Il y a quelques jours, Google a mis en avant, comme argument massue pour son nouveau Gemini 3.5 Pro, un chiffre qui claque : 2 millions de tokens de fenêtre de contexte. Le souci, c’est que pour 90 % des lecteurs, cette phrase sonne comme du chinois technique. Alors on reprend depuis le début. Dans cette rubrique Décryptage IA, on démonte chaque semaine un concept d’intelligence artificielle pour le rendre limpide. Aujourd’hui, direction la fenêtre de contexte, ce qui se cache derrière, pourquoi tous les laboratoires d’IA s’en vantent, et surtout, ce que ça change réellement pour vous quand vous discutez avec ChatGPT, Claude ou Gemini.
| 🔍 Définition express La fenêtre de contexte, c’est la quantité totale d’informations qu’une intelligence artificielle peut « garder en tête » au même moment : votre question, l’historique de la conversation, les documents que vous lui avez transmis, et même sa propre réponse en cours de rédaction. Une fois cette limite atteinte, le modèle commence à « oublier » les éléments les plus anciens pour faire de la place aux nouveaux, un peu comme un tableau blanc qui ne peut contenir qu’une certaine quantité de texte avant qu’il ne faille effacer le début pour continuer à écrire. |
Le token, cette unité de mesure qu’on ne voit jamais
Avant de parler de fenêtre, il faut comprendre ce qu’on y met dedans. Une intelligence artificielle générative ne « lit » pas le texte comme nous : mot par mot, lettre par lettre. Elle le découpe en petits fragments appelés tokens, qui correspondent grosso modo aux trois quarts d’un mot en moyenne. Le mot « intelligence », par exemple, peut être scindé en deux tokens distincts : « intelli » et « gence ». Un mot court comme « chat » forme généralement un seul token, tandis qu’un mot rare ou composé peut en occuper plusieurs.
- 100 tokens représentent à peu près 75 mots de texte français courant.
- 1 000 tokens correspondent approximativement à deux pages de texte standard.
- 1 million de tokens équivalent, très grossièrement, à un roman de 750 000 mots, soit largement plus long que l’intégralité de la saga Harry Potter réunie.
| 💬 Petit lexique Pourquoi pas compter en mots directement ? Les concepteurs de modèles d’IA ont choisi les tokens plutôt que les mots pour une raison purement technique : cette unité gère bien mieux la ponctuation, les mots composés, les emojis, ou même plusieurs langues mélangées dans un même texte. C’est un peu comme découper une pizza en parts égales plutôt qu’en tranches irrégulières selon les ingrédients : ça simplifie considérablement le travail de la machine qui doit traiter des millions de requêtes différentes chaque jour. |
Ce que contient réellement la fenêtre de contexte
Quand on parle de fenêtre de contexte, on englobe en réalité plusieurs éléments qui se partagent le même espace disponible, un peu comme les compartiments d’une valise à capacité fixe.
- Le prompt système : les instructions de base données au modèle avant même que vous ne lui écriviez quoi que ce soit.
- Votre question ou votre requête, ainsi que tout l’historique de la conversation en cours si vous discutez depuis plusieurs échanges.
- Les documents ou fichiers annexes que vous auriez transmis : un PDF, une feuille de calcul, ou même une vidéo selon les modèles les plus récents.
- Les résultats d’outils externes que le modèle consulte en cours de route, par exemple une recherche web ou l’exécution d’un bout de code.
- La réponse générée par le modèle lui-même, qui consomme elle aussi des tokens au fur et à mesure de sa rédaction.
C’est justement cette accumulation qui explique pourquoi une conversation très longue avec un assistant IA finit parfois par « perdre le fil » : une fois la limite de la fenêtre atteinte, les premiers échanges de la conversation sortent purement et simplement de la mémoire active du modèle.
Où en sont les grands modèles en 2026 ?
La course à la fenêtre de contexte la plus large est devenue, ces derniers mois, l’un des arguments marketing favoris des laboratoires d’IA, un peu comme la course au mégapixel qu’on a connue sur les appareils photo il y a quelques années. Voici où se situent les principaux modèles actuellement sur le marché.
| Modèle | Fenêtre de contexte | Équivalent en pages de texte |
| Gemini 3.1 Pro (disponible) | 1 million de tokens | environ 1 500 pages |
| Gemini 3.5 Pro (annoncé) | 2 millions de tokens (❓ non confirmé officiellement) | environ 3 000 pages |
| GPT-5.6 Sol (OpenAI) | environ 1,05 million de tokens | environ 1 600 pages |
| Claude Opus 4.8 (Anthropic) | 1 million de tokens | environ 1 500 pages |
| Mistral Large 3 | 256 000 tokens | environ 400 pages |
Pourquoi une grande fenêtre change vraiment la donne (avec des exemples concrets)
Ce chiffre n’a rien d’un simple argument commercial gonflé pour impressionner la galerie. Une fenêtre de contexte large débloque des usages tout simplement impossibles avec un modèle plus limité. Voici quelques exemples parlants pour bien saisir l’enjeu.
Exemple 1 : L’analyse juridique ou contractuelle
Imaginez un avocat qui doit vérifier la cohérence entre douze annexes d’un contrat commercial de 400 pages. Avec une fenêtre de contexte limitée, il faudrait découper le document en plusieurs morceaux et les analyser séparément au risque de rater une contradiction entre une clause de la page 12 et une autre de la page 380. Avec une fenêtre de 2 millions de tokens, l’ensemble du contrat rentre d’un seul bloc, et le modèle peut repérer ces incohérences croisées sans perdre le fil.
Exemple 2 : Le débogage d’une base de code entière
Pour un développeur, transmettre l’intégralité du code source d’une application moyenne à une IA nécessite souvent plusieurs centaines de milliers de tokens. Avec une fenêtre trop étroite, l’assistant ne voit qu’une fraction du projet et peut proposer une correction qui casse une autre partie du code qu’il n’a tout simplement pas pu consulter.
Exemple 3 : La transcription et l’analyse vidéo
Certains modèles multimodaux peuvent désormais « regarder » une vidéo directement, en la convertissant en tokens au rythme d’environ 18 000 tokens par minute de contenu selon les standards actuels du secteur. Une fenêtre de 2 millions de tokens permettrait ainsi d’analyser environ 30 minutes de vidéo en une seule requête, de quoi résumer une conférence entière ou repérer un passage précis dans un long enregistrement, sans le découper au préalable.
| ⚠️ Le piège de la dégradation du contexte ou « context rot » Attention à une idée reçue : une fenêtre de contexte plus large ne garantit pas automatiquement une meilleure qualité de réponse. Les chercheurs ont identifié un phénomène baptisé « context rot » (littéralement, la « dégradation du contexte ») : plus on remplit la fenêtre avec des informations, plus le modèle a statistiquement tendance à mal repérer les détails enfouis au milieu d’un texte très long, un peu comme chercher une aiguille dans une botte de foin qui grossirait à mesure qu’on y ajoute de la paille. Une fenêtre géante n’est donc utile que si le modèle sait aussi l’exploiter intelligemment, et pas seulement l’ingérer. |
Fenêtre de contexte et RAG : deux approches complémentaires
Une confusion fréquente mérite d’être clarifiée : la fenêtre de contexte n’est pas la seule façon de faire travailler une IA sur de gros volumes de documents. Il existe une technique alternative, le RAG (Retrieval-Augmented Generation, ou « génération augmentée par récupération »), qui consiste à aller chercher uniquement les passages pertinents d’une base documentaire plutôt que de tout injecter d’un coup dans la fenêtre de contexte.
- La fenêtre de contexte large convient bien quand il faut un raisonnement croisé sur l’intégralité d’un document unique et cohérent, comme un contrat ou un rapport.
- Le RAG s’avère plus économique et souvent plus précis pour interroger une base documentaire massive, comme des milliers de tickets de support client ou une bibliothèque d’articles internes, où l’on ne cherche généralement que quelques informations ciblées à la fois.
La bataille des fenêtres de contexte géantes fait indéniablement recette dans les communiqués de presse, et Gemini 3.5 Pro ne fait pas exception avec ses 2 millions de tokens revendiqués. Mais le vrai indicateur de qualité ne se limite jamais à la taille du contenant : ce qui compte, c’est la capacité du modèle à retrouver une information précise noyée au milieu de cette masse de données, sans se perdre en route. Avant de choisir un outil sur ce seul critère, mieux vaut se demander concrètement de quel volume on a réellement besoin au quotidien. La plupart des usages courants, rédaction d’e-mails ou brainstorming, n’exploitent jamais ne serait-ce que 5 % d’une fenêtre d’un million de tokens.
| 🗣️ Et vous, qu’en pensez-vous ? Avez-vous déjà été confronté à une IA qui « oublie » le début d’une longue conversation ? Et vous, quelle est la plus longue conversation que vous ayez jamais eue avec une intelligence artificielle ? Dites-nous tout en commentaire ! |