Plus il y a d’outils, plus l’IA devient bête : la stratégie de context engineering de l’équipe Dropbox Dash

L’équipe Dash, l’assistant IA de Dropbox, a constaté qu’à mesure qu’on ajoute des outils (recherche, édition de documents, etc.) à un agent IA, un phénomène de « paralysie de l’analyse » (analysis paralysis) apparaît : la prise de décision ralentit et la précision baisse. Ce problème était causé par le fait que les descriptions des outils consommaient excessivement la fenêtre de contexte, et il s’est aggravé à mesure que l’on évoluait du RAG vers une IA capable d’agir.

Trois stratégies de résolution

1. Consolidation des outils : fusionner plusieurs API (Confluence, Google Docs, etc.) en un seul outil de recherche universel afin de réduire la charge de sélection pour l’IA. Sur les serveurs MCP aussi, la compatibilité est renforcée grâce à une interface unique.

2. Filtrage du contexte : utiliser un graphe de connaissances pour unifier et indexer les données provenant de plusieurs sources, puis les classer selon leur pertinence pour l’utilisateur/la requête. Seules les informations utiles sont transmises à l’IA, ce qui améliore l’efficacité du raisonnement.

3. Séparation des agents spécialisés : déléguer les outils complexes (par ex. la construction de requêtes de recherche) à des agents indépendants du système principal. L’IA principale se concentre sur la planification, tandis que les agents spécialisés gèrent les traitements de détail.

En conclusion, ce n’est pas « plus de contexte » mais « un meilleur contexte » qui rend l’IA plus intelligente, et cette approche est en cours d’extension aux profils utilisateurs et aux espaces de mémoire. L’avenir de l’IA dépend de sa capacité à se concentrer.