : Context Distraction

Détection :

Performance baisse quand des documents non pertinents sont ajoutés
Même un seul document non pertinent a un impact disproportionné

Recherche : L’impact suit une fonction en escalier, pas linéaire. Le premier distractor est le plus coûteux.

Mitigation :

Filtrer par pertinence avant chargement
Utiliser des appels d’outils à la place du pré-chargement
Score de pertinence : exclure tout ce qui est sous le seuil

Pattern 4 : Context Confusion

Détection :

Réponses s’adressant au mauvais aspect d’une requête
Appels d’outils appropriés pour une tâche différente
Outputs mélangeant des exigences de plusieurs sources

Exemple :

Contexte contient :
- Tâche A : refactor auth
- Tâche B : ajouter logging

Agent : "J'ai ajouté le logging dans le middleware d'auth"
→ Mélange des contraintes des deux tâches

Mitigation :

Segmenter les tâches dans des contextes séparés
Utiliser des marqueurs de “reset de contexte” entre tâches
Une session = une tâche

Pattern 5 : Context Clash

Détection :

Sources correctes mais contradictoires
Le modèle choisit aléatoirement entre elles
Pas de signal de conflit

Exemple :

Doc A : "L'endpoint est /charges" (v1)
Doc B : "L'endpoint est /payments" (v2)

Mitigation :

Filtrer les versions obsolètes avant chargement
Marquer explicitement les conflits :

conflit:
  sujet: endpoint de facturation
  source_a: docs/v1.md → /charges
  source_b: docs/v2.md → /payments
  priorité: docs/v2.md
  raison: version en production

Le framework des 4 buckets

Quand tu détectes un pattern, applique l’une de ces 4 stratégies :

Stratégie	Quand	Comment
Write	Utilisation > 70%	Sauver contexte hors fenêtre (fichiers, scratchpads)
Select	Distraction / confusion	Ne charger que le contexte pertinent
Compress	Tout est pertinent mais trop volumineux	Résumer tout en préservant les décisions
Isolate	Multi-tâches	Splitter en subagents avec contextes séparés

Checklist de validation

Je reconnais les 5 patterns de dégradation
Je sais quel pattern correspond à mes symptômes
Je peux appliquer la mitigation adaptée
Je connais le framework des 4 buckets

Diagnostiquer “dégradation” quand c’est un problème de prompt. → Avant de diagnostiquer un pattern de dégradation, vérifie que le même prompt fonctionne correctement à faible contexte (2K tokens). Si ça échoue déjà à 2K, le problème est le prompt, pas le contexte.

Prochaine étape

→ Module 5 (Compaction intentionnelle fréquente) pour apprendre à compacter proprement