Dernière mise à jour : 2026-06-22

La fenêtre de contexte expliquée

La fenêtre de contexte est le nombre maximal de jetons qu'un modèle de langage peut traiter en un seul appel, en comptant à la fois l'entrée qu'il lit et la sortie qu'il génère. Une requête tient lorsque l'entrée plus les jetons réservés à la réponse reste dans cette limite. Comme la fenêtre est fixe pour un modèle donné, planifier un appel revient à budgéter ses composantes face à ce plafond.

Le budget

L'entrée d'un appel unique est la somme de l'invite système, de l'historique de conversation antérieur renvoyé, et du message courant de l'utilisateur. Réserver de la place pour la réponse donne le total que la fenêtre doit contenir :

où $W$ est la fenêtre de contexte et $n_{out}$ la sortie réservée. Le taux d'utilisation est la part de la fenêtre que la requête consomme :

Un $n_{rem}$ négatif signifie que la requête déborde de la fenêtre et ne peut s'exécuter telle quelle.

Exemple chiffré

Soit une requête avec une invite système de 800 jetons, 6000 jetons d'historique et un message utilisateur de 1200 jetons, réservant 2000 jetons pour la réponse, face à une fenêtre de 128 000 jetons :

La requête réclame 10 000 jetons et en laisse 118 000 libres, utilisant environ 7,8 % de la fenêtre. La marge est ample : l'historique pourrait croître bien des fois avant que la fenêtre ne devienne la contrainte déterminante.

Comportement en débordement

Lorsque le total dépasse la fenêtre, les fournisseurs ne tronquent pas silencieusement d'une façon que l'appelant maîtrise ; l'appel est rejeté ou le contexte le plus ancien est écarté, l'un comme l'autre dégradant le résultat. La sortie réservée mérite une attention particulière : si l'entrée remplit presque la fenêtre, il reste peu de place au modèle pour répondre et la réponse risque d'être coupée en pleine génération. Réserver la sortie explicitement empêche une entrée qui tient de produire une réponse tronquée.

Application

La fenêtre est une limite stricte, distincte du coût, qui croît avec les jetons utilisés. L'historique est d'ordinaire la composante la plus volumineuse et la plus compressible, de sorte que faire tenir une longue conversation signifie généralement la résumer ou l'élaguer, raccourcir l'invite système, abaisser la sortie réservée, ou passer à un modèle doté d'une fenêtre plus grande. Pour dimensionner l'entrée à partir d'une cible en nombre de mots, convertissez avec le Calculateur de jetons en mots ; pour voir comment l'historique renvoyé pousse à la hausse à la fois la fenêtre et la facture au fil de nombreux tours, voyez le Calculateur de croissance du coût de contexte.