---
title: "Qu’est-ce que la compaction du contexte d’un agent ?"
description: "La compaction résume une longue conversation proche de la limite de contexte et repart de ce résumé. Comment les agents compactent, ce qui reste, le coût."
url: https://broadrouter.com/fr/glossary/context-compaction/
lang: fr
updated: 2026-11-15
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/glossary/context-compaction/) (mis à jour le 2026-11-15).

# Compaction du contexte (context compaction)

Mis à jour 2026-11-15

La compaction du contexte consiste à résumer une conversation qui approche de la limite de la fenêtre de contexte et à poursuivre la session à partir de ce résumé, afin qu’un agent conserve les décisions clés et l’état tout en abandonnant l’historique brut, comme les anciennes sorties d’outils.

Aussi appelé : compaction du contexte, compaction, compactage du contexte, résumé de conversation, auto-compact, context compaction, conversation compaction, context summarization

Les longues sessions d’agent dépassent leur fenêtre de contexte. La compaction remplace l’historique complet par un résumé et continue.

## Comment ça marche

L’article d’Anthropic sur le context engineering définit la compaction comme « the practice of taking a conversation nearing the context window limit, summarizing its contents, » (traduction : « la pratique consistant à prendre une conversation qui approche de la limite de la fenêtre de contexte et à en résumer le contenu ») puis à ouvrir une nouvelle fenêtre de contexte avec ce résumé. Dans Claude Code, selon l’article, le modèle « preserves architectural decisions, unresolved bugs, and implementation details, » (traduction : « conserve les décisions d’architecture, les bugs non résolus et les détails d’implémentation »), abandonne les sorties d’outils redondantes et continue avec le résumé plus « the five most recently accessed files » (traduction : « les cinq fichiers consultés le plus récemment »).

La forme la plus légère est l’effacement des résultats d’outils. Le même article la qualifie de « one of the safest lightest touch forms of compaction » (traduction : « l’une des formes de compaction les plus sûres et les plus légères ») : les anciennes sorties brutes d’outils enfouies dans l’historique sont supprimées, et tout le reste demeure.

Les outils exposent la compaction de différentes manières :

| Outil | Fonctionnement de la compaction |
| --- | --- |
| Claude Code | La compaction automatique résume l’historique près de la limite ; `/compact Focus on ...` la lance à la main avec des instructions sur ce qu’il faut garder |
| OpenAI Responses API | `context_management` avec un `compact_threshold` compacte côté serveur quand le nombre de tokens le dépasse, ou appelez l’endpoint de compaction autonome |
| Votre propre agent | Demander au modèle de résumer l’historique, puis démarrer une nouvelle liste de messages avec le prompt système, le résumé et les derniers tours |

Un exemple chiffré : un agent à 180 000 tokens d’historique compacte en un résumé de 6 000 tokens plus 20 000 tokens de fichiers récents. Chaque tour suivant envoie environ 26 000 tokens d’historique au lieu de 180 000, et ce chiffre ne cesserait de croître.

## Pourquoi c’est important

-   **Longueur.** Sans compaction, une longue tâche s’arrête quand la [fenêtre de contexte](https://broadrouter.com/fr/glossary/context-window/) est pleine.
-   **Qualité.** La précision peut baisser bien avant la limite, un problème appelé [context rot](https://broadrouter.com/fr/glossary/context-rot/). Un contexte plus court et plus propre peut aider.
-   **Coût.** En facturation au token, chaque tour renvoie l’historique. La compaction le réduit, mais la requête de compaction lit elle-même l’historique complet une fois, et le préfixe réécrit doit être remis en cache ([tokens d’entrée en cache](https://broadrouter.com/fr/glossary/cached-input-tokens/)).
-   **Risque.** Un résumé peut perdre un détail qui comptera plus tard. Rédigez des instructions personnalisées sur ce qu’il faut garder, et conservez les faits critiques dans un fichier de notes.

## Sur BroadNet Inference

L’API de BroadNet est une Chat Completions sans état : vous envoyez la liste complète des messages à chaque fois, et la documentation de BroadNet ne décrit aucune compaction côté serveur. La compaction se fait dans votre agent ou votre outil, qui envoie ensuite l’historique raccourci.

[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 de contexte : la compaction est donc nécessaire moins souvent, mais les points de coût et de qualité ci-dessus restent valables en paiement à l’usage. Avec un [forfait](https://broadrouter.com/fr/plans/), il n’y a pas de compteur de tokens : la compaction compte alors pour la qualité et la vitesse plutôt que pour la facture. [La gestion du contexte des agents de longue durée](https://broadrouter.com/fr/blog/long-running-agent-context-management/) explique quand compacter et quoi abandonner en premier.

## Questions fréquentes

### La compaction fait-elle perdre des informations ?

Oui, par conception. Un résumé garde ce que le résumeur a jugé important et abandonne le reste. Conservez les faits à ne pas perdre, comme les exigences et les bugs ouverts, dans un fichier de notes que l’agent peut relire.

### La compaction est-elle gratuite ?

Non. La documentation de Claude Code souligne que la compaction lit toute la conversation qu’elle résume : compacter un grand contexte est donc en soi une grosse requête. Repartir de zéro avec /clear ne coûte rien, mais ne garde aucune continuité.

### La compaction casse-t-elle le prompt caching ?

Elle réécrit l’historique : la requête suivante rate donc le cache pour la partie réécrite. Claude Code considère cela comme une reconstruction attendue du cache. Ensuite, l’historique raccourci se met en cache normalement.

## Voir aussi

-   [Context engineering (ingénierie du contexte)](https://broadrouter.com/fr/glossary/context-engineering/) (terme)
-   [Fenêtre de contexte (context window)](https://broadrouter.com/fr/glossary/context-window/) (terme)
-   [Context rot (dégradation du contexte)](https://broadrouter.com/fr/glossary/context-rot/) (terme)
-   [Tokens d’entrée en cache (cached input tokens)](https://broadrouter.com/fr/glossary/cached-input-tokens/) (terme)
-   [Agent de code IA (AI coding agent)](https://broadrouter.com/fr/glossary/coding-agent/) (terme)
-   [Agent IA (AI agent)](https://broadrouter.com/fr/glossary/agent/) (terme)
-   [Comment fonctionnent les forfaits API LLM illimités pour agents](https://broadrouter.com/fr/guides/unlimited-llm-api-sessions/) (guide)
-   [Gérer le contexte des agents longue durée avec une fenêtre de 1M](https://broadrouter.com/fr/blog/long-running-agent-context-management/) (article)
-   [Réduire les tokens du prompt : prompts, outils et données mesurés](https://broadrouter.com/fr/blog/reduce-prompt-tokens/) (article)

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-glossary-context-compaction&utm_content=page-cta) ·

**Sources**

-   [Anthropic Engineering, Effective context engineering for AI agents (compaction) (vérifié le 2026-11-15)](https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents)
-   [Documentation de Claude Code, maîtriser les coûts (/compact et compaction automatique) (vérifié le 2026-11-15)](https://code.claude.com/docs/en/costs)
-   [Documentation de l’API OpenAI, guide de la compaction (vérifié le 2026-11-15)](https://developers.openai.com/api/docs/guides/compaction)
