Leçon 2 sur 3 · 7 minutes

Jetons et contexte

Les modèles lisent et écrivent des jetons, et chaque jeton envoyé ou reçu ajoute du temps et du coût.

Les modèles ne lisent pas les mots comme vous. Ils découpent le texte en jetons : des morceaux de mots, des mots courts entiers, des espaces et de la ponctuation. Un mot long peut compter plusieurs jetons. Tout se compte en jetons, des limites de ce qu’un modèle peut lire au prix que vous payez.

La fenêtre de contexte est ce qu’un modèle peut lire en une fois. Elle contient tout ce qui compose une requête : vos instructions, la conversation jusque-là, les documents ou résultats de recherche, les définitions d’outils, et la réponse que le modèle écrit. Chaque route de fournisseur a sa propre longueur de contexte, affichée sur la page du modèle.

Les jetons d’entrée et de sortie sont comptés séparément :

TypeCe qu’il comprend
EntréeInstructions, vos messages, documents, définitions d’outils
SortieLa réponse, plus la réflexion d’un modèle de raisonnement

La sortie coûte généralement plus cher par jeton que l’entrée, car le modèle doit écrire chaque jeton de sortie un par un. Sur Phaseo, les prix du texte sont affichés en USD pour 1 million de jetons, avec des prix séparés pour l’entrée et la sortie. Le champ usage de chaque réponse indique combien de jetons elle a utilisés.

Les limites de sortie arrêtent les réponses plus tôt. Vous pouvez plafonner la sortie avec max_tokens (Chat Completions et Messages) ou max_output_tokens (Responses). Cela limite le coût et le temps d’attente. Mais si la limite est trop basse, la réponse est tronquée et se termine par finish_reason: "length". Ce n’est pas une défaillance du modèle : augmentez la limite, ou baissez l’effort de raisonnement.

La mise en cache des prompts rend l’entrée répétée moins chère. Si le début de votre prompt reste identique d’une requête à l’autre, comme de longues instructions ou un document de référence, le fournisseur peut le lire depuis son cache. Ces jetons sont facturés au tarif réduit de lecture du cache, et le premier jeton arrive plus tôt. La plupart des fournisseurs mettent en cache les débuts répétés d’eux-mêmes ; Claude ne met en cache que ce que vous marquez avec cache_control.

Vérifiez votre compréhension

Une réponse s’arrête au milieu d’une phrase, et finish_reason vaut "length". Que s’est-il passé ?

Mettez-le en pratique

Votre bot d’assistance envoie le même document de politique de 20 pages au début de chaque requête, suivi de la question du client. Votre facture est surtout composée de jetons d’entrée. Que pouvez-vous faire ?

Afficher la réponse

Gardez la politique au début du prompt, sans la modifier, pour que le fournisseur puisse la mettre en cache. L’entrée répétée est alors facturée au tarif de lecture du cache et les réponses commencent plus tôt. Sur Claude, marquez la fin de la politique avec cache_control. Vous pouvez aussi réduire le document aux parties utiles.

À retenir

Tout se compte en jetons : l’entrée et la sortie ont des prix séparés par million, les limites de sortie peuvent tronquer les réponses, et la mise en cache rend l’entrée répétée moins chère.

Liens utiles

La progression est enregistrée dans ce navigateur.

Dernière vérification le 17 novembre 2026