Μετάβαση στο κύριο περιεχόμενο
Ελληνικά— Επιλέξτε γλώσσα
Μενού

Tokens et contexte

Μάθημα 10 / 16 Ενημερώθηκε 2 Νοεμβρίου 2026 Αρχάριος
Σε αυτήν τη σελίδα
  1. Comprendre la monnaie des modèles de langage
  2. Qu’est-ce qu’un token ?
  3. La fenêtre de contexte
  4. Calcul des coûts
  5. Tokens et multilinguisme
  6. Mise en pratique
  7. Βασικά σημεία

Mis à jour le 2 novembre 2026. Le Chat est désormais Vibe. Depuis le 28 mai 2026, Le Chat s’appelle Vibe (toujours sur chat.mistral.ai) : un agent unique pour le travail et le code, conservant vos conversations, paramètres et abonnements. L’expérience historique de Le Chat reste accessible en mode Chat ; en mode Work, les agents sont devenus des compétences (invoquées avec @), les mémoires constituent la base de connaissances et la recherche approfondie est la compétence Deep Research. Les formules s’appellent désormais Mistral Free, Pro, Team et Enterprise. Cette leçon utilise le nom Vibe ; certains menus décrits ici peuvent avoir changé de nom ou d’emplacement.

Comprendre la monnaie des modèles de langage

Les tokens constituent l’unité fondamentale de tout modèle de langage. Tout ce que vous envoyez au modèle et tout ce qu’il renvoie est compté, traité et facturé en tokens. Les tokens servent à la fois d’unité de mesure pour la mémoire du modèle et de devise pour la facturation. Comprendre ce concept est essentiel pour utiliser efficacement les modèles Mistral, estimer vos coûts et optimiser vos requêtes. C’est aussi un investissement modeste : l’idée est simple une fois qu’on y regarde de plus près.

Qu’est-ce qu’un token ?

~4
Caractères par token (moyenne)
256k
Contexte max (Small 4)
~500
Pages dans 256k tokens
BPE
Algorithme de tokenisation

Un token est la plus petite unité de texte traitée par un modèle de langage. Ce n’est ni exactement un mot, ni exactement une syllabe : c’est un fragment de texte défini par l’algorithme de tokenisation du modèle. En pratique, un mot courant comme « bonjour » correspond généralement à un seul token, tandis qu’un mot rare ou technique se divise en plusieurs fragments — « désintermédiation » pourrait devenir 3 ou 4 tokens. Les espaces, la ponctuation et les caractères spéciaux comptent également, et un chiffre ou un symbole peut constituer un token à lui seul. Bref, vous ne pouvez pas deviner la longueur en tokens d’un texte d’un coup d’œil : cela dépend de la fréquence des mots qu’il contient.

L’algorithme BPE

D’où vient cette fragmentation ? La plupart des modèles modernes, y compris ceux de Mistral, utilisent l’algorithme BPE (Byte-Pair Encoding). Le principe est simple : analyser un vaste corpus de textes et identifier les combinaisons de caractères les plus fréquentes pour construire un vocabulaire optimal. Le résultat est une forme de compression intelligente du langage : les mots et expressions fréquents sont représentés par peu de tokens, tandis que les termes rares en nécessitent davantage.

Estimation pratique

Pour estimer rapidement le nombre de tokens dans un texte, gardez ces repères en tête : en anglais, 1 token correspond à environ 4 caractères, soit 0,75 mot ; en français, le ratio est légèrement moins favorable en raison des accents et des mots plus longs — comptez environ 1 token pour 3,5 caractères ; dans le code, cela varie considérablement selon le langage, les symboles et l’indentation consommant leur part. Concrètement, une page A4 de texte (environ 500 mots) représente approximativement 650 à 750 tokens en français.

La fenêtre de contexte

La fenêtre de contexte est le nombre maximal de tokens qu’un modèle peut traiter en une seule requête — incluant votre message (entrée) et la réponse du modèle (sortie). Imaginez-la comme la mémoire de travail du modèle : tout ce qu’il « sait » pendant une conversation doit y tenir. Cela inclut votre question actuelle, ainsi que l’historique des échanges, les documents joints, les instructions système et la réponse en cours de génération.

Cette limite explique un phénomène que vous rencontrerez tôt ou tard : dans une très longue conversation, le modèle semble « oublier » ce qui a été dit au début. Ce n’est pas un caprice : les messages les plus anciens sortent simplement de la fenêtre, et le modèle ne peut littéralement plus les voir. C’est pourquoi les conversations sans fin perdent en cohérence, et pourquoi il est souvent préférable de démarrer un nouveau fil pour un nouveau sujet.

Chez Mistral, les tailles varient selon le modèle : Mistral Small 4 et Codestral offrent 256 000 tokens — la plus grande fenêtre de la gamme — tandis que Mistral Large 3 et Ministral 3 offrent 131 000 tokens. Avec 256k tokens, Mistral Small 4 peut traiter l’équivalent de 500 pages de texte en une seule requête : assez pour analyser un contrat complet, un rapport annuel ou une base de code conséquente.

Calcul des coûts

Si vous utilisez l’API Mistral avec l’offre Scale, votre facture dépend directement du nombre de tokens consommés. Les prix sont exprimés en dollars par million de tokens, avec une distinction entre les tokens d’entrée (votre question, les documents joints, le contexte) et les tokens de sortie (la réponse générée). Les tokens de sortie sont généralement plus chers car la génération de texte coûte plus cher en calcul que sa lecture.

Quelques stratégies vous aident à maîtriser cette consommation. Soyez concis dans vos prompts : chaque instruction redondante est comptée, et donc facturée. Limitez la longueur de la sortie lorsque vous le pouvez — si un résumé de 3 phrases suffit, précisez-le explicitement, d’autant que les tokens de sortie sont les plus coûteux. Choisissez le bon modèle pour chaque tâche : Ministral pour les tâches simples, Large pour les tâches complexes. Enfin, réutilisez le contexte de conversation : dans un échange en cours, inutile de répéter les informations déjà fournies ; le modèle les a toujours dans sa fenêtre.

Tokens et multilinguisme

Un point mérite l’attention des utilisateurs francophones : le français consomme en moyenne plus de tokens que l’anglais pour exprimer la même idée. Les accents peuvent fragmenter les mots différemment, les mots français sont souvent plus longs que leurs équivalents anglais, et les articles et prépositions apparaissent plus fréquemment. En pratique, un texte en français utilisera environ 10 % à 20 % de tokens en plus que le même texte en anglais — un facteur à prendre en compte dans vos estimations de coûts si vous travaillez à grande échelle.

Mise en pratique

Pour rendre ces concepts tangibles, réalisez trois expériences sur Vibe. Posez d’abord une question courte, puis une question longue, et observez la différence de temps de réponse. Essayez ensuite de résumer un long document en une seule requête — la fenêtre de 256k tokens de Small 4 le permet. Enfin, comparez les réponses à la même invite formulée en français puis en anglais pour constater par vous-même les différences de longueur.

Tarifs au 5 août 2026. Les prix changent régulièrement. Avant de budgétiser, vérifiez les tarifs actuels sur la page officielle des tarifs Mistral.

Βασικά σημεία

  • Un token est l’unité de base du traitement de texte, correspondant à environ 4 caractères
  • La fenêtre de contexte détermine la quantité de texte qu’un modèle peut traiter à la fois
  • Mistral Small 4 offre la plus grande fenêtre : 256 000 tokens (environ 500 pages)
  • Le coût de l’API est directement proportionnel au nombre de tokens consommés
  • Le français consomme plus de tokens que l’anglais pour un même contenu
  • Optimisez vos coûts en choisissant le bon modèle et en étant précis dans vos prompts