Imaginez que vous lisez un roman, mais que vous ne pouvez garder en mémoire que les 30 dernières pages. Arrivé au chapitre 20, vous avez oublié le meurtre du chapitre 1. C'est exactement la limite d'une IA : sa "fenêtre de contexte" est le nombre de pages qu'elle peut tenir en tête en même temps. Tout ce qui dépasse cette fenêtre est, littéralement, hors de sa vue.
Si vous suivez l'actualité de l'IA, vous avez forcément croisé ces chiffres : "1 million de tokens de contexte", "2 millions, le plus large du marché". Ils reviennent à chaque sortie de modèle, brandis comme des arguments de vente. Mais que désignent-ils vraiment ? Et pourquoi est-ce devenu un champ de bataille entre laboratoires en 2026 ? Décortiquons.
Définition simple
La fenêtre de contexte (context window) est la quantité totale d'information qu'une IA peut prendre en compte en une seule fois pour produire sa réponse. Elle inclut tout : votre question, les documents que vous avez collés, l'historique de la conversation, et même la réponse en cours de rédaction.
On la mesure en tokens, ces fragments de mots qui sont l'unité de base de tout ce que lit une IA (si le terme ne vous dit rien, nous l'avons expliqué en détail dans notre article sur les tokens). En français, 1 token vaut environ 0,7 mot. Donc une fenêtre de 1 million de tokens correspond à peu près à 700 000 mots, soit environ 1 500 pages de livre que l'IA peut "avoir sous les yeux" simultanément.
La différence entre mémoire et contexte
Voici un point que beaucoup de gens confondent. La fenêtre de contexte n'est pas la mémoire à long terme de l'IA. C'est sa mémoire de travail, sa mémoire immédiate.
Reprenons l'analogie du cerveau. Vos connaissances accumulées (votre langue, vos souvenirs, ce que vous avez appris à l'école) sont votre mémoire à long terme. Pour une IA, c'est l'équivalent de son entraînement, figé dans ses paramètres. La fenêtre de contexte, elle, c'est ce que vous gardez activement en tête à l'instant présent, comme un numéro de téléphone que vous venez d'entendre. Limité, temporaire, mais immédiatement disponible.
C'est pour ça qu'une IA peut "oublier" le début d'une très longue conversation : si l'échange dépasse sa fenêtre de contexte, les premiers messages sortent de sa vue, comme les premières pages du roman. Elle ne les a pas "oubliés" au sens humain, elle ne les voit tout simplement plus.
Pourquoi c'est devenu une course en 2026
Les fenêtres de contexte ont explosé. On est passé de quelques milliers de tokens il y a deux ans à 1 million chez la plupart des modèles de pointe, et jusqu'à 2 millions revendiqués par les plus récents. Pourquoi cette surenchère ?
Parce qu'un grand contexte débloque des usages entièrement nouveaux. Avec 2 millions de tokens, une IA peut analyser une base de code entière d'un seul coup, lire un livre complet et répondre à des questions précises dessus, ou traiter des centaines de documents juridiques en une seule requête. Pour les agents autonomes (ces IA qui travaillent sur des tâches longues sans supervision), un grand contexte est vital : il leur permet de garder le fil sur des heures de travail sans perdre les informations du début.
Attention à une idée fausse : un contexte plus grand ne veut pas dire une IA plus intelligente. Des études montrent que les modèles ont tendance à mieux retenir le début et la fin d'un long contexte, et à "perdre" les informations du milieu, un phénomène surnommé "lost in the middle" (perdu au milieu). Donner 2 millions de tokens à une IA ne garantit pas qu'elle les exploite tous correctement. La taille de la fenêtre est une capacité maximale, pas une promesse de performance.
Pourquoi un grand contexte coûte cher
Il y a une raison technique pour laquelle on ne met pas simplement un contexte infini partout. Le coût de calcul d'une IA augmente fortement avec la taille du contexte. Chaque token supplémentaire doit être "comparé" à tous les autres, ce qui fait grimper la facture de manière plus que proportionnelle.
Concrètement, plus vous donnez de contexte à une IA, plus chaque requête coûte cher et prend du temps. C'est pour ça que les modèles facturent au token et que les entreprises font attention : envoyer un contexte énorme à chaque appel peut faire exploser les coûts, comme l'ont découvert plusieurs grands groupes que nous avons évoqués dans notre article sur le coût de l'IA en entreprise. Un grand contexte est un outil puissant, mais qui se paie.
Ce qu'il faut retenir
La fenêtre de contexte est l'un des concepts les plus utiles pour comprendre ce que votre IA peut et ne peut pas faire. C'est sa mémoire de travail : large, mais limitée et temporaire. Plus elle est grande, plus l'IA peut embrasser de matière d'un coup, ce qui ouvre des usages spectaculaires. Mais un grand contexte coûte cher, ne garantit pas une exploitation parfaite de l'information, et ne remplace pas l'intelligence du modèle.
La prochaine fois qu'un laboratoire vous vend ses "2 millions de tokens", vous saurez lire entre les lignes : c'est une capacité impressionnante, utile pour certains usages précis, mais ce n'est qu'une dimension parmi d'autres. Une grande mémoire de travail ne fait pas un grand esprit, chez les IA comme chez nous.