Services Projets Tarifs Blogue À propos Appel gratuit →

Contexte d’un agent IA : compaction ou effacement?

Un agent qui accumule du contexte coûte plus cher et répond moins bien. Comparez la compaction et l’effacement des résultats d’outils, selon la doc d’Anthropic.

Quand un agent tourne longtemps, le premier réflexe est la compaction, qui résume l’historique. L’effacement des résultats d’outils, lui, sert surtout aux agents dont les outils renvoient de gros volumes. La documentation d’Anthropic présente la compaction côté serveur comme la stratégie principale pour les longues conversations, et l’édition du contexte comme l’option plus ciblée. Voici comment choisir, ce que cela change sur la facture et quoi vérifier avant de l’activer.

Pourquoi le contexte d’un agent grossit-il aussi vite?

À chaque tour, l’agent renvoie au modèle tout ce qui s’est passé : le message système, les définitions d’outils, chaque message et chaque résultat d’outil. La documentation précise que tout cela compte dans la fenêtre de contexte, y compris la sortie du modèle et sa réflexion.

Un agent qui lit des fichiers, lance des commandes et consulte des API empile donc beaucoup de jetons à chaque boucle, et bien des anciens résultats ne servent plus.

Deux problèmes en découlent :

  • Le coût. À chaque tour, on paie de nouveau tout l’historique. La mise en cache des requêtes (prompt caching) change le prix de ces jetons, mais ne change pas le fait qu’ils comptent dans la fenêtre, selon la même documentation.
  • La qualité. Anthropic écrit qu’à mesure que le nombre de jetons augmente, la précision et le rappel se dégradent, un phénomène nommé context rot. Un contexte plus grand n’est donc pas automatiquement meilleur.

La fenêtre de 1 M de jetons règle-t-elle le problème?

Pas à elle seule. En novembre 2026, la documentation indique que plusieurs modèles actuels, dont Claude Opus 5.5, Sonnet 5.5 et Haiku 5.5, ont une fenêtre de 1 M de jetons, et que les requêtes longues sont facturées au tarif standard, sauf pour Haiku 5.5, où les requêtes de plus de 100 000 jetons coûtent plus cher. Vérifiez la grille de prix de votre modèle.

Mais une grande fenêtre ne règle ni le context rot ni le coût cumulé de renvoyer l’historique. C’est une marge de sécurité, pas une stratégie.

Que font la compaction et l’effacement des résultats d’outils?

La compaction côté serveur résume automatiquement les parties anciennes de la conversation pour qu’elle puisse continuer au-delà de la limite de la fenêtre. Elle est en version bêta, pour les modèles Claude 4.6 et ultérieurs.

L’effacement des résultats d’outils (clear_tool_uses_20250919, avec l’en-tête bêta context-management-2025-06-27) retire les plus anciens résultats d’outils, dans l’ordre chronologique, quand le contexte dépasse un seuil. Les résultats retirés sont remplacés par un texte de substitution. Selon la documentation de l’édition du contexte, les valeurs par défaut sont :

  • trigger : 100 000 jetons d’entrée;
  • keep : les 3 derniers couples appel/résultat;
  • clear_at_least : aucune valeur par défaut;
  • exclude_tools : aucune valeur par défaut;
  • clear_tool_inputs : false (seuls les résultats sont retirés, pas les paramètres d’appel).

Le traitement se fait côté serveur, avant que la requête n’atteigne le modèle; votre application conserve l’historique complet.

CompactionEffacement des résultats d’outils
Ce qui changeUn résumé remplace l’historique ancienLes anciens résultats d’outils sont retirés
Bon pourLongues conversations généralesAgents dont les outils renvoient de gros résultats
RisqueUn détail perdu dans le résuméUn résultat retiré dont l’agent avait encore besoin

Quel lien avec la mise en cache des requêtes?

C’est un point facile à oublier. D’après la documentation, l’effacement des résultats d’outils invalide les préfixes de requête mis en cache au moment où du contenu est retiré. Il faut donc que chaque effacement en vaille la peine : le paramètre clear_at_least sert à garantir qu’un minimum de jetons est libéré, sinon la stratégie n’est pas appliquée.

L’édition du contexte permet aussi d’effacer les anciens blocs de réflexion, avec la même logique : tant qu’ils sont conservés, le cache est préservé; s’ils sont effacés, il est invalidé à cet endroit.

Comment l’essayer prudemment cette semaine?

  1. Mesurer d’abord. Le champ usage de chaque réponse indique input_tokens, cache_read_input_tokens et cache_creation_input_tokens. L’API de comptage de jetons permet d’estimer une requête avant l’envoi.
  2. Trouver les gros résultats. Repérez les outils dont les réponses dominent le contexte (lecture de fichiers, recherche, journaux).
  3. Essayer l’effacement sur un seul agent avec un trigger élevé, un keep généreux, un clear_at_least et la liste exclude_tools pour les outils dont les résultats doivent rester.
  4. Comparer avec un jeu de tâches fixe : taux de réussite, jetons par tâche, taux de lecture du cache.
  5. Essayer la compaction sur les tâches vraiment longues, et vérifier à la main ce que le résumé conserve.

Que vérifions-nous en premier?

Nous commençons par une question simple : où va le contexte, et que perd-on si on le retire? Avant toute activation, nous regardons :

  • si les échecs viennent d’un contexte trop plein ou d’un mauvais outil;
  • quels résultats l’agent doit absolument pouvoir relire (à mettre dans exclude_tools);
  • l’effet réel sur le cache, avec vos propres chiffres plutôt que ceux d’un exemple;
  • si la fonction est encore en bêta et si votre équipe accepte ce statut;
  • si l’état important est écrit ailleurs (notes, fichiers, mémoire), plutôt que laissé dans la conversation.

Si vous voulez de l’aide pour mesurer et réduire le coût de vos agents, voyez nos services ou le CTO fractionnel.

Information générale fondée sur la documentation du fournisseur à jour en novembre 2026; validez les fonctions, les modèles et les prix actuels avant de décider. Ce n’est pas un avis financier ou professionnel.