Contexte (fenêtre de)
Quantité maximale de texte (en tokens) qu'un LLM peut traiter en une seule fois.
Définition complète
La fenêtre de contexte est la limite physique de ce qu'un LLM peut "voir" en même temps : prompt système + historique de conversation + documents + question + réponse en cours. Au-delà, le modèle tronque silencieusement les informations les plus anciennes — c'est la cause #1 des comportements "il a oublié ce que je viens de dire".
État de l'art en 2026 : - GPT-5 : 256 000 tokens - Claude 4.6 Sonnet : 1 million de tokens - Gemini 2.5 Pro : 2 millions de tokens - Modèles open-source (Llama 4, Mistral) : généralement 128K à 256K
1 token ≈ 0,75 mot en français. Donc 1 million de tokens ≈ 750 000 mots ≈ 1500 pages de roman. C'est énorme — et tentant. Mais attention : avoir un grand contexte ne signifie pas qu'il est utilisé efficacement. Au-delà de 100K tokens, la plupart des modèles "perdent" de l'attention sur les informations du milieu (phénomène "lost in the middle"). Pour les cas où la précision est critique, le RAG (qui injecte uniquement les passages pertinents) reste plus fiable que le "long context".
Le contexte est aussi facturé : envoyer 200K tokens à GPT-5 coûte environ 0,40$ par appel rien qu'en input. À grande échelle, ça change l'économie.
Approfondir
Tu veux maîtriser Contexte (fenêtre de) en pratique ?
Le module "Tokens, contexte et mémoire" couvre contexte (fenêtre de) en profondeur, avec démonstrations interactives et exercices.
Découvrir le module →Termes liés
Unité de base du traitement textuel dans les LLMs — un mot, une partie de mot, ou un signe.
Retrieval Augmented Generation — combine un LLM avec une base de données externe.
Large Language Model — modèle de deep learning entraîné sur d'immenses corpus de texte.
Représentation mathématique d'un texte sous forme de vecteur numérique de plusieurs centaines de dimensions.