Explication détaillée
La fenêtre de contexte conditionne ce qu'un LLM peut "voir" : conversation, documents joints, instructions système. Plus elle est grande, plus on peut injecter de contenu (ex. RAG), au prix d'un coût et d'une latence accrus. Les modèles récents atteignent plusieurs centaines de milliers de tokens.
Exemples
Claude 3.5 Sonnet : 200k tokens
Gemini 1.5 Pro : 1M+ tokens
GPT-4 Turbo : 128k tokens
Questions fréquentes
Plus c'est grand, mieux c'est ?
Pas toujours : au-delà d'une certaine taille, la qualité de rappel baisse et le coût grimpe. Le RAG reste utile.
Termes associés
Prompt
Instruction en langage naturel envoyée à un modèle d'IA générative pour obtenir une réponse.
Token
Unité de texte (souvent un fragment de mot) qu'un modèle de langage manipule en entrée comme en sortie.
LLM (Large Language Model)
Modèle de langage entraîné sur d'immenses corpus de texte pour comprendre et générer du langage naturel.
RAG (Retrieval-Augmented Generation)
Technique qui combine la recherche d'informations dans une base de connaissances et la génération par un LLM.
Dernière mise à jour : 15/07/2026