Compteur de tokens IA

Qu’est-ce qu’un token ?

A token est l’unité que les modèles d’IA lisent et écrivent. Elle ne correspond pas exactement à un mot : un token peut être un mot entier, une partie de mot, un signe de ponctuation, un espace blanc, un nombre ou un symbole de code. C’est pourquoi un court paragraphe, un export de feuille de calcul et un fichier JavaScript ayant le même nombre de caractères peuvent utiliser des nombres de tokens différents.

Lisez la définition complète dans notre entrée du glossaire sur les tokens, ou découvrez comment fenêtres de contexte fonctionne.

Pourquoi le nombre de tokens compte avant d’envoyer un prompt

Chaque modèle d’IA possède un fenêtre de contexte: l'ensemble du texte qu'il peut prendre en compte à la fois, y compris votre prompt, les documents collés, les messages précédents et la réponse qu'il génère. Si votre entrée est trop longue, le modèle peut ignorer la fin du document, raccourcir sa réponse ou perdre des éléments de contexte importants du début de la conversation.

Compter les tokens avant de coller un long document vous aide à décider s’il faut d’abord le résumer, le diviser en passages plus courts ou supprimer les sections non pertinentes. C’est utile pour les projets de documents juridiques, les articles scientifiques, les fichiers de code, les transcriptions, les fils d’e-mails et tout processus où l’omission d’une section peut modifier la réponse. Plusieurs outils de ce site expriment aussi leurs limites en tokens : le Suppression de filigrane IA, par exemple, exprime son quota par document en tokens pour les raisons précises évoquées ci-dessus.

Quelle est la taille de la fenêtre de contexte de chaque modèle ?

Les fenêtres de contexte ont rapidement grandi : les modèles phares actuels d'OpenAI, d'Anthropic et de Google peuvent tous accueillir environ un million de tokens, soit à peu près 750 000 mots, dans une seule conversation. Ces chiffres proviennent de la documentation des modèles publiée par les fournisseurs eux-mêmes (vérifiée en août 2026), et les barres d'utilisation ci-dessus reprennent les mêmes valeurs.

Deux détails à connaître. D’abord, la fenêtre englobe tout : votre consigne, les documents collés, l’ensemble de la conversation et la réponse en cours de rédaction. Ensuite, même les modèles à un million de tokens plafonnent leur résultat bien plus basse : un modèle capable de lire un roman répond donc toujours par des textes de la longueur d’une dissertation. L’exception est Gemini 1.5 Pro, dont la fenêtre de deux millions de tokens reste la plus grande jamais proposée, associée à l'une des limites de sortie les plus basses.

Comment chaque fournisseur compte les tokens

Les trois principaux fournisseurs arrivent à peu près au même calcul pour la prose anglaise, soit environ 4 caractères par token, mais y parviennent avec des tokeniseurs, ce qui explique pourquoi le même texte n'est jamais comptabilisé de façon identique d'un modèle à l'autre :

• OpenAI utilise son outil de tokenisation open source tiktoken, avec cette règle approximative établie de longue date : 1 token ≈ 4 caractères ≈ 0,75 mot anglais.
• Anthropic ne publie pas son tokenizer ; les décomptes exacts proviennent du Point de terminaison de comptage des tokens de l’API. Les générations récentes de Claude utilisent des tokeniseurs mis à jour : un même texte peut donc être compté légèrement différemment selon les versions de Claude.
• Google indique que, pour Gemini, un jeton représente environ 4 caractères et que 100 jetons correspondent à environ 60 à 80 mots anglais, avec une API countTokens pour obtenir des chiffres exacts.

Les tokens ne concernent pas uniquement le texte. Google publie des barèmes précis pour les médias dans Gemini : une image jusqu’à 384 pixels coûte un forfait de 258 tokens (les images plus grandes sont découpées en sections de 768×768 à 258 tokens chacune), la vidéo coûte environ 263 tokens par seconde et l’audio environ 32 tokens par seconde. Un clip vidéo d’une minute représente donc environ 15 800 tokens avant même que vous ayez saisi un mot, soit plus que la plupart des dissertations.

Que se passe-t-il lorsque la fenêtre de contexte est pleine ?

La fenêtre de contexte est une limite stricte, pas une suggestion. Votre prompt, chaque document collé, toute la conversation jusqu’ici et la réponse en cours de rédaction se partagent une réserve fixe de tokens. La réponse a elle aussi besoin de place : si l’entrée remplit entièrement la fenêtre, le modèle n’a plus de marge pour répondre. Ce qui se passe à la limite dépend de l’endroit où vous l’atteignez :

• Les appels directs à l’API sont rejetés. Si vous envoyez plus de tokens que le modèle n’en accepte, la requête échoue avec une erreur avant toute génération. Vous devez raccourcir ou diviser vous-même le contenu d’entrée.
• Les applications de chat oublient sans le dire. La plupart des services de chat prolongent la conversation en supprimant ou en résumant automatiquement les messages les plus anciens. Le modèle ne vous prévient pas ; il cesse simplement de connaître des éléments que vous lui avez donnés une heure plus tôt, ce qui explique pourquoi les longues sessions finissent par contredire leurs propres réponses précédentes.
• Certains outils ne lisent qu’une partie de votre document. Un texte collé ou un fichier importé trop volumineux peut être tronqué sans avertissement : le modèle répond alors à partir du début du texte sans jamais en voir la fin. Si une réponse ignore vos dernières sections, c'est généralement la raison.

La qualité se dégrade aussi avant la limite stricte : plus la fenêtre est remplie, plus le modèle doit répartir son attention, et les détails enfouis au milieu d'une entrée volumineuse sont les premiers à en pâtir. C'est pourquoi le tableau de planification ci-dessous recommande de fractionner les contenus longs, même lorsqu'ils tiennent techniquement dans la fenêtre.

Pourquoi Claude Code épuise son contexte plus vite avec de gros volumes en entrée

Les utilisateurs d'agents de programmation comme Claude Code remarquent souvent que le pourcentage de contexte disponible baisse beaucoup plus vite dans certaines sessions que dans d'autres. Ce n'est pas un bug : cela découle directement du fonctionnement de la fenêtre de contexte :

• Tout ce qu’il lit reste dans la fenêtre. Le pourcentage mesure la part de la fenêtre de contexte du modèle occupée par la session. Chaque fichier ouvert, chaque sortie de commande, chaque diff et chaque message sont conservés pour que le modèle puisse s'y référer. La lecture d'un fichier de 5 000 lignes occupe cette portion de la fenêtre pour le reste de la session : une seule lecture volumineuse peut donc faire varier le pourcentage de plus de dix points d'un coup.
• Le code consomme plus de tokens que la prose. Les crochets, l’indentation, les noms de variables et les journaux JSON se décomposent en 2 à 3 fois plus de tokens par ligne que l’anglais courant : 1 000 lignes de code source coûtent donc bien plus que 1 000 lignes d’un essai.
• La sortie d’un outil compte comme une entrée. Les journaux de compilation, les échecs de tests et les longues traces de pile sont réinjectés dans la fenêtre comme vos propres messages. Une exécution de tests très détaillée peut consommer plus de tokens que le code testé.
• Une partie de la fenêtre est réservée dès le départ. Le prompt système et les définitions des outils occupent une part fixe avant même que vous ne saisissiez quoi que ce soit, ce qui explique qu’une nouvelle session ne commence jamais à 100 %.

Une session de courtes questions saisies au clavier consomme donc lentement le budget disponible, tandis qu’une session qui lit de gros fichiers et colle de longs journaux le consomme par gros blocs. Lorsque la fenêtre se remplit, Claude Code compacte la conversation en résumant les parties les plus anciennes pour libérer de l’espace, avec le même compromis que les applications de chat : oublier les éléments les plus anciens. La solution pratique est celle présentée sur cette page : collez le passage pertinent plutôt que le fichier entier, et comptez avant de coller.

Prévision des tokens par type de contenu

Ces estimations montrent pourquoi le comptage des tokens est plus qu'un détail technique. Plus le contenu d'entrée est volumineux, plus il est important de prévoir ce que le modèle doit lire.

Comment réduire le nombre de tokens sans perdre le sens

• Supprimez les en-têtes, pieds de page, numéros de page, textes de navigation et avertissements répétés des documents collés.
• Remplacez les longs exemples par un seul exemple représentatif, sauf si le modèle a besoin de tous les cas.
• Résumez d’abord les informations de contexte avec Outil de résumé par IA, puis demandez au modèle de travailler à partir du résumé.
• Divisez les documents volumineux par section et posez des questions ciblées plutôt qu’une seule demande générale.
• Donnez des consignes claires et précises. Un prompt court avec un objectif précis est souvent plus efficace qu’un long prompt aux exigences vagues.

Questions fréquentes

Outils connexes

Après avoir compté les tokens, utilisez l’outil adapté à l’étape suivante de votre processus.