---
title: "Fenêtre de contexte de 1M de tokens : utilité et coût"
description: "Ce qui tient dans 1 048 576 tokens, ce que cela coûte sur DeepSeek V4.1 Flash, comment raisonnement et cache changent le calcul, et quand le RAG reste meilleur."
url: https://broadrouter.com/fr/blog/million-token-context-window-guide/
lang: fr
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traduit de l’anglais avec l’aide de l’IA. [Lire l’original en anglais](https://broadrouter.com/blog/million-token-context-window-guide/) (mis à jour le 2026-11-14).

# Quand une fenêtre de contexte de 1M de tokens vaut le coup (ou pas)

Par l’équipe BroadNet Inference · 4 min de lecture · Publié 2026-11-14

Une fenêtre de contexte de 1M de tokens permet de placer dans une requête toute une base de code, des contrats ou des heures de transcriptions, que le modèle voit d’un coup au lieu de fragments récupérés. C’est rentable pour raisonner sur plusieurs fichiers et pour les analyses ponctuelles. Pour des recherches répétées dans un corpus vaste et changeant, le RAG coûte moins cher. DeepSeek V4.1 Flash et GLM 5.3 acceptent 1 048 576 tokens.

## À retenir

-   DeepSeek V4.1 Flash et GLM 5.3 acceptent 1 048 576 tokens par requête, prompt et réponse compris.
-   Le contexte long l’emporte sur la recherche documentaire quand la réponse dépend de liens entre de nombreux fichiers ou documents.
-   La recherche documentaire (RAG) reste gagnante pour de nombreuses petites recherches dans un corpus vaste et changeant.
-   Les modèles exploitent inégalement les entrées longues. La recherche montre que la précision baisse pour les faits enfouis au milieu et à mesure que l’entrée grandit.
-   Le cache réduit le coût du renvoi d’un même long prompt ; avec un forfait illimité, les longs prompts ne coûtent rien de plus.
-   Laissez de la place aux tokens de raisonnement dans la fenêtre.

**Sur cette page**

1.  Que tient-on dans un million de tokens ?
2.  Quels modèles BroadNet ont une fenêtre de contexte de 1M de tokens ?
3.  Quand une fenêtre de 1M de tokens vaut-elle le coup ?
4.  Quand la recherche documentaire reste-t-elle le meilleur choix ?
5.  Le modèle utilise-t-il vraiment toute la fenêtre ?
6.  Combien coûte un prompt d’un million de tokens ?
7.  Quelle place laisser à la réponse ?
8.  Préparer une base de code pour un prompt de 1M de tokens
9.  La place de BroadNet Inference

_[image: Light shining through towering cliffs made of stacked paper pages.]_

Les [fenêtres de contexte](https://broadrouter.com/fr/glossary/context-window/) sont passées de quelques milliers de tokens à plus d’un million. Chez BroadNet Inference, [DeepSeek V4.1 Flash](https://broadrouter.com/fr/models/deepseek-v4.1-flash/) et [GLM 5.3](https://broadrouter.com/fr/models/glm-5.3/) acceptent **1 048 576 tokens par requête**, prompt et réponse compris. Cela change votre façon de construire, mais ne rend pas chaque prompt meilleur.

## Que tient-on dans un million de tokens ?

À titre indicatif : 1 000 mots de prose anglaise faisaient environ 1,290 [tokens](https://broadrouter.com/fr/glossary/token/), en moyenne sur cinq tokenizers, dans notre [jeu de données sur l’efficacité des tokenizers](https://broadrouter.com/data/tokenizer-efficiency/). Un million de tokens représente donc à peu près 810,000 mots de prose simple :

| Contenu | Ordre de grandeur |
| --- | --- |
| Une base de code de taille moyenne (des dizaines de milliers de lignes) | Tient, avec de la marge |
| Plusieurs longs contrats avec leurs annexes | Tient |
| Une journée de transcriptions de réunions | Tient |
| Un gros monorepo avec ses dépendances | Souvent non ; sélectionnez des répertoires |

Le nombre de tokens dépend de la langue et du contenu. Le code et le texte arabe consomment souvent plus de tokens par caractère que la prose anglaise. Mesurez avec le bloc `usage` d’une vraie requête plutôt que d’estimer, ou vérifiez un échantillon dans le [calculateur de fenêtre de contexte](https://broadrouter.com/tools/context-window-calculator/).

## Quels modèles BroadNet ont une fenêtre de contexte de 1M de tokens ?

| Modèle | Fenêtre de contexte | Entrée | Sortie | Images |
| --- | --- | --- | --- | --- |
| [DeepSeek V4.1 Flash](https://broadrouter.com/fr/models/deepseek-v4.1-flash/) | 1 048 576 | $0.175 | $0.52 | Oui |
| [GLM 5.3](https://broadrouter.com/fr/models/glm-5.3/) | 1 048 576 | $0.78 | $3.46 | Non |
| [Qwen3.8 27B](https://broadrouter.com/fr/models/qwen3.8-27b/) | 262 144 | $0.175 | $2.17 | Oui |
| [BroadNet Gemma 4 VL 26B](https://broadrouter.com/fr/models/gemma-4-vl-26b/) | 32 768 | $0.10 | $0.22 | Oui |

Prix par million de tokens. GLM 5.3 ajoute l’appel d’outils et la sortie structurée sur la même fenêtre de 1M.

## Quand une fenêtre de 1M de tokens vaut-elle le coup ?

-   **Raisonnement à travers plusieurs fichiers.** « Pourquoi ce test échoue-t-il ? » dépend souvent de cinq fichiers que personne ne penserait à récupérer ensemble.
-   **Revue de documents entiers.** Trouver les contradictions entre la clause 4 et l’annexe B exige d’avoir les deux sous les yeux.
-   **Analyses ponctuelles.** Pour une question posée une seule fois, construire un index de recherche coûte plus d’efforts qu’il n’en fait gagner.
-   **Agents.** Un sous-agent capable de lire tout le module se trompe moins souvent. Voir [faire tourner des agents en parallèle](https://broadrouter.com/fr/blog/run-parallel-coding-agents-flat-rate/).

## Quand la recherche documentaire reste-t-elle le meilleur choix ?

La recherche documentaire l’emporte pour de nombreuses petites recherches dans une bibliothèque bien plus grande que n’importe quelle fenêtre, pour un contenu qui change chaque minute, et pour des réponses interactives rapides où la lecture préalable d’un énorme prompt ajoute du délai. Beaucoup de systèmes en production font les deux : récupérer les 200 000 tokens les plus pertinents, puis laisser un modèle à contexte long raisonner sur l’ensemble. La décision complète, avec coût par requête, latence et rappel côte à côte, se trouve dans [contexte long ou RAG](https://broadrouter.com/fr/blog/long-context-vs-rag/).

## Le modèle utilise-t-il vraiment toute la fenêtre ?

Pas uniformément. La recherche est constante sur ce point :

-   L’article [Lost in the Middle](https://arxiv.org/abs/2307.03172) (Liu et al.) a constaté que la performance « is often highest when relevant information occurs at the beginning or end of the input context » (traduction : « est souvent maximale quand l’information pertinente se trouve au début ou à la fin du contexte d’entrée »).
-   Le rapport [Context Rot](https://www.trychroma.com/research/context-rot) de Chroma a testé 18 modèles et constaté que « performance grows increasingly unreliable as input length grows » (traduction : « la performance devient de plus en plus aléatoire à mesure que l’entrée s’allonge »), même sur des tâches simples.

Ces études n’ont pas testé les modèles chez BroadNet : prenez-les comme un avertissement, pas comme une mesure. La règle pratique : une fenêtre qui accepte un million de tokens ne signifie pas que chaque token reçoit la même attention. Placez le contenu le plus important près du début ou de la fin, et testez le rappel sur vos propres documents.

## Combien coûte un prompt d’un million de tokens ?

Avec une clé en [paiement à l’usage](https://broadrouter.com/fr/glossary/pay-as-you-go/), DeepSeek V4.1 Flash facture $0.175 par million de tokens d’entrée et $0.0055 par million de [tokens d’entrée en cache](https://broadrouter.com/fr/glossary/cached-input-tokens/). Un prompt complet d’un million de tokens coûte environ $0.175 la première fois, et beaucoup moins lors des appels répétés quand le préfixe est en cache. [Comment augmenter votre taux de cache](https://broadrouter.com/fr/blog/cached-input-tokens-explained/).

Le [calculateur de prompt caching](https://broadrouter.com/tools/prompt-caching-calculator/) montre ce qu’un succès de cache fait gagner sur vos propres tailles de prompt. Un exemple chiffré : dix questions sur le même ensemble de contrats de 800 000 tokens. Sans cache, cela fait 8M de tokens à $0.175 par million. Si les documents viennent en premier et restent identiques, le premier appel lit 800 000 nouveaux tokens et les neuf suivants peuvent en lire la plupart depuis le cache à $0.0055 par million. Seules la question et la réponse changent.

Avec un forfait illimité, la taille du prompt ne change pas la facture : Full Moon coûte $60 par mois et par session, sans compteur de tokens. C’est pourquoi les agents à contexte long sont une raison fréquente de choisir un [forfait plutôt que la facturation au token](https://broadrouter.com/fr/blog/flat-rate-vs-pay-per-token-llm-api/).

## Quelle place laisser à la réponse ?

La fenêtre couvre le prompt **et** la sortie, et sur les modèles de raisonnement la sortie inclut la réflexion. Si vous envoyez 1 040 000 tokens de prompt, il n’en reste qu’environ 8 000 pour le [raisonnement](https://broadrouter.com/fr/glossary/reasoning-tokens/) et la réponse. Gardez une marge, réglez [`max_tokens`](https://broadrouter.com/fr/glossary/max-tokens/) explicitement et lisez [pourquoi les modèles de raisonnement peuvent renvoyer une réponse vide](https://broadrouter.com/fr/guides/reasoning-tokens-empty-response/).

## Préparer une base de code pour un prompt de 1M de tokens

1.  **Excluez ce dont le modèle n’a pas besoin.** Fichiers de verrouillage, sorties de build, dépendances embarquées, images et code généré consomment des tokens et ajoutent du bruit.
2.  **Comptez avant d’envoyer.** Envoyez un petit échantillon, lisez `prompt_tokens` dans usage, puis extrapolez.
3.  **Ordonnez par stabilité.** Les fichiers rarement modifiés d’abord, les fichiers en cours d’édition en dernier, la question tout à la fin. Le préfixe reste ainsi cachable.
4.  **Étiquetez chaque fichier.** Encadrez les fichiers de marqueurs clairs comme `=== path/to/file.py ===` pour que le modèle puisse les citer.
5.  **Demandez des citations.** « Cite la ligne sur laquelle tu t’appuies » réduit les erreurs affirmées avec aplomb sur des entrées énormes.
6.  **Mesurez.** Journalisez par requête les tokens du prompt, les tokens en cache et le temps jusqu’au premier token. Le [streaming](https://broadrouter.com/fr/guides/streaming-chat-completions/) affiche le premier token dès son arrivée.

## La place de BroadNet Inference

Deux de ses modèles de chat acceptent 1 048 576 tokens par requête, et BroadNet ne tronque pas votre contexte. Avec une clé facturée au token, le cache garde abordables les longs prompts répétés ; dans une session de forfait, la taille du prompt n’influe pas sur la facture. Si votre corpus dépasse de loin le million de tokens ou change chaque minute, il vous faut toujours une recherche documentaire, et aucune taille de fenêtre n’y changera rien.

Outils gratuits sur ce sujet (en anglais)

-   [OpenAI to BroadNet migration helper](https://broadrouter.com/tools/openai-to-broadnet-migration/) Paste OpenAI SDK code; get base URL, key and model edits, a diff and the checks that remain.
-   [max\_tokens calculator for reasoning models](https://broadrouter.com/tools/reasoning-token-budget/) Answer length + reasoning budget + margin = a max\_tokens that does not cut the answer off.
-   [JSON schema generator for LLM structured output](https://broadrouter.com/tools/json-schema-generator/) Sample JSON to strict schema, Pydantic, Zod and a ready request.
-   [LLM JSON output validator](https://broadrouter.com/tools/llm-json-output-validator/) Parse errors by line and column, safe repairs, cut-off detection and JSON Schema checks for model output.

[Outils gratuits (en anglais)](https://broadrouter.com/tools/)

## Termes de cet article

[Token](https://broadrouter.com/fr/glossary/token/)

Un token est l’unité de texte qu’un modèle de langage lit et écrit : un mot, une partie de mot, un signe de ponctuation ou une suite d’octets produite par le tokenizer du modèle. Les API LLM comptent, limitent et facturent généralement l’usage en tokens.

[Appel d’outils (tool calling, function calling)](https://broadrouter.com/fr/glossary/tool-calling/)

L’appel d’outils, aussi appelé function calling, est une fonctionnalité des API LLM dans laquelle le modèle renvoie une demande structurée d’exécution d’une fonction définie par le développeur, avec des arguments JSON. L’application exécute la fonction et renvoie le résultat ; le modèle n’exécute jamais de code lui-même.

[Tokenizer (tokeniseur)](https://broadrouter.com/fr/glossary/tokenizer/)

Un tokenizer est le composant qui convertit un texte en la suite d’ID entiers de tokens que lit un modèle de langage, et reconvertit les ID générés en texte. Chaque modèle a son propre tokenizer : un même texte peut donc produire un nombre de tokens différent selon le modèle.

[Fenêtre de contexte (context window)](https://broadrouter.com/fr/glossary/context-window/)

La fenêtre de contexte est le nombre maximal de tokens qu’un modèle de langage peut traiter dans une seule requête. Elle couvre le prompt, l’historique de conversation, les définitions d’outils, les images et la sortie générée, tokens de raisonnement compris. Ce qui ne tient pas doit être coupé, résumé ou réparti sur plusieurs requêtes.

[Paiement à l’usage (pay-as-you-go)](https://broadrouter.com/fr/glossary/pay-as-you-go/)

Le paiement à l’usage (pay-as-you-go) est un modèle tarifaire où vous ne payez que ce que vous consommez, mesuré par unité, comme les tokens, les requêtes ou les minutes d’audio, sans abonnement ni engagement minimal. La plupart des API LLM facturent ainsi, à partir d’un solde prépayé ou d’une facture périodique.

[Tokens d’entrée en cache (cached input tokens)](https://broadrouter.com/fr/glossary/cached-input-tokens/)

Les tokens d’entrée en cache sont des tokens de prompt qu’un fournisseur de LLM a traités récemment et peut réutiliser depuis un cache au lieu de les recalculer, en général un préfixe répété comme un prompt système ou un document. Les fournisseurs les facturent moins cher que les nouveaux tokens d’entrée.

[Tokens d’entrée et de sortie](https://broadrouter.com/fr/glossary/input-and-output-tokens/)

Les tokens d’entrée sont les tokens qu’un modèle de langage lit dans une requête, dont le prompt système, l’historique de conversation, les définitions d’outils et les images. Les tokens de sortie sont ceux qu’il génère en réponse, raisonnement compris. Les API LLM les facturent généralement séparément, et la sortie coûte en général plus cher.

[Context rot (dégradation du contexte)](https://broadrouter.com/fr/glossary/context-rot/)

Le context rot est la perte progressive de précision et de fiabilité que montrent les modèles de langage quand leur entrée s’allonge, même si la tâche reste la même et que l’entrée tient largement dans la fenêtre de contexte. Le terme a été popularisé par un rapport technique de Chroma de 2025 qui a testé 18 modèles.

## Questions fréquentes

### BroadNet tronque-t-il les longs prompts ?

Non. BroadNet ne tronque pas votre contexte. Si le prompt plus max\_tokens dépasse la fenêtre du modèle, raccourcissez le prompt au lieu de compter sur une troncature silencieuse.

### Combien de mots représente 1 million de tokens ?

Cela dépend de la langue et du contenu. La prose anglaise a donné environ 129 tokens pour 100 mots dans le jeu de données de tokenizers de BroadRouter (1 000 mots faisaient environ 1,290 tokens, en moyenne sur cinq tokenizers) : 1 048 576 tokens contiennent donc à peu près 810,000 mots, bien plus d’un millier de pages. Le texte technique, le code et l’arabe demandent plus de tokens : comptez votre contenu réel.

### Une requête de 1M de tokens est-elle lente ?

Elle met plus de temps à démarrer qu’une requête courte, car le modèle doit d’abord lire tout le prompt. Les préfixes en cache aident généralement lors des appels répétés. Mesurez le temps jusqu’au premier token sur vos propres prompts.

### Les LLM utilisent-ils vraiment toute la fenêtre de contexte ?

Pas uniformément. L’article Lost in the Middle a constaté que la précision est souvent maximale quand l’information pertinente se trouve au début ou à la fin de l’entrée, et le rapport Context Rot de Chroma a constaté que la fiabilité baisse à mesure que l’entrée s’allonge. Placez l’essentiel aux extrémités et testez sur vos propres données.

### Faut-il arrêter d’utiliser le RAG ?

Pas forcément. Utilisez le contexte long quand le modèle doit tout voir ensemble, et la recherche documentaire quand il lui faut quelques faits tirés d’une immense bibliothèque. Beaucoup de systèmes combinent les deux.

### Que se passe-t-il si mon prompt dépasse la fenêtre de contexte ?

BroadNet ne le tronque pas pour vous : la requête ne s’exécutera donc pas comme prévu. Retirez des fichiers, résumez les anciens tours ou ne récupérez que les parties pertinentes avant l’envoi.

## À lire ensuite

-   [Tokens d’entrée en cache : réduire la facture d’une API LLM](https://broadrouter.com/fr/blog/cached-input-tokens-explained/)
-   [Lancer des agents de code en parallèle sur une API LLM au forfait](https://broadrouter.com/fr/blog/run-parallel-coding-agents-flat-rate/)
-   [API LLM : forfait ou paiement au token ? Le calcul de rentabilité](https://broadrouter.com/fr/blog/flat-rate-vs-pay-per-token-llm-api/)
-   [Matériel GPU et serving de BroadNet, tels que BroadNet les décrit](https://broadrouter.com/fr/blog/broadnet-gpu-fleet-and-serving/)
-   [Mettre en cache les réponses d’API LLM : un cache exact en Python](https://broadrouter.com/fr/blog/cache-llm-responses-cut-cost/)
-   [Guide : Pourquoi un modèle de raisonnement renvoie une réponse vide](https://broadrouter.com/fr/guides/reasoning-tokens-empty-response/)
-   [Guide : Streamer des chat completions et gérer les connexions coupées](https://broadrouter.com/fr/guides/streaming-chat-completions/)

Essayez-le sur votre vraie charge de travail. Les nouveaux comptes démarrent avec USD 5 de crédit pour Gemma et transcription. DeepSeek, GLM et Qwen3.8 nécessitent une recharge.

[Commencer](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-blog-million-token-context-window-guide&utm_content=page-cta) ·

**Sources**

-   [Prix et longueurs de contexte de BroadNet Inference au format lisible par machine (pricing.json) (en anglais)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-blog-million-token-context-window-guide&utm_content=sources)
-   [Référence de l’API de BroadNet Inference (en anglais)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-blog-million-token-context-window-guide&utm_content=sources)
-   [Liu et al., Lost in the Middle: How Language Models Use Long Contexts (arXiv 2307.03172)](https://arxiv.org/abs/2307.03172)
-   [Chroma, Context Rot: How Increasing Input Tokens Impacts LLM Performance (juillet 2025)](https://www.trychroma.com/research/context-rot)
