Calculateur de fenêtre de contexte d’un modèle d’IA

Chaque modèle de langage a une fenêtre de contexte : le maximum de jetons qu’il peut traiter d’un coup. Tout y entre : vos instructions, les documents joints, l’historique de la conversation, les outils et aussi la réponse du modèle (avec son raisonnement, s’il en a un). Si vous dépassez, la requête échoue ou le modèle coupe.

Saisissez ce que vous envoyez (en jetons, mots, caractères ou pages) et la réponse attendue, choisissez un modèle : vous voyez la part de sa fenêtre que vous occupez, ce qu’il reste et dans combien de modèles de la liste cela tient. Les données portent une date de révision. Tout se passe dans votre navigateur.

Ce que vous envoyez est converti en jetons (si vous ne les donnez pas en jetons, avec l’équivalence approximative de l’anglais : 1 jeton ≈ 0,75 mot ≈ 4 caractères), on ajoute la réponse attendue et l’on divise par la fenêtre du modèle. Si le total est inférieur à la fenêtre, cela tient ; la différence correspond aux jetons libres, convertis en mots et pages approximatifs.

Les données de chaque modèle (fenêtre et sortie maximale) sont dans un fichier avec sa date de révision et ses sources officielles.

Qu’est-ce que la fenêtre de contexte

C’est la « mémoire de travail » du modèle : le total de jetons qu’il peut prendre en compte pour générer une réponse. Elle comprend tout ce qui est dans la requête (instructions système, messages, documents, résultats d’outils, images) et aussi ce que le modèle génère, raisonnement compris. Ce n’est pas la même chose que les données d’entraînement.

Fenêtre de contexte et sortie maximale

Ce sont deux limites distinctes : la fenêtre limite la somme de l’entrée et de la sortie ; la sortie maximale limite ce que le modèle peut écrire en une seule réponse. Un modèle d’1 million de fenêtre peut avoir, par exemple, 128 000 jetons de sortie maximale.

Plus de contexte n’est pas toujours mieux

À mesure que le nombre de jetons augmente, la précision et le rappel du modèle se dégradent : Anthropic parle de « context rot ». Il vaut mieux envoyer le nécessaire plutôt que de remplir la fenêtre pour le plaisir ; résumer, élaguer les anciens résultats ou ne récupérer que les extraits pertinents aide.

Comment estimer les jetons

Le plus fiable est le compteur de jetons du fournisseur. À titre indicatif, en anglais un jeton vaut environ 0,75 mot (environ 4 caractères) ; dans d’autres langues, il y a davantage de jetons par mot. Chaque fournisseur tokenise différemment : le même texte donne des chiffres différents selon le modèle, et Claude 4.7 et suivants produisent environ 30 % de jetons en plus que les précédents pour le même texte.

Erreurs fréquentes

• Oublier que la réponse et le raisonnement occupent aussi la fenêtre.
• Se fier à la conversion mots-jetons dans des langues autres que l’anglais.
• Remplir la fenêtre à ras bord : gardez une marge.
• Comparer les fenêtres sans comparer la sortie maximale.
• Considérer les limites comme fixes : elles changent à chaque modèle.

Limites de ce calculateur

• Les données sont celles de l’API standard à la date de révision ; elles n’incluent ni contextes étendus en bêta ou sous contrat, ni les limites des applications de chat ou des niveaux d’usage.
• Il n’y a pas de sortie maximale pour Claude Haiku 4.5 dans la source consultée.
• Les chiffres d’OpenAI et de Google ont été tirés de leurs pages avec un outil qui résume le contenu : vérifiez-les sur la page officielle.
• La conversion des mots, caractères et pages en jetons est approximative et fondée sur l’anglais.
• Il ne compte ni les images, ni l’audio, ni les outils, qui consomment aussi des jetons.

Avis

Il s’agit d’une estimation. Comptez les jetons avec l’outil du fournisseur avant de caler un cas sur la limite.