Larssen Consulting
Modèles de langage

Contexte fixe

Fixed preamble

Le contexte fixe est la part du contexte qu’un agent IA renvoie à l’identique au modèle à chaque étape, prompt système et description des outils, un préambule invisible pour l’utilisateur qui fixe une bonne part du coût d’un agent.

  • Lecture : 5 minutes
  • Mis à jour le 12 novembre 2026
  • 4 sources

En clair

Imaginez un consultant qu’on rappelle vingt fois dans la journée pour une même mission, et à qui l’on relit à chaque appel, avant toute question, le règlement de l’entreprise et le mode d’emploi de chacun des logiciels maison. Il ne garde rien en mémoire d’un appel à l’autre : il faut tout lui relire. Si ce préambule dure dix minutes, la journée en compte plus de trois heures, quelle que soit la difficulté des questions posées ensuite.

Un modèle de langage fonctionne ainsi. Il ne se souvient de rien entre deux requêtes, et un agent l’appelle des dizaines de fois par tâche. À chaque appel, le logiciel qui pilote l’agent renvoie donc le même bloc de départ : les consignes générales, puis la description de chaque outil disponible, qu’il serve ou non. C’est ce bloc qu’on appelle le contexte fixe, par opposition à la partie variable qui grandit au fil de la tâche, l’historique des échanges et les résultats des outils.

Ce bloc est facturé comme le reste du texte envoyé. Un agent bavard dans ses consignes, ou branché sur des dizaines d’outils, paie ce préambule à chaque étape, multiplié par le nombre d’étapes. Deux agents qui résolvent la même tâche avec le même modèle peuvent ainsi coûter du simple au triple.

Un exemple

Une direction juridique utilise un agent qui prépare des notes de synthèse à partir des contrats stockés dans plusieurs outils internes. L’équipe a progressivement branché six connecteurs, chacun avec sa dizaine d’outils, et rédigé de longues consignes maison. En analysant les journaux d’appels, le responsable technique constate qu’avant même de lire le premier contrat, chaque requête transporte plusieurs dizaines de milliers de tokens de consignes et de descriptions d’outils, renvoyés une quarantaine de fois par note.

L’équipe retire les outils jamais appelés, fusionne les consignes redondantes et active le chargement des outils à la demande. Elle mesure ensuite, sur cinquante notes déjà validées par les juristes, que la qualité ne bouge pas alors que le volume de tokens par note baisse nettement. Elle ajoute un indicateur au tableau de bord : la taille du préambule, suivie à chaque nouvelle version de l’agent.

Niveau technique

Comment ça marche

Le mécanisme découle du fonctionnement des API de modèles. Chez Anthropic, les définitions d’outils passées dans le paramètre tools, noms, descriptions et schémas compris, sont facturées comme des tokens d’entrée, et l’API ajoute en plus un prompt système spécial pour l’usage des outils, de 286 tokens par exemple pour Claude Opus 5.5 3. Comme le modèle ne garde aucun état entre deux appels, ce bloc revient en tête de chaque requête de la boucle d’agent.

  1. PréambuleLe harness place en tête de requête le prompt système et la description de tous les outils disponibles.
  2. Partie variableIl ajoute l’historique de la tâche, les résultats d’outils et la demande en cours.
  3. AppelLe modèle lit l’ensemble et répond ou demande l’exécution d’un outil.
  4. RépétitionÀ l’étape suivante, le même préambule est renvoyé à l’identique, suivi d’un historique plus long.

Le coût du contexte fixe se lit comme une multiplication : taille du préambule fois nombre d’étapes, que le cache réduit sans l’annuler.

Son poids peut être considérable. Anthropic décrit en novembre 2025 une configuration de cinq serveurs MCP totalisant 58 outils, qui consomme environ 55 000 tokens avant que la conversation commence, et indique avoir vu des définitions d’outils atteindre 134 000 tokens avant optimisation ; son outil de recherche d’outils, qui ne charge que les outils utiles, réduit l’usage de tokens de 85 % dans son exemple 2. En octobre 2026, une étude de l’université du Shandong mesure ce « préambule fixe » dans trois harness d’agents de code : 16 581 tokens pour Claude Code, 7 025 pour OpenCode et 829 pour mini-SWE-agent, payés à nouveau à chaque étape 1. Selon les auteurs, l’écart de facture se joue dès le premier appel puis se multiplie par le nombre d’étapes, et le coût par tâche varie jusqu’à un facteur trois avec le même modèle 1.

Le prompt caching atténue le problème sans le supprimer : l’ordre de mise en cache suit la séquence outils, prompt système, puis messages, et toute modification d’un niveau invalide ce niveau et les suivants 4. Un contexte fixe stable est donc lu en cache à prix réduit, mais il reste facturé à chaque étape, et l’étude du Shandong note que le prix des tokens en cache change le montant de la facture sans changer le classement des harness 1. Le contexte fixe se distingue de la fenêtre de contexte, qui est la capacité totale du modèle, dont il occupe une part avant tout travail, et de l’ingénierie de contexte, qui est la discipline consistant à choisir ce qu’on y met. La compaction de contexte, elle, résume l’historique variable et laisse le contexte fixe intact.

Ce que ça change pour une entreprise

Le contexte fixe est un poste de coût caché, rarement visible dans les démonstrations, mais il explique une bonne part des écarts de facture entre agents qui utilisent le même modèle 1. Il se pilote : retirer les outils inutiles, raccourcir les consignes maison, charger les outils à la demande plutôt que tous au démarrage 2. Chaque connecteur ajouté à un agent a donc un prix récurrent, payé à chaque étape de chaque tâche, qu’il serve ou non.

Alléger ce préambule n’est pas sans risque. Des consignes trop maigres peuvent faire perdre des garde-fous, et un agent mal outillé peut faire plus d’étapes, ce qui annule le gain. Il faut mesurer sur ses propres tâches, en suivant ensemble la réussite et le coût par tâche réussie, et garder le préambule stable entre deux appels pour profiter du cache, car le modifier en cours de tâche invalide tout ce qui suit 4.

Idées reçues

  • « Les consignes et les outils ne coûtent rien, seule la question de l’utilisateur est facturée. »

    Les définitions d’outils et le prompt système sont facturés comme des tokens d’entrée à chaque appel [3], et peuvent dépasser des dizaines de milliers de tokens [2].

  • « Avec le cache, le contexte fixe devient gratuit. »

    Le cache réduit le prix des tokens relus mais ne les supprime pas : le préambule reste payé à chaque étape, à tarif réduit [1].

  • « Brancher plus d’outils rend toujours un agent plus capable. »

    Chaque outil alourdit le préambule renvoyé à chaque étape. Charger les outils à la demande a réduit de 85 % l’usage de tokens dans l’exemple d’Anthropic [2].

Sources

  1. Liu et Han, « What Does a Harness Buy? Tokens, Mostly. », 2026
  2. Anthropic, « Introducing advanced tool use for Claude », 2025
  3. Anthropic, « Tool use with Claude », documentation, 2026
  4. Anthropic, « Prompt caching », documentation, 2026

Voir aussi