100 conversations, un seul contexte

1. Le chat a été la première interface. Le contexte vient ensuite

Nouveau chat. Même arrière-plan.

Nouvel outil. Même fichiers.

Nouvelle question. Même explication de ce que vous essayez de faire, des sources qui comptent, de l'usage prévu du résultat, de ce que l'IA doit garder en tête et de ce qu'elle ne doit pas inventer.

C'est la taxe cachée du travail avec l'IA.

Le vrai coût consiste à reconstruire le contexte chaque fois que le travail se déplace.

Vous ouvrez un produit d'IA pour comprendre un marché. Un autre pour résumer un PDF. Un autre pour réécrire un mémo. Un autre encore parce qu'il est meilleur pour la recherche, le code, l'écriture ou le raisonnement. Puis le fil devient trop long. La réponse commence à dériver. Les parties utiles sont enfouies plus haut dans l'historique. Alors vous recommencez.

La tâche continue. Le contexte, lui, ne suit pas. Voilà le problème.

2. Les grandes fenêtres de contexte aident. Elles ne résolvent pas tout

La première génération d'outils IA a placé le chat au centre du produit. Vous posiez une question. Le modèle répondait. Si la réponse était fausse, vous affiniez le prompt. Si le fil devenait confus, vous en ouvriez un nouveau.

Cela fonctionne pour de petites tâches. Cela se défait dès que le travail devient sérieux.

Un travail sérieux a un contexte : sources, contraintes, décisions, exemples, ton, public, questions ouvertes, pistes écartées et raison pour laquelle la tâche compte.

Un fondateur qui étudie un marché a besoin de pages concurrentes, de captures de prix, de mots de clients, de notes de positionnement, d'anciens brouillons et de la raison pour laquelle une piste a été rejetée. Une étudiante a besoin de notes de cours, de PDF, de schémas, de points faibles et des questions sur lesquelles elle trébuche encore. Un auteur a besoin de l'idée d'origine, des références, de la structure, du lecteur et du goût.

Dans tous ces cas, la conversation est temporaire. Le contexte est durable.

3. Le coût de la fragmentation

La réponse évidente consiste à agrandir la fenêtre de contexte.

Un contexte plus large est utile. Il permet au modèle de prendre en compte plus d'informations en une seule passe. Il rend possibles des documents plus longs et des tâches plus riches.

Mais une fenêtre de contexte reste une fenêtre. Elle décrit ce que le modèle peut considérer à un moment donné. Elle ne décide pas quelles sources sont pertinentes, quelle version du projet est la bonne, ni quelles hypothèses devront être réutilisées la semaine suivante.

Les recherches récentes sur le long contexte montrent qu'ajouter davantage d'entrée ne revient pas à ajouter davantage d'entrée utile. Quand l'entrée s'allonge, les distracteurs, l'ambiguïté et les difficultés de récupération peuvent aussi augmenter.

La meilleure question n'est donc pas : comment faire entrer tout cela dans un seul chat ? C'est : comment apporter le bon contexte à la bonne conversation avec l'IA ?

4. Le meilleur modèle : enregistrer une fois, réutiliser souvent

Le travail avec l'IA devient plus puissant, mais aussi plus éparpillé.

Une même tâche peut désormais passer par ChatGPT, Claude, Gemini, NotebookLM, Perplexity, un agent de code, une application de notes, un navigateur, un lecteur PDF et un éditeur de documents. Chaque outil a une force. Chaque outil a aussi une limite.

À chaque limite, l'utilisateur paie une taxe : réexpliquer l'objectif, recoller la même source, redécrire le public, reconstruire les contraintes, rappeler ce qui a changé et vérifier si la réponse est vraiment fondée ou seulement plausible.

Quand le contexte est reconstruit à la main, l'impatience le compresse. La deuxième explication perd des détails. La troisième devient un résumé approximatif. La quatrième se transforme en « tu vois ce que je veux dire ». Le modèle, lui, ne voit pas.

Peu à peu, le projet devient une chaîne de contextes partiels. Et un contexte partiel produit une intelligence partielle.

5. Un exemple simple

La réponse n'est pas une conversation infinie.

La réponse est une couche de contexte réutilisable.

Les conversations devraient être l'endroit où l'on réfléchit, questionne, compare, décide, rédige et affine. Le contexte devrait être quelque chose que l'on peut enregistrer, organiser, sélectionner et réutiliser.

C'est l'idée produit derrière Pickmix.

Pickmix transforme les contenus utiles en Picks enregistrés : pages web, notes, PDF, captures d'écran, images, Markdown, liens et texte brut. Les Picks peuvent vivre dans des Spaces, rester liés au contexte du projet et devenir des sources sélectionnées pour AI Chat.

Le flux est simple : enregistrer la source quand le contexte est encore frais, regrouper les Picks liés dans un Space, sélectionner les sources qui comptent, interroger l'IA avec ce contexte, puis revenir au Pick d'origine pour vérifier, réutiliser ou continuer.

Quand la tâche change, vous ne repartez pas de zéro. Quand le chat devient trop long, vous ne perdez pas le projet. Quand vous changez d'outil ou de question, vous ne reconstruisez pas tout le prompt. Vous ramenez les bons Picks.

6. Le meilleur résultat IA commence avant le prompt

Imaginez que vous étudiiez une nouvelle catégorie de produit.

Dans l'ancien flux de travail, les pages concurrentes restent dans des onglets, les captures de prix sur le bureau, les notes dans un document, les PDF dans un dossier, et les prompts comme les réponses se dispersent dans plusieurs conversations IA.

Pour rédiger un mémo marché, vous collez quelques liens dans un outil. Pour chercher des idées de positionnement, vous les collez à nouveau ailleurs. Pour préparer un plan de lancement, vous résumez le résumé en espérant que les détails importants aient survécu.

Dans Pickmix, les sources font partie de l'espace de travail dès le départ. Pages concurrentes, captures de prix, avis clients, PDF, notes et brouillons peuvent devenir des Picks dans le même Space.

Demandez un mémo marché avec les sources pertinentes sélectionnées. Demandez une carte de positionnement depuis la même couche de sources. Demandez un plan de lancement sans faire comme si le travail précédent n'avait jamais existé.

Le travail ressemble moins à du copier-coller et davantage à une accumulation de valeur.