La fenêtre de 1 million de tokens

Le passage de 200 000 à 1 000 000 de tokens de contexte est le changement le plus visible de la génération Claude 5. Pour se représenter l’ordre de grandeur : un million de tokens représente environ 555 000 mots, soit à peu près 2,5 millions de caractères. C’est une base de code complète, un corpus documentaire entier, ou des mois d’historique de conversation — en une seule requête, sans découpage.

Qui a droit à quoi

La fenêtre de 1 million de tokens concerne Fable 5, Opus 5 et Sonnet 5. Haiku 4.5, lui, reste à 200 000 tokens — ce qui demeure largement suffisant pour la majorité des tâches courtes et à fort volume auxquelles ce modèle est destiné. Il serait d’ailleurs incohérent de charger un contexte massif dans un modèle choisi pour sa rapidité et son faible coût : si votre cas d’usage réclame la grande fenêtre, c’est le signe que vous êtes sur un territoire de génération 5.

La sortie progresse dans les mêmes proportions : les modèles de génération 5 peuvent produire jusqu’à 128 000 tokens en une réponse, contre 64 000 auparavant. C’est de quoi générer un rapport complet ou un fichier de code entier d’un seul tenant, là où il fallait auparavant enchaîner plusieurs requêtes et recoller les morceaux — avec les risques d’incohérence que ce recollage introduisait.

Aller au-delà de 128 000 tokens en sortie

Pour les traitements massifs, il existe une marche supplémentaire. Sur l’API Message Batches, Claude Opus 5, Opus 4.8, Opus 4.7, Opus 4.6, Sonnet 5 et Sonnet 4.6 acceptent jusqu’à 300 000 tokens de sortie, à condition d’ajouter l’en-tête bêta suivant :

output-300k-2026-03-24

Notez bien la restriction : cela passe par l’API Batches, donc par un traitement asynchrone. Ce n’est pas un levier pour vos requêtes interactives, mais c’est une piste précieuse pour les chantiers de fond — génération de documentation, traduction de corpus, réécriture de catalogues — où l’on soumet un lot le soir et où l’on récupère les résultats sans contrainte de latence.

Un grand contexte ne dispense pas de RAG

C’est l’erreur la plus fréquente depuis l’arrivée des grandes fenêtres, et elle est compréhensible : puisque tout tient dans le contexte, pourquoi continuer à sélectionner l’information ? Parce que charger un million de tokens à chaque requête se paie trois fois. D’abord financièrement : vous payez l’intégralité des tokens d’entrée à chaque appel, et un contexte dix fois plus gros coûte dix fois plus cher, requête après requête. Ensuite en latence : plus le contexte est long, plus la réponse tarde, ce qui dégrade l’expérience de vos utilisateurs sans qu’aucune erreur n’apparaisse nulle part. Enfin — et c’est le point le plus contre-intuitif — la qualité n’y gagne pas toujours : un contexte pertinent et court bat souvent un contexte massif et bruité, car le modèle n’a pas à trier l’utile du superflu.

La bonne pratique reste donc de sélectionner ce qui est utile. Alors à quoi sert la grande fenêtre ? À ne plus avoir à découper artificiellement un document qui forme un tout : un contrat, une base de code où les fichiers se référencent mutuellement, un dossier dont les pièces s’éclairent l’une l’autre. Elle sert aussi à conserver un historique long sans compaction agressive, quand la perte de détails anciens dégraderait la suite de la conversation. La distinction à retenir : la grande fenêtre supprime les découpages subis, elle ne rend pas les découpages choisis obsolètes.

C’est précisément là que la mise en cache des prompts devient décisive. Si votre contexte long est stable d’une requête à l’autre — la même base documentaire interrogée en boucle, le même code analysé sous plusieurs angles — le cache évite d’en repayer la totalité à chaque appel. L’association contexte long + cache est ce qui rend économiquement viable ce qui, sans cache, ferait exploser la facture.

Points clés à retenir

• 1 M de tokens en entrée sur Fable 5, Opus 5 et Sonnet 5 ; 200 k sur Haiku 4.5
• 128 k tokens en sortie, jusqu’à 300 k via l’API Batches avec l’en-tête output-300k-2026-03-24
• Un grand contexte ne remplace pas une bonne sélection d’information
• Associez contexte long et mise en cache des prompts pour maîtriser le coût