Sur cette page
Répondez de tête, puis ouvrez. Le contexte d'une demande
1D'où l'IA tire-t-elle ce qu'elle sait de votre entreprise quand vous lui posez une question ?
De ce que vous mettez sous ses yeux dans la demande : instructions, documents, historique. Son entraînement ne contient pas vos documents.
2Que lit le modèle à chaque demande ?
Tout ce qu'on lui envoie à ce moment : les instructions, les documents joints, l'historique de la conversation et la nouvelle question.
- Un modèle lit et écrit en tokens, des morceaux de mots ; en anglais, un token fait environ quatre caractères.
- Chaque éditeur découpe le texte à sa façon : le même texte français ne compte pas autant de tokens chez tous.
- La fenêtre de contexte est tout ce que le modèle lit d'un coup : instructions, documents, historique, question.
- On paie chaque token lu et chaque token écrit, à chaque demande ; un token écrit coûte plusieurs fois un token lu.
- Dans une conversation, tout l'historique est relu à chaque échange : le prix grandit plus vite que le nombre d'échanges.
Problème
Un assistant par abonnement se paie à la personne. Un modèle appelé par un programme, lui, se paie « par million de tokens », avec une « fenêtre de contexte » d'un million de tokens ou de 256 000. Sans savoir ce que sont ces tokens, on ne peut ni estimer la facture, ni comparer deux éditeurs, ni comprendre pourquoi un échange coûte plus cher au trentième tour qu'au premier.
Principe
Le token est l'unité de texte que lit et écrit un modèle : un mot court, un morceau de mot, une ponctuation. OpenAI donne la règle, pour l'anglais : un token vaut environ quatre caractères, trois quarts de mot. Google donne la même pour Gemini : environ quatre caractères, soit 60 à 80 mots anglais pour 100 tokens. Aucun des éditeurs lus ne publie ce rapport pour le français.
Chaque éditeur découpe le texte avec son propre outil, et ces outils diffèrent. Anthropic écrit que, depuis Claude 4.7, le même texte compte environ 30 % de tokens de plus qu'avant. En 2024, Mistral annonçait un découpage environ 30 % plus économe que le précédent sur le français. Une étude de 2023 trouve, pour un même texte traduit, jusqu'à quinze fois plus de tokens selon la langue.
La fenêtre de contexte est tout ce que le modèle lit d'un coup : les instructions, les documents joints, l'historique, la question, et ce qu'il écrit en retour. Les modèles récents d'OpenAI, d'Anthropic et de Google lisent jusqu'à environ un million de tokens ; ce qu'ils écrivent est plafonné bien en dessous, à 128 000 tokens chez OpenAI et Anthropic, 65 536 chez Gemini 3.8 Flash.
Deux prix : un par million de tokens lus, un autre, plus élevé, par million de tokens écrits. Un modèle qui raisonne écrit aussi des tokens qu'on ne voit pas : ils se paient comme des tokens écrits.
Fonctionnement
Le modèle ne se souvient de rien d'une demande à l'autre. Dans une conversation, chaque échange lui renvoie les instructions, tout l'historique et la nouvelle question : il relit tout, et on paie tout. Le centième échange paie la lecture des quatre-vingt-dix-neuf précédents.
Le cache réduit ce coût : le début de la demande déjà lu se relit à prix réduit. Chez Anthropic, il dure cinq minutes par défaut, et une relecture coûte 10 % du prix d'entrée, 5 % sur Claude Opus 5.5.
Les paliers de long contexte : au-delà de 272 000 tokens lus, une demande à GPT-6 paie l'entrée deux fois et la sortie une fois et demie, pour toute la demande. Claude Haiku 5.5 a un palier à 100 000 tokens ; les autres modèles récents d'Anthropic gardent le même prix sur toute la fenêtre. Gemini 3.1 Pro change de prix au-delà de 200 000.
Exemple détaillé
Avant de bouger le curseur : à trente échanges, le prix est-il trente fois celui d'un échange ?
Le calcul
apprendre/donnees/marche.json), hors taxes, en dollars.Risques
| Ce qui guette | Pourquoi | La parade |
|---|---|---|
| Une conversation qui ne finit jamais | Chaque échange relit tout l'historique ; et la longueur seule fait baisser la qualité des réponses, de 13,9 % à 85 % selon une étude de 2025. | Repartir d'une conversation neuve avec un résumé, dès que le sujet change. |
| Comparer les prix au token entre éditeurs | Le même texte ne compte pas le même nombre de tokens chez chacun. | Comparer le prix d'une même tâche, mesurée sur vos textes. |
| Oublier le raisonnement | Les tokens de raisonnement ne paraissent pas dans la réponse, mais se paient comme des tokens écrits. | Lire la consommation réelle dans la console de l'éditeur, pas la longueur de la réponse. |
| Franchir un palier de long contexte | Chez OpenAI, au-delà de 272 000 tokens, toute la demande change de prix. | Envoyer les passages utiles plutôt que tout le document : c'est le RAG. |
| Estimer le français avec la règle anglaise | Les quatre caractères par token valent pour l'anglais ; aucun éditeur lu ne publie le rapport du français. | Compter avec l'outil de l'éditeur, sur trois textes typiques. |
Mise en place
- Prenez trois textes typiques de l'usage visé : une question, un document joint, une réponse attendue.
- Comptez leurs tokens avec l'outil de l'éditeur (tableau ci-dessous).
- Multipliez par les prix du modèle, en séparant ce qui est lu de ce qui est écrit, et ajoutez une marge pour le raisonnement.
- Multipliez par le nombre de demandes par mois, puis fixez un plafond de dépense dans la console, comme dans la préparation du poste.
Exercice
Dans le calcul, choisissez Claude Opus 5.5 et réglez trente échanges. Notez le prix sans cache, puis avec. De combien le cache réduit-il la facture, et pourquoi ?
Ouvrir la correction
Aux prix relevés le 6 octobre 2026Environ 1,69 $ sans cache et 0,47 $ avec, soit près de trois quarts en moins. Sur trente échanges, le modèle lit 347 250 tokens, dont 326 250 déjà lus à l'échange précédent : avec le cache, ceux-là se relisent à 5 % du prix d'entrée. Ce qui reste cher, ce sont les 15 000 tokens écrits, cinq fois plus chers qu'un token lu. Si les prix ont changé depuis, le calcul affiché fait foi.
Vérification
1ComprendrePourquoi une conversation coûte-t-elle de plus en plus cher à chaque échange ?
Parce que le modèle relit tout l'historique à chaque échange : ce qu'il lit grandit à chaque tour. Le cache réduit le prix de ce qui est relu.
2AppliquerDeux modèles affichent le même prix par million de tokens. Coûtent-ils autant pour le même texte ?
Pas forcément : chaque éditeur découpe le texte à sa façon, et le même texte peut compter nettement plus de tokens chez l'un. Comparez sur vos textes, avec l'outil de comptage de chaque éditeur.
3ComprendreQu'est-ce qui doit tenir dans la fenêtre de contexte ?
Tout ce que le modèle lit d'un coup, instructions, documents, historique et question, et ce qu'il écrit en réponse.
Lectures suivantes
Tokens, fenêtre de contexte et prix
Limites et sources
Aucun éditeur lu ne publie le nombre de tokens d'un texte français : la page ne donne pas de rapport pour le français, et le découpage d'une phrase s'ajoutera avec une mesure réelle.
Le calcul suppose des échanges de longueur fixe ; une vraie conversation varie, et les modèles qui raisonnent écrivent davantage.
- OpenAI, What are tokens ; Anthropic, Token counting ; Google, Understand and count tokens ; Anthropic, Prompt caching.
- Les prix du calcul :
apprendre/donnees/marche.json, relevé du 6 octobre 2026. Le relevé complet :apprendre/recherches/2026-10-07-dev-poste-europe.json.
Écrit par Meridal, avec l'aide de l'IA ; chaque fait vérifié à sa source et relu avant publication. Texte et schémas sous licence CC BY 4.0 : reprenez-les en citant Meridal. Le code sous licence MIT.
Choisir un outil ou un abonnement
275 € à 850 €