La fenêtre de contexte : la mémoire de travail du modèle
Collez un PDF de 40 pages dans Claude et demandez un résumé. Cela fonctionne instantanément. Collez un roman de 900 pages et vous risquez de buter sur un mur : « Ce message dépasse la longueur maximale. » Même outil, même prompt, résultat totalement différent. La différence tient à la fenêtre de contexte, et une fois que vous l'avez comprise, la moitié des comportements étranges des chatbots d'IA s'explique d'un coup.
La première chose à comprendre
Un LLMLLMUn Large Language Model est un système d'IA entraîné sur d'énormes volumes de texte pour prédire et générer du langage, ce qui permet de rédiger, résumer ou répondre à des questions.Voir la définition complète → (large language model, la technologie derrière ChatGPT, Claude et Gemini) n'a aucune mémoire d'une conversation à l'autre. Quand vous ouvrez un nouveau chat, le modèle ne sait rien du précédent. Il ne se « souvient » pas de vous comme le ferait un collègue.
Tout ce que le modèle « sait » pendant un chat se trouve à un seul endroit : la fenêtre de contexte.
Voyez la fenêtre de contexte comme la mémoire de travail du modèle, comme la surface du bureau devant vous. Tout ce qui tient sur le bureau, le modèle peut le voir et l'utiliser. Ce qui tombe par-dessus bord disparaît.
Cela comprend :
- Vos messages
- Les réponses du modèle
- Les fichiers ou textes que vous avez collés
- Les instructions système cachées que l'application ajoute en coulisses
Tout cela se trouve sur le même bureau. Et ce bureau a une taille fixe.
Les tokenstokensUn token est l'unité de base de texte que traitent les modèles de langage : le plus souvent un fragment de mot, un mot entier ou un signe de ponctuation, plutôt qu'un simple caractère.Voir la définition complète → : le budget que vous dépensez
La taille de la fenêtre de contexte se mesure en tokens, pas en mots.
Un token est un fragment de texte. En gros, 1 token correspond à environ 4 caractères, soit trois quarts de mot. 100 tokens représentent donc environ 75 mots.
Quelques exemples :
- « cat » = 1 token
- « unbelievable » = souvent 3 ou 4 tokens (découpé en morceaux)
- Une page de texte standard = environ 500 à 700 tokens
Vous pouvez le constater vous-même avec l'outil gratuit Tokenizer d'OpenAI. Collez n'importe quel texte et regardez-le se découper en tokens colorés. C'est le moyen le plus rapide de saisir le concept.
Pourquoi est-ce important ? Parce que la fenêtre de contexte est un budget, et les tokens en sont la monnaie.
En 2026, les limites courantes ressemblent à peu près à ceci (elles changent souvent, vérifiez la documentation du fournisseur) :
- ChatGPT (famille GPT-5) : d'environ 32 000 tokens sur les offres gratuites et d'entrée de gamme à environ 200 000 sur les offres supérieures dans l'application, et jusqu'à 400 000 via l'APIAPIApplication Programming Interface : une interface standardisée qui permet aux applications de communiquer et d'échanger des données sans connaître leur fonctionnement interne respectif.Voir la définition complète →
- Claude (Sonnet et Opus 4.x) : 200 000 tokens en standard, avec une option à 1 000 000 de tokens pour Sonnet via l'API
- Gemini (3 Pro et 2.5 Pro) : environ 1 000 000 de tokens
Un million de tokens, cela paraît infini. Ça ne l'est pas. Faisons le calcul.
Pourquoi le PDF de 40 pages passe (et pas le roman)
Un PDF de 40 pages représente environ 20 000 à 28 000 tokens. Placez-le dans une fenêtre de 200 000 tokens et vous avez utilisé peut-être 12 % du bureau. Il reste largement de la place pour vos questions et les réponses du modèle.
Un roman de 900 pages représente environ 400 000 à 500 000 tokens. Cela déborde d'une fenêtre de 200 000 tokens. L'application le refuse parce qu'il ne tient pas sur le bureau. Dans une fenêtre Gemini d'un million de tokens, il passe, avec de la marge pour les questions.
Voici la règle pratique :
Si votre contenu tient dans la fenêtre, le modèle peut raisonner sur l'ensemble en une seule fois. Sinon, vous devez le découper.
Quand un contenu est trop volumineux, vos options sont :
- Le découper en morceaux et les traiter un par un.
- Résumer au fur et à mesure, en transmettant des résumés plutôt que le texte intégral.
- Utiliser un modèle doté d'une fenêtre plus grande (c'est précisément pour cela que les fenêtres d'un million de tokens sont utiles pour les documents très volumineux).
Pourquoi les longs chats « oublient » le début
Voici le comportement qui déroute le plus.
Vous en êtes à 50 messages dans un long chat de brainstorming. Vous demandez au modèle de rappeler un détail mentionné tout au début. Il se trompe, ou invente quelque chose.
Le modèle ne fait pas preuve de paresse. Chaque message, le vôtre comme celui du modèle, consomme du budget de tokens, et une longue conversation en ajoute sans cesse. Quand le total approche de la limite, l'application doit réagir. Chaque application s'y prend à sa manière :
- Supprimer les messages les plus anciens pour que les plus récents tiennent encore. Le modèle ne voit littéralement plus ce que vous avez dit il y a une heure.
- Compresser l'historique automatiquement. Claude et ChatGPT peuvent résumer en coulisses les premières parties d'un long chat. L'essentiel survit, mais des détails précis (un chiffre exact, une formulation précise) peuvent se perdre.
- Arrêter le chat et vous demander d'en ouvrir un nouveau.
Dans tous les cas, le début de la conversation n'est plus sur le bureau sous sa forme d'origine.
Un modèle mental simple :
[ CONTEXT WINDOW = 200,000 tokens ]
Earliest messages --> dropped or summarized when full
...
Recent messages --> always visible
Your latest prompt --> always visibleC'est aussi pour cela que le modèle peut se contredire dans les longues sessions. La consigne donnée au message 3 (« réponds toujours en anglais britannique ») peut avoir disparu, ou s'être diluée dans un résumé, au message 80.
« Pourtant, ChatGPT se souvient de mon nom d'un chat à l'autre ? »
Bien vu. Les applications modernes ajoutent des fonctionnalités par-dessus la fenêtre de contexte brute :
- Memory (ChatGPT, Claude, Gemini) : l'application enregistre des informations sur vous ou fouille vos anciens chats, puis insère discrètement les éléments pertinents dans les nouvelles conversations.
- Projects (Claude, ChatGPT) : un espace partagé où instructions et fichiers persistent d'une conversation à l'autre.
Ce n'est pas le modèle qui se souvient. C'est l'application qui réinjecte des informations dans la fenêtre de contexte à chaque fois. La fenêtre reste la seule chose que le modèle voit réellement.
Vérification des acquis
1. Quelle est la meilleure façon de décrire le rôle de la fenêtre de contexte pour un modèle de langage ?
2. Pourquoi un PDF de 40 pages se résume-t-il sans problème alors qu'un roman de 900 pages déclenche l'erreur « ce message dépasse la longueur maximale » ?
3. Un collègue affirme : « L'IA se souviendra de notre conversation de la semaine dernière quand j'ouvrirai un nouveau chat. » D'après la leçon, quelle est la correction exacte ?
4. Sélectionnez TOUS les éléments qui occupent de la place dans la fenêtre de contexte (le « bureau » du modèle).
Sélectionnez toutes les réponses correctes.
5. Sélectionnez TOUTES les affirmations qui décrivent correctement le fonctionnement des tokens selon la leçon.
Sélectionnez toutes les réponses correctes.
Travailler avec la fenêtre, pas contre elle
Dès que vous traitez les tokens comme un budget, vous faites de meilleurs choix. Voici l'état d'esprit à adopter.
1. Repartez de zéro pour chaque nouveau sujet
Ne faites pas passer toute votre semaine dans un seul chat sans fin. Un chat surchargé gaspille du budget en historique inutile et augmente le risque de confusion. Nouvelle tâche, nouveau chat.
2. Placez l'essentiel en évidence
Mettez vos instructions les plus importantes et vos documents de référence près de votre vraie question, pas enfouis 40 messages plus haut. Si une règle compte, répétez-la.
3. Collez la partie utile, pas tout
Pas besoin de coller un contrat de 200 pages pour poser une question sur la clause de résiliation. Collez la clause et un peu de contexte autour. Moins de bruit, des réponses plus précises, un coût plus faible.
4. Résumez pour « sauvegarder » un long chat
Quand une longue conversation devient lente ou commence à oublier, demandez :
« Résume tout ce que nous avons décidé jusqu'ici sous forme de liste à puces que je pourrai coller dans un nouveau chat. »
Puis ouvrez un chat vierge avec ce résumé en tête. Vous avez compressé des heures de travail en quelques centaines de tokens, et c'est vous qui décidez de ce que le résumé conserve.
5. Utilisez Projects pour le travail au long cours
Si vous revenez sans cesse aux mêmes documents (un manuscrit, une spécification produit, un compte client), placez-les dans un Project pour qu'ils soient toujours chargés sans avoir à les recoller.
Un exemple concret : compter votre budget
Si vous développez avec l'API (l'interface développeur de ces modèles), la consommation de tokens vous est remontée directement. Même pour un non-développeur, la voir une fois est utile.
# pip install anthropic
import anthropic
client = anthropic.Anthropic() # utilise votre clé API
response = client.messages.create(
model="claude-sonnet-4-5",
max_tokens=300,
messages=[
{"role": "user", "content": "Summarize the causes of WWI in 5 bullets."}
],
)
print(response.content[0].text)
# Le modèle vous indique exactement le budget dépensé :
print("Input tokens:", response.usage.input_tokens)
print("Output tokens:", response.usage.output_tokens)input_tokens correspond à ce que vous avez envoyé (votre prompt plus les fichiers collés). output_tokens correspond à ce que le modèle a rédigé en retour. Les deux comptent dans les limites et, sur les offres payantes, dans le coût. Suivre ces chiffres rend le concept tangible.
Idées reçues, clarifiées
« Une fenêtre de contexte plus grande, c'est un modèle plus intelligent. » Non. Une fenêtre plus grande, c'est un bureau plus grand. Un modèle doté d'une fenêtre immense peut toujours mal lire ce qui s'y trouve.
« Le modèle lit attentivement tout mon document à chaque fois. » Pas exactement. Avec des entrées très volumineuses, les modèles peuvent passer à côté de détails enfouis au milieu, un phénomène connu parfois appelé « lost in the middle ». Les instructions importantes doivent figurer au début ou à la fin de votre entrée.
« Une fois que je lui ai dit quelque chose, il le sait pour toujours. » Seulement dans ce chat, et seulement tant que l'information reste intégralement dans la fenêtre. D'un chat à l'autre, seuls Memory ou Projects la transmettent.
Points clés
- La fenêtre de contexte est la mémoire de travail du modèle. Tout ce que le modèle peut « voir » (vos messages, ses réponses, les fichiers collés) s'y trouve, et sa taille est fixe, mesurée en tokens.
- Les tokens sont un budget : environ 75 mots pour 100 tokens. Un PDF de 40 pages tient facilement dans une fenêtre de 200 000 tokens ; un roman entier exige un modèle à un million de tokens ou un découpage.
- Les longs chats perdent le début parce que les anciens messages sont supprimés ou compressés en résumés quand la fenêtre se remplit. Répétez les instructions importantes et ouvrez de nouveaux chats pour les nouveaux sujets.
- Résumez pour préserver votre travail : demandez au modèle de lister vos décisions sous forme de puces, puis collez cette liste dans un chat vierge.
- Memory et Projects ne sont pas une vraie mémoire. Ils réinjectent des informations dans la fenêtre à chaque session : utilisez-les pour les documents que vous réutilisez, et pour tout le reste, ne collez que les parties utiles.
À faire, tiré de cette leçon
Ces actions sont compilées dans le plan d'action du rôle.
- Répétez les instructions clés au début ou à la fin des inputs longs
- Résumer les décisions en puces et les coller dans de nouveaux chats
- Calibrer la consommation de tokens par rapport aux limites de contexte avec le tokenizer
Articles liés
Les articles récents du blog qui s'appuient sur cette leçon.
- IADonner à l'IA le bon contexte : ce que Morgan Stanley a compris avant les autresQuand Morgan Stanley a déployé un assistant IA pour ses conseillers financiers, le projet a failli échouer non par manque d'information fournie au modèle, mais par excès. L'histoire de ce déploiement illustre une règle que beaucoup de professionnels apprennent à leurs dépens : ce qui compte, c'est la pertinence du contexte, pas son volume.
- IAFenêtre de contexte : ce que ce paramètre change concrètement dans votre travailLa fenêtre de contexte d'un LLM détermine combien d'information le modèle peut traiter en une seule fois. Comprendre ce mécanisme change radicalement la façon dont on structure ses prompts, ses workflows, et ses attentes.
- IAQuand OpenAI a découvert que ses utilisateurs parlaient à une IA qui les oubliait à chaque sessionUn détail technique anodin, l'absence de mémoire persistante dans les premiers LLMs grand public, a failli transformer ChatGPT en outil de niche réservé aux tâches ponctuelles. Voici ce que ce moment révèle sur la manière dont Projects, Custom Instructions et Memory ont changé la façon dont les professionnels travaillent réellement avec l'IA.