Qu'est-ce que le contexte d'une IA ? — La réalité « lit mais ne lit pas » de l'ère du million de tokens

En 2023, une fenêtre de contexte de 32 K tokens paraissait « spacieuse ». Aujourd'hui, une fenêtre de la classe du million de tokens (1 M) va de soi pour les modèles haut de gamme. En septembre 2026, Anthropic, OpenAI et Google affichent tous, dans les spécifications officielles de leurs modèles phares, une limite d'entrée d'environ un million de tokens. Les noms de modèles et les chiffres précis changent à chaque sortie : je les laisse donc à la liste des modèles actuels et de leurs dates de coupure et aux pages officielles de chaque éditeur. Cet article se concentre sur ce qui survit à un changement de génération : comment lire les chiffres, et comment travailler avec.

« Un million de tokens » correspond à environ 8 à 10 livres de poche en anglais, ou à des dizaines de milliers de lignes de code source. Nous pouvons désormais garder autant de matière « en vue » dans une seule session. Mais qu'un document tienne dans le contenant ne veut pas dire que le modèle le lise en entier. Les scores qu'OpenAI publie sur son benchmark multi-aiguilles de contexte long (MRCR) montrent qu'un même modèle obtient un score plus bas à mesure que l'entrée s'allonge, et que l'ampleur de la baisse varie fortement selon le modèle et la génération (voir §1 et §4).

Je donne mon avis d'emblée : l'époque où l'on choisissait un modèle sur la seule taille du contenant est révolue. Ce qui compte, c'est le trio « contexte effectif × coût × manière de l'alimenter ». Cet article passe en revue ce qu'est vraiment le contexte, comment lire une fiche technique, pourquoi la taille ne suffit pas, comment mesurer la plage effective pour votre propre usage, comment le tarif s'envole sur les longues entrées, et cinq tactiques d'économie applicables dès aujourd'hui par les devs solo et les petites équipes — chiffres officiels et résultats de benchmarks publiés à l'appui.

1. Le 1 M est partout — mais « lire jusqu'au bout » est une autre affaire

La prise en charge du 1 M s'est généralisée en deux ans. En avril 2025, GPT-4.1 d'OpenAI sortait avec environ 1,05 million de tokens ; en août 2025, Claude Sonnet 4 d'Anthropic passait à 1 million (en bêta) ; et en septembre 2026, les modèles phares d'Anthropic, d'OpenAI et de Google affichent tous environ un million de tokens dans leurs spécifications officielles. En 2023, 32 K semblait spacieux : c'est plus de 30 fois plus en trois ans seulement. La course à la taille du contenant semblait terminée.

Mais si l'on regarde les scores de contexte long que les fournisseurs publient eux-mêmes, le tableau se complique. Le benchmark qui donne des résultats complets par longueur est MRCR v2 (8 aiguilles) d'OpenAI. Il cache huit demandes du même type — par exemple « écris un poème sur les tapirs » — dans une longue conversation avec une IA, puis demande d'en restituer exactement une, comme « renvoie le 2ᵉ poème ». Comme le modèle doit distinguer des éléments presque identiques, jusqu'à leur ordre, c'est un test de needle-in-a-haystack multi-aiguilles. Le score mesure à quel point le texte renvoyé correspond au bon. Voici les résultats par longueur :

• GPT-5.5 : 98,1 % à 4 K–8 K, 87,5 % à 128 K–256 K, 74,0 % à 512 K–1 M
• GPT-5.4 (la génération précédente, dans le même tableau) : 97,3 % → 79,3 % → 36,6 % sur ces trois mêmes tranches
• Claude Opus 4.7 (chiffres qu'OpenAI a repris dans le même tableau) : 59,2 % à 128 K–256 K, 32,2 % à 512 K–1 M
• GPT-6 Astra (annoncé en septembre 2026) : 100,0 % à 256 K–512 K, 96,3 % à 512 K–1 M (GPT-5.6 Sol, dans le même tableau : 91,5 % et 73,8 %)

Sources (vérifiées le 26 septembre 2026) : tableaux d'évaluation de « Introducing GPT-5.5 » (23 avril 2026) et de « GPT-6 Astra » (3 septembre 2026), d'OpenAI. Fonctionnement du benchmark : description du jeu de données OpenAI MRCR. Noms des modèles au moment de chaque annonce.

Deux choses ressortent. D'abord, un même modèle obtient un score plus bas à mesure que l'entrée s'allonge. Ensuite, la pente de la baisse varie fortement selon le modèle et la génération : dans la tranche la plus proche de 1 M, GPT-5.4 est tombé sous les 40 %, tandis que GPT-6 Astra, annoncé en septembre 2026, est resté au-dessus de 90 %. Le classement change à chaque génération, donc ces chiffres vieillissent vite. Ce qui reste, c'est la leçon : la limite annoncée et la plage où la précision tient vraiment sont deux chiffres différents.

Ne vous méprenez pas. Il ne s'agit pas de dire que « Claude ou GPT sont mauvais ». Les usages qui exigent vraiment le 1 M complet sont plus rares qu'on ne le pense. Si un modèle lit de façon stable jusqu'à 300 K (environ 2 à 3 livres), presque toutes les tâches de code, de recherche et de synthèse y tiennent. Le problème, c'est de choisir sur le seul chiffre « 1 M pris en charge » : c'est ainsi qu'on se trompe de critères.

2. Qu'est-ce que le contexte ? — Distinguer le contenant de son contenu

Petit point de terminologie. Trois mots se mélangent dans ce domaine.

Et ne confondez pas non plus « contexte » et « mémoire ». Le contexte vit à l'intérieur de la session — fermez le chat et il disparaît. Des fonctionnalités comme ChatGPT Memory ou Claude Memory, en revanche, sont un mécanisme de rétention transversal aux sessions. Le contenu de la mémoire finit par être injecté dans la fenêtre de contexte, mais du point de vue de l'utilisateur, c'est du stockage persistant vs un espace de travail éphémère.

3. La taille du contenant se lit en trois chiffres

Quand vous regardez la fiche technique d'un modèle, il n'y a que trois choses à vérifier côté contexte. Avec ça, vous pouvez comparer n'importe quel modèle selon la même méthode.

Voici les chiffres des pages officielles de chaque éditeur au 29 septembre 2026. Ils bougent à chaque génération : lisez-les comme un exemple concret de la façon dont les trois axes ci-dessus se traduisent en écarts réels. Pour les noms de modèles actuels, consultez la liste des modèles actuels et de leurs dates de coupure ; pour les chiffres, les pages officielles de chaque éditeur.

Sources (consultées le 29 septembre 2026) : Anthropic Models overview et Pricing / pages modèles d'OpenAI pour GPT-6 Astra et GPT-6 Sol / Google Gemini 3.1 Pro Preview et Gemini API pricing

Dans ce tableau, les limites d'entrée sont quasiment identiques d'un éditeur à l'autre ; les écarts portent sur les limites de sortie et la forme de la tarification. À limites égales, la taille de la fenêtre cesse d'être un critère de choix. Ce qui diffère vraiment : Anthropic garde le même tarif jusqu'à la limite, tandis qu'OpenAI et Google le relèvent au-delà d'une certaine longueur. Sous la même étiquette « 1 M pris en charge », la liberté d'envoyer de longues entrées n'est donc pas la même. Ce n'est pas un simple détail tarifaire : cela reflète des approches différentes des charges de travail à contexte long. Le chapitre sur les coûts fait les calculs.

En pratique, le choix se fait ainsi. Décidez en fonction de la taille des documents que vous traitez couramment. S'ils tiennent sous environ 200 K, choisissez sur la stabilité de la précision dans cette plage et sur le fait de rester sous un seuil tarifaire, pas sur la taille de la fenêtre. Ce n'est que si vous traitez en permanence d'énormes documents de plus de 300 K que l'étendue de la plage effective et le tarif des longues entrées deviennent décisifs. Ne misez pas sur un seul modèle — répartissez selon les usages. Cette façon de décider reste valable quelle que soit la génération en place.

Où vérifier les limites

Vérifiez les chiffres sur les pages officielles de chaque éditeur, pas sur des sites de compilation ni dans des tableaux d'articles (celui-ci compris). Les endroits où regarder sont assez constants :

• Anthropic : le tableau comparatif de la page de présentation des modèles comporte les lignes « Context window » et « Max output ». Le tarif des longues entrées figure dans la section « Long context pricing » de la page des prix
• OpenAI : la page de chaque modèle dans la documentation de l'API indique « context window » et « max output tokens », ainsi qu'une note sur le tarif des longs prompts
• Google : la page du modèle dans la Gemini API indique « Input token limit » et « Output token limit », et la page des prix comporte une tranche « prompts > 200k tokens »

Autre point facile à manquer : une même limite contient plus ou moins de texte selon le modèle. Les limites se comptent en tokens ; quand le tokenizer (le mécanisme qui découpe le texte en tokens) change, le nombre de tokens d'un même document change aussi (voir la note du §5). Quand vous changez de modèle, recomptez avec vos propres documents pour vérifier qu'il vous reste de la marge.

4. Trois raisons pour lesquelles « plus grand = mieux » ne tient pas

Le tableau du chapitre précédent ne montre que la taille physique du contenant. Le modèle exploite-t-il vraiment le contenant qu'il annonce ? En bref : ne supposez pas qu'il lit avec la même précision jusqu'à la limite. Il y a trois raisons à cela.

Raison ① : Lost in the Middle

C'est le phénomène décrit en 2023 par des chercheurs de Stanford et d'autres institutions (Liu et al.) dans l'article « Lost in the Middle ». Sur des tâches comme la recherche d'une réponse parmi plusieurs documents, les modèles répondaient le mieux quand la réponse se trouvait au début ou à la fin de l'entrée, et perdaient nettement en précision quand elle se trouvait au milieu — y compris les modèles conçus pour le contexte long.

Concrètement, ça donne ceci : « Vous collez un long PDF en entier, vous demandez "Quel est le chiffre de X ?", et il confond un nombre situé pile au milieu. » C'est ça, Lost in the Middle. L'ampleur varie selon les modèles, mais le plus sûr est de partir du principe qu'une information placée au milieu d'un document se perd plus facilement — et d'adapter la façon de la transmettre.

Raison ② : Context Rot

Plus une conversation s'allonge, plus les instructions initiales s'estompent. Vous aviez demandé un ton formel au début et, 20 échanges plus tard, le modèle est repassé au ton familier : c'est le Context Rot.

Deux causes. ① Les instructions initiales sont traitées comme relativement anciennes et légères dans l'historique. ② L'historique allongé disperse l'attention, ce qui rend plus difficile le renvoi à des tokens précis. Dans sa documentation pour développeurs, Anthropic appelle « context rot » la baisse de précision et de rappel à mesure que le nombre de tokens augmente, et écrit que choisir ce qui entre dans le contexte compte autant que la quantité qui y tient. En septembre 2025, l'entreprise a présenté la façon de traiter ce problème comme une compétence à part entière dans un article technique intitulé « Effective context engineering for AI agents ».

Raison ③ : Contexte annoncé ≠ Contexte effectif

Si l'on ne garde des chiffres du §1 que la tranche la plus proche de 1 M (512 K–1 M), on obtient ceci. Tous proviennent des tableaux d'évaluation des annonces d'OpenAI et utilisent le même benchmark, OpenAI MRCR v2 (8 aiguilles).

Cela ne veut pas dire que « les modèles au score faible sont mauvais ». Dans la tranche courte du même tableau, GPT-5.5 et GPT-5.4 dépassent tous deux 97 %, et l'essentiel du travail réel — revue de code, rédaction longue, synthèse de comptes rendus, synthèse de recherche — se termine bien avant 1 M. Le problème, c'est la logique « il a 1 M, donc j'envoie 1 M ». Gardez aussi à l'esprit que ce sont des chiffres qu'OpenAI a publiés dans ses propres annonces, comparables seulement à l'intérieur d'un même tableau. Google donne lui aussi des résultats MRCR v2 (8 aiguilles) dans la fiche du modèle Gemini 3.1 Pro (février 2026) — 84,9 % à 128 K (moyenne) contre 26,3 % à 1 M —, mais il découpe les longueurs autrement ; il ne figure donc pas parmi les barres ci-dessus. Les pages d'annonce d'Anthropic pour Claude Opus 5.5 et ses autres modèles actuels ne donnent pas de scores de ce type par longueur. Pour savoir ce que vaut le modèle que vous utilisez aujourd'hui, testez-le sur votre propre usage avec la méthode ci-dessous.

Mesurer la « plage effective » pour votre propre usage

Les chiffres des benchmarks reposent sur des types de documents et des façons de questionner différents des vôtres. Le plus fiable est de monter un petit needle-in-a-haystack avec vos propres documents.

1. Prenez le type de document que vous utilisez réellement (code, comptes rendus, contrats, etc.) et placez-y 3 à 5 faits à la réponse nette, au début, au milieu et à la fin (des faits déjà présents dans le document conviennent aussi)
2. Demandez-lui de « tous les lister et d'indiquer où chacun apparaît », pour qu'il doive retrouver plusieurs faits à la fois. N'en demander qu'un seul fait paraître le modèle meilleur qu'il n'est (l'écart entre une aiguille et plusieurs)
3. Répétez la même question à différentes longueurs — par exemple 50 K, 200 K et 500 K — et notez la longueur à partir de laquelle les réponses commencent à se dégrader
4. Ajoutez des questions qui combinent des faits, pas seulement qui les retrouvent (« compare A et B »). Les questions qui exigent une synthèse se dégradent en général plus tôt

Juste en dessous de la longueur où la dégradation commence se trouve le « contexte effectif » de ce modèle pour cet usage. Refaites la mesure quand vous changez de modèle. Cela prend quelques dizaines de minutes, et éclaire les vraies décisions mieux que n'importe quel chiffre de fiche technique.

5. Le piège du coût — les modèles dont le tarif s'envole sur les longues entrées, et les autres

Le chapitre précédent a montré que la plage effective se situe en deçà de la limite. À cela s'ajoute un second piège : envoyer de longues entrées peut faire s'envoler le tarif. Chaque éditeur l'a conçu différemment.

Faisons le calcul. Prenons le cas où vous envoyez un document de 500 K tokens et recevez une réponse de 50 K — le scénario type « résumer d'un coup une grosse base de code ou un rapport annuel ».

• Claude Opus 5.5 (tarif fixe) : 4,00 $ × 0,5 + 20,00 $ × 0,05 = 3,00 $
• GPT-6 Sol (surcoût au-delà de 272 K) : 4,00 $ × 0,5 + 15,00 $ × 0,05 = 2,75 $ (1,50 $ sans surcoût)
• Gemini 3.1 Pro (tarif au-delà de 200 K) : 4,00 $ × 0,5 + 18,00 $ × 0,05 = 2,90 $ (1,60 $ au tarif jusqu'à 200 K)
• GPT-6 Astra (surcoût au-delà de 272 K) : 20,00 $ × 0,5 + 75,00 $ × 0,05 = 13,75 $

Deux enseignements. D'abord, dès qu'on franchit le seuil, le même modèle coûte environ 1,8 fois plus. Sur des entrées courtes, GPT-6 Sol coûte moitié moins que Claude Opus 5.5, mais à 500 K l'écart disparaît presque : le modèle « le moins cher » change selon la longueur de l'entrée. Ensuite, quand le surcoût s'ajoute à un modèle phare déjà cher, on change d'échelle (GPT-6 Astra revient à plus de 4 fois Opus 5.5). Refaites le calcul avec les modèles que vous comparez et votre longueur d'entrée habituelle avant de choisir.

Avec une tarification à seuil, découpez ce qui peut l'être pour que chaque morceau reste sous le seuil. Si vous envoyez les 500 K en deux requêtes de 250 K, GPT-6 Sol n'applique aucun surcoût : 1,50 $ au total (mais cela ne convient pas aux tâches qui doivent tout voir d'un coup). C'est la même logique que dans « Économies de tokens et de sessions IA ».

6. Cinq tactiques d'économie — classées par impact réel pour les devs solo

« Le contenant fait 1 M mais la plage effective s'arrête bien avant, et l'utiliser longtemps coûte cher. » Tout cela est posé. Alors que peut-on faire concrètement sur le terrain ? Voici cinq tactiques que j'utilise au quotidien, classées par le bénéfice le plus important.

Ma meilleure pratique personnelle : se contenter de faire ① et ② avec constance déplace nettement la précision perçue. Même avec Claude Code, plutôt que de pousser une longue session unique, frapper /compact ou démarrer une session fraîche à chaque changement de sujet maintient stable la qualité finale du rendu.

Résumé

Les points clés de cet article :

• Fenêtre de contexte = le nombre maximal de tokens qu'une IA peut traiter en un échange. La taille du contenant
• En septembre 2026, les modèles phares d'Anthropic, d'OpenAI et de Google sont tous dans la classe du million de tokens. Les limites d'entrée diffèrent à peine ; les écarts portent sur les limites de sortie et le tarif des longues entrées
• La limite annoncée et la plage effective sont deux choses différentes. Sur MRCR (8 aiguilles), le benchmark multi-aiguilles publié par OpenAI, un même modèle obtient un score plus bas à mesure que l'entrée s'allonge, et près de 1 M les scores allaient de 32,2 % pour Claude Opus 4.7 (tableau d'OpenAI) à 96,3 % pour GPT-6 Astra
• Le moyen le plus fiable de trouver la plage effective est de disperser des faits dans vos propres documents et de tester à différentes longueurs. Refaites la mesure à chaque changement de modèle
• Le tarif des longues entrées prend deux formes : le même tarif jusqu'à la limite (Anthropic), ou un surcoût au-delà d'un seuil (272 K chez OpenAI, 200 K chez Google). Le moins cher change selon la longueur de l'entrée
• Les économies tiennent en cinq gestes : couper les sessions, envoyer des extraits, répéter les consignes à la fin, utiliser le cache et expliciter les adresses — ① et ② comptent le plus

Le contenant a grandi, mais ce que nous faisons réellement reste le tri entre ce qu'on transmet et ce qu'on laisse de côté. La compétence clé avec l'IA n'est plus « la capacité à tout y mettre ». C'est le discernement pour transmettre exactement ce qu'il faut, correctement — une compétence qui reste utile quel que soit le nombre de générations de modèles qui passeront. C'est ma conclusion, maintenant que le 1 M est devenu la norme.

FAQ