Partie 2. Semaine 2 : bien briefer
Chapitre 6. Gérer la fenêtre de contexte
La fenêtre de contexte (→ chapitre 1) se remplit au fil de la session : fichiers d’instructions, conversation, fichiers lus, résultats des outils. Les modèles actuels de Claude acceptent jusqu’à un million de jetons, soit plusieurs milliers de pages1. Cette capacité ne dispense pas de la gérer : plus la fenêtre est chargée, plus chaque étape coûte cher, et plus l’agent risque de perdre de vue une consigne donnée au début.
Ce qui se passe quand la fenêtre est pleine
À l’approche de la limite, Claude Code efface d’abord les résultats d’outils les plus anciens, puis résume la conversation. Vos demandes et les éléments principaux sont conservés ; les consignes détaillées données en début de session peuvent disparaître2. D’où la règle : ce qui doit tenir toute la session va dans le fichier d’instructions, relu après chaque résumé.
Claude Code fournit plusieurs commandes pour garder la main :
/contextmontre ce qui occupe la fenêtre ;/compactrésume la conversation, en précisant si besoin ce qu’il faut garder ;/clearrepart d’une fenêtre vide.
Deux mécanismes évitent de remplir la fenêtre principale. Les sous-agents travaillent dans leur propre fenêtre et ne rendent qu’un résumé : vous pouvez confier à l’un d’eux la lecture de cinquante factures, et ne récupérer que la liste des impayés. Les skills ne chargent leur contenu qu’au moment où l’on s’en sert (→ chapitre 8).
En local, le contexte consomme de la mémoire
Sur votre propre machine, la fenêtre de contexte a un coût matériel.
Le mot juste. Cache de contexte (KV cache). La mémoire de travail que le modèle constitue en lisant le texte de sa fenêtre de contexte. Sa taille augmente avec la longueur du contexte et s’ajoute à celle du modèle.
Ce cache varie beaucoup d’un modèle à l’autre. D’après les caractéristiques publiées des modèles, il occupe environ 1,1 gigaoctet pour gpt-oss-120b avec 32 000 jetons de contexte, et 4,5 gigaoctets avec 128 000. Pour GLM-4.5-Air, autre modèle d’une centaine de milliards de paramètres, il faut compter 5,75 gigaoctets à 32 000 jetons et 23 gigaoctets à 128 0003. Ces chiffres valent pour une seule conversation. Si plusieurs personnes utilisent le modèle en même temps, chacune a son propre cache. Ollama et llama.cpp permettent de compresser ce cache, ce qui divise environ sa taille par deux.
Par défaut, Ollama fixe une fenêtre de contexte courte, de quelques milliers de jetons selon la mémoire disponible, alors que sa documentation recommande au moins 64 000 jetons pour les agents4. Un agent local qui « oublie » vos consignes au bout de quelques échanges souffre souvent de ce réglage. L’annexe C montre comment le modifier.
Quelques règles
- Une session par tâche. Pour une nouvelle tâche, ouvrez une nouvelle session.
- Désignez les fichiers par leur emplacement plutôt que de les coller dans la conversation : l’agent ne lira que ce dont il a besoin.
- À la fin d’une étape longue, demandez un résumé, puis repartez de ce résumé dans une session neuve.
- Découpez les gros documents.
La jauge. Un million de jetons de contexte est surdimensionné pour la plupart des tâches d’une TPE. Un devis ou une relance tiennent en quelques milliers de jetons. Pour un agent qui lit quelques fichiers, 32 000 à 64 000 jetons conviennent. Au-delà de 128 000, on traite des contrats longs ou des dossiers entiers. En local, un contexte de 32 000 à 64 000 jetons par utilisateur sur gpt-oss-120b consomme peu de mémoire ; un long contexte sur un modèle comme GLM-4.5-Air en consomme beaucoup.
Point de vigilance. Une session trop longue se dégrade. Quand l’agent oublie une règle qu’il appliquait au début, ou refait un travail déjà fait, ne le corrigez pas indéfiniment : faites-lui résumer l’état du travail et repartez d’une session neuve.
Exercice. Lors de votre prochaine session avec un agent, notez le moment où il commence à oublier une consigne. Consultez alors ce qui occupe sa fenêtre de contexte, et déplacez la consigne oubliée dans votre AGENTS.md.
Notes
Anthropic, « Models overview » : https://platform.claude.com/docs/en/models/overview (consulté le 12 octobre 2026).↩︎
Anthropic, « How Claude Code works », section « The context window » : https://code.claude.com/docs/en/how-claude-code-works.↩︎
Calculs établis à partir des fichiers de configuration publiés (https://huggingface.co/openai/gpt-oss-120b/blob/main/config.json ; https://huggingface.co/zai-org/GLM-4.5-Air/blob/main/config.json), selon la méthode décrite par Sebastian Raschka (https://sebastianraschka.com/llm-architecture-gallery/kv-cache-calculations), cache non compressé, une conversation.↩︎
Ollama, « Context length » : https://docs.ollama.com/context-length ; FAQ : https://docs.ollama.com/faq.↩︎