AI Context Kit : un seul dépôt Git avec des fichiers Markdown au lieu de copier le contexte dans ChatGPT et Claude

Situation familière : l’équipe produit conçoit l’interface dans une IA, réalise l’audit dans une autre et fait parfois traiter la même tâche par plusieurs services afin de comparer les résultats. À chaque fois, il faut réexpliquer de quel produit il s’agit, quelles sont ses contraintes et ce qui a déjà été décidé. Si quelque chose change dans une conversation, les autres continuent à fonctionner avec une ancienne version de la réalité.

L’auteur de l’article publié sur Habr propose une solution simple : ne pas copier le contexte d’une plateforme à l’autre, mais le conserver à un seul endroit. C’est ainsi qu’est né AI Context Kit, un ensemble open source de modèles pour dépôt Git.

Fonctionnement

AI Context Kit n’est ni un serveur, ni un MCP, ni une plateforme d’IA distincte. Il s’agit d’une arborescence de dossiers accompagnée de règles d’utilisation. À la racine se trouve PROJECTS.md, le registre des projets. Pour chaque projet, un dossier contenant trois fichiers est créé :

• PROJECT.md : les informations relativement stables, à savoir les objectifs, le public, le périmètre et les contraintes.
• CONTEXT.md : la partie la plus dynamique, où sont consignés les décisions prises, les résultats, les questions en suspens et les prochaines étapes.
• INSTRUCTIONS.md : les règles destinées à l’IA elle-même. Elles précisent comment utiliser les documents, quand proposer des modifications et comment les faire valider par l’utilisateur.

Cette séparation n’est pas fortuite. Les objectifs peuvent rester inchangés pendant des mois, tandis que les décisions sont actualisées chaque semaine. Il devient ainsi possible de modifier l’état courant sans réécrire la description de l’ensemble du projet.

Exemple pratique

Dans la démonstration, un projet baptisé product-launch est créé pour un service de planification des tâches personnelles. Le concept de l’interface est élaboré dans ChatGPT en connectant le dépôt GitHub et en indiquant le répertoire requis dans Project Instructions. Une décision est prise : l’écran principal affiche les tâches du jour, tandis que le calendrier reste une vue complémentaire. Cette décision est inscrite dans CONTEXT.md.

L’audit est ensuite effectué dans Claude. Le même dépôt lui est connecté et il lui est demandé de lire la version actuelle de CONTEXT.md. Claude voit la décision concernant l’écran principal et travaille immédiatement à partir de celle-ci, sans qu’il soit nécessaire de lui résumer la discussion menée dans ChatGPT. Détail important : le contexte partagé ne contient pas l’intégralité des échanges, mais uniquement les décisions et les informations nécessaires aux étapes suivantes.

Les limites de l’approche

L’auteur énumère honnêtement les limites. Premièrement, il n’existe pas de synchronisation automatique. Certaines plateformes disposent d’une intégration GitHub ou MCP native, tandis que sur d’autres, les fichiers devront être transmis manuellement. Deuxièmement, des instructions en Markdown ne garantissent pas que le modèle lira tous les fichiers et respectera toutes les règles. Il convient donc de vérifier quel contexte il a réellement utilisé.

Il existe également un risque de conflit : si deux IA modifient CONTEXT.md simultanément, certaines modifications peuvent être perdues. Pour l’éviter, il est proposé de vérifier la version du fichier avant l’écriture, par exemple à l’aide de son SHA, si l’intégration prend en charge l’écriture conditionnelle. Les modifications ne sont enregistrées qu’après validation par un humain.

La sécurité mérite une attention particulière. Les projets non publics nécessitent des dépôts privés, dans lesquels aucun secret ne doit être conservé. Les dossiers n’assurent pas l’isolation des droits d’accès ; il vaut donc mieux répartir les projets ayant des niveaux d’accès différents entre plusieurs dépôts.

Comment l’adopter

L’idée n’est pas révolutionnaire, mais elle est pratique : le contexte réside dans Git plutôt que dans la mémoire d’un service particulier. Vous bénéficiez ainsi d’un historique des modifications, d’une revue des changements et d’une indépendance vis-à-vis des fournisseurs. Pour les équipes qui utilisent déjà plusieurs modèles, c’est une solution peu coûteuse pour supprimer les copier-coller manuels.

Il est possible de commencer modestement : créez un dépôt, transférez-y les objectifs du projet et la liste des décisions prises, puis connectez-le à vos deux principaux outils d’IA. La principale condition de réussite n’est pas technologique, mais disciplinaire. Si une décision n’est pas ajoutée à CONTEXT.md, l’IA suivante n’en saura rien. Le contexte ne reste à jour que dans la mesure où vous le mettez soigneusement à jour.