Fenêtres de contexte

À mesure que les conversations s'allongent, vous finirez par approcher les limites de la fenêtre de contexte. Ce guide explique comment fonctionnent les fenêtres de contexte et présente des stratégies pour les gérer efficacement.

Pour les conversations de longue durée et les workflows agentiques, la compaction côté serveur est la stratégie principale de gestion du contexte. Pour des besoins plus spécialisés, l'édition de contexte offre des stratégies supplémentaires comme l'effacement des résultats d'outils et l'effacement des blocs de réflexion.



Comprendre la fenêtre de contexte

La « context window » (fenêtre de contexte) fait référence à l'ensemble du texte qu'un modèle de langage peut consulter lors de la génération d'une réponse, y compris la réponse elle-même. Ceci est différent du grand corpus de données sur lequel le modèle de langage a été entraîné, et représente plutôt une « mémoire de travail » pour le modèle. Une fenêtre de contexte plus grande permet au modèle de traiter des prompts plus complexes et plus longs, mais plus de contexte n'est pas automatiquement synonyme de meilleurs résultats. À mesure que le nombre de tokens augmente, la précision et le rappel se dégradent, un phénomène connu sous le nom de context rot (dégradation du contexte). Cela rend la sélection de ce qui se trouve dans le contexte tout aussi importante que l'espace disponible.

Claude obtient des résultats de pointe sur les benchmarks de récupération en contexte long comme MRCR et GraphWalks, mais ces gains dépendent de ce qui se trouve dans le contexte, et pas seulement de la quantité qui y tient.

Le diagramme ci-dessous illustre le comportement standard de la fenêtre de contexte pour les requêtes API¹ :

¹Pour les interfaces de chat, comme claude.ai, les fenêtres de contexte peuvent également être configurées selon un système glissant « premier entré, premier sorti ».

• Accumulation progressive des tokens : À mesure que la conversation progresse au fil des tours, chaque message utilisateur et chaque réponse de l'assistant s'accumulent dans la fenêtre de contexte. Les tours précédents sont conservés intégralement.
• Schéma de croissance linéaire : L'utilisation du contexte croît linéairement à chaque tour, les tours précédents étant conservés intégralement.
• Capacité de la fenêtre de contexte : La fenêtre de contexte totale disponible (jusqu'à 1 million de tokens) représente la capacité maximale pour stocker l'historique de conversation et générer une nouvelle sortie de Claude.
• Flux entrée-sortie : Chaque tour se compose de :
  • Phase d'entrée : Contient tout l'historique de conversation précédent plus le message utilisateur actuel.
  • Phase de sortie : Génère une réponse textuelle qui devient une partie d'une entrée future.



La fenêtre de contexte avec la réflexion étendue

Lors de l'utilisation de la réflexion étendue, tous les tokens d'entrée et de sortie, y compris les tokens utilisés pour la réflexion, comptent dans la limite de la fenêtre de contexte, avec quelques nuances dans les situations multi-tours.

Les tokens du budget de réflexion sont un sous-ensemble de votre paramètre max_tokens, sont facturés comme des tokens de sortie et comptent dans les limites de débit. Avec la réflexion adaptative, Claude décide dynamiquement de son allocation de réflexion, de sorte que l'utilisation réelle des tokens de réflexion peut varier d'une requête à l'autre.

Cependant, les blocs de réflexion précédents sont automatiquement retirés du calcul de la fenêtre de contexte par l'API Claude et ne font pas partie de l'historique de conversation que le modèle « voit » pour les tours suivants, préservant ainsi la capacité en tokens pour le contenu réel de la conversation.

Le diagramme ci-dessous illustre la gestion spécialisée des tokens lorsque la réflexion étendue est activée :

• Suppression de la réflexion étendue : Les blocs de réflexion étendue (affichés en gris foncé) sont générés pendant la phase de sortie de chaque tour, mais ne sont pas reportés comme tokens d'entrée pour les tours suivants. Vous n'avez pas besoin de supprimer les blocs de réflexion vous-même. L'API Claude le fait automatiquement pour vous si vous les renvoyez.
• Détails d'implémentation technique :
  • L'API exclut automatiquement les blocs de réflexion des tours précédents lorsque vous les renvoyez dans le cadre de l'historique de conversation.
  • Les tokens de réflexion étendue ne sont facturés comme tokens de sortie qu'une seule fois, lors de leur génération.
  • Le calcul effectif de la fenêtre de contexte devient : context_window = (input_tokens - previous_thinking_tokens) + current_turn_tokens.
  • Les tokens de réflexion incluent les blocs thinking.

Cette architecture est efficace en termes de tokens et permet un raisonnement approfondi sans gaspillage de tokens, car les blocs de réflexion peuvent être de longueur substantielle.



La fenêtre de contexte avec la réflexion étendue et l'utilisation d'outils

Le diagramme ci-dessous illustre la gestion des tokens de la fenêtre de contexte lors de la combinaison de la réflexion étendue avec l'utilisation d'outils :

• Considérations pour l'utilisation d'outils avec la réflexion étendue :
  • Lors de l'envoi des résultats d'outil, l'intégralité du bloc de réflexion non modifié qui accompagne cette requête d'outil spécifique (y compris les portions de signature) doit être incluse.
  • Le calcul effectif de la fenêtre de contexte pour la réflexion étendue avec utilisation d'outils devient : context_window = input_tokens + current_turn_tokens.
  • Le système utilise des signatures cryptographiques pour vérifier l'authenticité des blocs de réflexion. Ne pas préserver les blocs de réflexion pendant l'utilisation d'outils peut rompre la continuité du raisonnement de Claude. Ainsi, si vous modifiez les blocs de réflexion, l'API renvoie une erreur.

La sélection d'outils de Claude est conçue pour rester fiable avec de grands documents d'entrée, en choisissant le bon outil (ou en s'abstenant correctement) lorsque la conversation inclut plus de 100K tokens de contexte non lié aux outils. Pour réduire le contexte consommé par les outils eux-mêmes, consultez Gérer le contexte des outils, ou différez les définitions d'outils avec l'outil de recherche d'outils.

Claude Opus 4.8, Claude Mythos Preview, Claude Opus 4.7, Claude Opus 4.6 et Claude Sonnet 4.6 disposent d'une fenêtre de contexte de 1 million de tokens sur l'API Claude, Amazon Bedrock et Vertex AI. Sur Microsoft Foundry, Claude Opus 4.8 dispose d'une fenêtre de contexte de 200k tokens. Les autres modèles Claude, y compris Claude Sonnet 4.5, disposent d'une fenêtre de contexte de 200k tokens.

Claude Fable 5 et Claude Mythos 5 (claude-fable-5 et claude-mythos-5) disposent d'une fenêtre de contexte de 1 million de tokens sur l'API Claude. Le maximum de 1 million est également la valeur par défaut, et une seule requête peut générer jusqu'à 128k tokens de sortie (max_tokens).

Une seule requête peut inclure jusqu'à 600 images ou pages PDF (100 pour les modèles avec une fenêtre de contexte de 200k tokens). Lors de l'envoi de nombreuses images ou de documents volumineux, vous pouvez approcher les limites de taille de requête avant la limite de tokens.



Conscience du contexte dans Claude Sonnet 4.6, Sonnet 4.5 et Haiku 4.5

Claude Sonnet 4.6, Claude Sonnet 4.5 et Claude Haiku 4.5 disposent de la conscience du contexte. Cette capacité permet à ces modèles de suivre leur fenêtre de contexte restante (c'est-à-dire leur « budget de tokens ») tout au long d'une conversation. Cela permet à Claude d'exécuter des tâches et de gérer le contexte plus efficacement en comprenant l'espace dont il dispose pour travailler. Claude est entraîné à utiliser ce contexte avec précision, en persistant dans la tâche jusqu'à la toute fin plutôt que de deviner combien de tokens il reste. Pour un modèle, l'absence de conscience du contexte revient à participer à un concours de cuisine sans horloge. Les modèles conscients du contexte changent cela en recevant explicitement des informations sur le contexte restant, afin de pouvoir tirer le meilleur parti des tokens disponibles.

Fonctionnement :

Au début d'une conversation, Claude reçoit des informations sur sa fenêtre de contexte totale :

<budget:token_budget>1000000</budget:token_budget>

Le budget est fixé à 1 million de tokens (200k pour les modèles avec une fenêtre de contexte plus petite).

Après chaque appel d'outil, Claude reçoit une mise à jour sur la capacité restante :

<system_warning>Token usage: 35000/1000000; 965000 remaining</system_warning>

Cette conscience aide Claude à déterminer la capacité restante pour le travail et permet une exécution plus efficace sur les tâches de longue durée. Les tokens d'image sont inclus dans ces budgets.

Avantages :

La conscience du contexte est particulièrement utile pour :

• Les sessions d'agent de longue durée nécessitant une concentration soutenue.
• Les workflows multi-fenêtres de contexte où les transitions d'état sont importantes.
• Les tâches complexes nécessitant une gestion minutieuse des tokens.

Pour des conseils de prompting sur l'exploitation de la conscience du contexte, consultez le guide des bonnes pratiques de prompting.



Gérer le contexte avec la compaction

Si vos conversations approchent régulièrement les limites de la fenêtre de contexte, la compaction côté serveur est l'approche recommandée. La compaction fournit une synthèse côté serveur qui condense automatiquement les parties antérieures d'une conversation, permettant des conversations de longue durée au-delà des limites de contexte avec un travail d'intégration minimal. Elle est disponible en version bêta pour Claude Fable 5, Claude Mythos 5, Claude Opus 4.8, Claude Mythos Preview, Claude Opus 4.7, Claude Opus 4.6 et Claude Sonnet 4.6.

Pour des besoins plus spécialisés, l'édition de contexte offre des stratégies supplémentaires :

• Effacement des résultats d'outils - Effacer les anciens résultats d'outils dans les workflows agentiques.
• Effacement des blocs de réflexion - Gérer les blocs de réflexion avec la réflexion étendue.



Comportement en cas de dépassement de la fenêtre de contexte

Sur les modèles Claude 4.5 et plus récents, si les tokens d'entrée plus max_tokens dépassent la taille de la fenêtre de contexte, l'API accepte la requête. Si la génération atteint ensuite la limite de la fenêtre de contexte, elle s'arrête avec stop_reason: "model_context_window_exceeded". Sur les modèles antérieurs, l'API renvoie plutôt une erreur de validation ; activez le comportement model_context_window_exceeded avec l'en-tête bêta model-context-window-exceeded-2025-08-26. Consultez Gestion des raisons d'arrêt pour plus de détails.

Pour rester dans les limites de la fenêtre de contexte, utilisez l'API de comptage de tokens pour estimer l'utilisation des tokens avant d'envoyer des messages à Claude.

Consultez le tableau de comparaison des modèles pour une liste des tailles de fenêtre de contexte par modèle.



Étapes suivantes