Claude Token Limits : context rot, pas une limite dure

Claude Token Limits : context rot, pas une limite dure

La facture qui m'a finalement fait m'asseoir et faire le calcul était de 73,41 $ – pour un seul mardi après-midi de Claude Code. Je n'avais rien fait d'inhabituel. Une branche de fonctionnalités. Une poignée de modifications de fichiers. Un peu de débogage. Le genre de séance qui aurait dû me coûter huit ou neuf dollars.

J'ai ouvert la ventilation des coûts dans l'espoir de trouver un agent en fuite ou une boucle oubliée. Ce que j'ai trouvé était pire. Chaque message que j'avais envoyé cet après-midi avait relu l'intégralité de l'historique de la conversation. Je ne l'ai pas résumé. Non sauté aux parties pertinentes. Relis-le. Au message trente, le modèle traitait plus de jetons pour comprendre ce dont nous avions déjà discuté que pour générer la réponse suivante.

C'est à ce moment-là que j'ai réalisé quelque chose que, je pense, la plupart des utilisateurs de Claude – y compris de nombreux développeurs chevronnés – avaient complètement en arrière. La « limite symbolique » dont les gens se plaignent n'est pas un plafond qu'Anthropic impose pour vous étrangler. Ce n'est pas une astuce de facturation. Ce n'est même pas vraiment une limite dans la manière dont la plupart d'entre nous envisagent les limites.

Il s'agit de context rot. Et une fois que vous comprenez ce qui se passe réellement dans une session Claude, les stratégies pour y remédier cessent d'être des astuces aléatoires que vous lisez sur Twitter et commencent à être un système cohérent.

J'utilise ce système depuis environ huit semaines maintenant sur quatre projets différents. Mon coût quotidien moyen a chuté d'environ 60 %. La qualité de sortie a augmenté, pas diminué. Et la partie la plus contre-intuitive – la chose qui m’a pris le plus de temps à accepter – est que presque aucune des victoires n’est venue de « l’utilisation de moins de Claude ». Ils proviennent de l'utilisation de Claude cleaner.

C'est la répartition complète. Les mathématiques. La recherche. Les commandes slash exactes que j'utilise, quand je les utilise et celles que j'ai dû désapprendre. À la fin, vous serez en mesure de consulter n'importe quelle session Claude et de savoir, dans les trente secondes, si elle est saine ou si elle est sur le point de commencer une hémorragie de jetons.

Les mathématiques que personne ne vous montre

Voici la chose autour de laquelle chaque didacticiel Claude danse mais ne dit jamais tout à fait : chaque fois que vous envoyez un nouveau message, le modèle retraite toute la conversation jusqu'à ce point. Invite du système. Chaque fichier que vous avez référencé. Chaque appel d'outil. Chaque réponse de l'assistant. Tout cela, à chaque tournant.

Cela semble cher. C'est.

Laissez-moi vous montrer à quoi cela ressemble réellement avec des chiffres réalistes. Supposons que chaque échange de message (votre invite + la réponse de Claude + toute sortie de l'outil) ajoute environ 500 jetons à la conversation. Modeste. Raisonnable. Probablement sous-compte si vous travaillez avec du code.

Regardez le message 10 par rapport au message 1. Invite de même taille. Dix fois le prix. Par le message 30, vous avez déjà brûlé plus de jetons cumulés que les quinze premiers combinés. Au message 100, le modèle a relu la conversation tellement de fois que 98,5 % des jetons traités pour cette session ont été consacrés à la recompréhension de l'ancien contexte, sans générer de nouveau résultat.

Ce n'est pas un problème Claude. Il s'agit d'une propriété d'architecture du transformateur. Chaque LLM frontière fonctionne de cette façon. Mais Claude rend le coût visible d'une manière que la plupart des gens ne remarquent pas jusqu'à l'arrivée de la facture.

Et c’est là que la situation empire, car le coût n’est pas le seul facteur qui aggrave la situation.

À quoi ressemble réellement la context rot

En 2025, Chroma a publié une recherche qui a discrètement brisé de nombreuses hypothèses sur le comportement des modèles à contexte long. Ils ont testé 18 LLM frontières – Claude inclus – sur des tâches de récupération avec différentes longueurs d'entrée. La sagesse conventionnelle disait : une fenêtre contextuelle plus grande = de meilleures performances, point final.

Les données disaient autre chose.

Chaque modèle a connu des performances moins bonnes à mesure que la longueur d'entrée augmentait. Certains sont restés stables avec une précision de 95 %, puis ont plongé jusqu'à environ 60 % une fois que l'entrée a franchi un certain seuil. La baisse n'a pas été progressive. C'était une falaise. Et cela ne s'est pas produit à la limite de la fenêtre de contexte commercialisée – cela s'est produit bien avant, souvent autour de 200 000 à 300 000 jetons, même sur des modèles annonçant un contexte de 1 million.

Ce mécanisme est ce que les chercheurs appellent l’effet perdu au milieu. L'attention du transformateur est en forme de U. Le modèle s'intéresse bien au début du contexte (l'invite du système, votre configuration initiale) et à la fin (votre message le plus récent). Le milieu ? De plus en plus flou. Une étude de Stanford de 2023 a révélé qu'avec seulement vingt documents récupérés (environ 4 000 jetons), la précision des tâches d'assurance qualité passait de 70 à 75 % à 55 à 60 %. Et c'est avant d'ajouter l'historique des conversations à plusieurs tours en haut.

Associez cela à la courbe de coûts que nous venons d'examiner et vous obtenez une image réelle de ce qui se passe dans une longue session Claude :

• Jetons 1 à ~50 000 : le modèle est précis, précis et relativement bon marché par tour
• Jetons de 50 000 à ~ 200 000 : le coût grimpe rapidement, la précision commence à dériver, les hallucinations s'installent
• Tokens 200k+ : vous payez des tarifs majorés pour une production dégradée

C'est pourquoi "continuer à discuter" est l'habitude la plus coûteuse que vous puissiez avoir avec Claude. Vous ne payez pas seulement plus, vous payez plus pour pire.

Le correctif ne consiste pas à limiter votre utilisation de Claude. Il s’agit de reconnaître que votre conversation a une demi-vie de qualité et de la gérer délibérément. Hygiène du contexte, pas de limitation.

Laissez-moi vous montrer exactement comment je fais cela.

Neuf conseils qui réduisent de moitié mes coûts généraux Claude

Ce sont les habitudes que j'utilise dans les applications Claude classiques – claude.ai, mobile, API. Pas encore Claude Code. Nous y arriverons.

1. Modifiez et régénérez au lieu d'écrire des corrections de suivi

Celui-ci semble évident avec le recul et je l'ai manqué pendant des mois. Lorsque Claude se trompe, mon instinct était d'écrire un message de suivi : "en fait, je voulais dire X, pas Y." Ce suivi crée deux nouveaux tournants dans la conversation qui seront relus à chaque prochain message.

La solution la plus simple consiste à modifier l'invite d'origine et à la régénérer. Même résultat. Zéro poids de contexte ajouté. Si vous faites cela cinq fois au cours d'une longue session, vous avez économisé entre 3 000 et 5 000 jetons de surcharge permanente – pour chaque message ultérieur.

2. Regroupez plusieurs demandes en une seule invite

Trois messages, chacun demandant une chose, coûtent environ trois fois la surcharge de contexte d'un message demandant trois choses. Le modèle est vraiment efficace pour gérer les invites en plusieurs parties. Utilisez ça.

Au lieu de :

• "Écrivez le point de terminaison API."
• "Maintenant, écris le test."
• "Maintenant, écrivez la section README."

Envoyer : "Écrivez le point de terminaison API, le test correspondant et une section README expliquant le point de terminaison. Utilisez les en-têtes H2 pour chacun."

Vous obtiendrez la même qualité. Un tour de contexte coûte. Il s’agit du changement de comportement le plus important que j’ai apporté et il représente probablement un tiers de mes économies.

3. Démarrez de nouvelles discussions tous les 15 à 20 messages

Je considère 15 à 20 messages comme un plafond souple pour une seule conversation. Au-delà de cela, le coût et la précision commencent à diminuer sensiblement. Quand je le frappe, j'effectue un transfert délibéré :

"Résumez tout ce que nous avons établi au cours de cette conversation : l'objectif, les décisions prises, les fichiers touchés, les bloqueurs actuels et la suite. Formatez-le sous forme de mémoire que je peux coller dans une nouvelle session."

Ensuite, j'ouvre une nouvelle discussion et colle ce résumé comme premier message. Nouvelle session, même contexte, fraction du poids du token.

4. Choisissez le bon modèle pour la tâche

Gamme actuelle de Claude — Haiku 4.5, Sonnet 4.6 et Opus 4.7 — n'est pas une hiérarchie « bon, meilleur, meilleur ». Il s'agit d'un spectre de vitesse par rapport à la profondeur, et utiliser Opus pour ce que Haiku peut gérer est un gouffre financier tranquille.

Une rubrique approximative :

• Haiku 4.5 (1 $/5 $ par million de jetons) : classification, routage, résumé, recherches simples, tâches de collage. N'importe quoi où vous diriez "c'est ennuyeux mais pas difficile".
• Sonnet 4.6 (3$/15$) : votre valeur par défaut. Code, rédaction, analyse, raisonnement en plusieurs étapes. Selon chiffres 2026 de BenchLM, Sonnet 4.6 se situe à 1,2 point d'Opus sur le banc SWE à 60 % du coût.
• Opus 4.7 (5 $/25 $) : un raisonnement véritablement difficile, de nouveaux problèmes, des spécifications ambiguës, des éléments pour lesquels vous avez besoin que le modèle pense, pas seulement produise.

La plupart des personnes que je surveille sur les partages d'écran Discord exécutent Opus par défaut pour des tâches que Sonnet écraserait. Cela représente une prime de 67 % pour une production qui, dans de nombreux cas, est fonctionnellement identique.

5. Gardez la réflexion prolongée par défaut

La pensée étendue génère des jetons de raisonnement internes avant que le modèle ne produise son résultat visible. Utile pour les problèmes difficiles. Cher pour tout le reste, car les jetons de réflexion sont facturés aux tarifs de sortie – et la sortie est 5 fois le coût de l'entrée sur Opus et Sonnet.

Une réponse avec 500 jetons visibles et 2 000 jetons de réflexion coûte environ 5 fois ce que coûterait la même réponse sans réflexion. C'est le véritable multiplicateur. Pour la plupart des tâches (rédaction, résumé, refactorisation), la réflexion approfondie revient à payer des tarifs élevés pour des gains de précision marginaux.

Je le laisse éteint et je l'allume délibérément lorsque la tâche le justifie. Décisions architecturales. Débogage de bugs étranges. Tout ce qui me coûte une mauvaise réponse en temps réel en aval.

6. Convertissez les fichiers en Markdown avant de les télécharger

Un PDF de 30 pages peut contenir plus de 40 000 jetons. Le même contenu que Markdown propre tient souvent entre 8 000 et 12 000. Les PDF comportent une énorme quantité de formatage et de poids de métadonnées qui n'ajoutent rien à ce que le modèle peut extraire. Idem pour HTML : la moitié des jetons sont de la soupe de balises.

Si je dois référencer un document à plusieurs reprises au cours d'une session, je le convertis une fois avec un outil tel que pdftotext ou markitdown et je télécharge la version Markdown. La précision augmente en fait parce que le modèle ne combat pas le bruit de mise en page.

7. Utilisez les projets pour mettre en cache les documents répétés

Si vous consultez la même documentation, le même contexte de base de code ou le même matériel de référence au cours de plusieurs sessions, Projets permet à ce matériel de vivre dans la base de connaissances du projet au lieu d'être copié dans chaque discussion. La partie mise en cache est réinjectée efficacement. Même idée que la mise en cache rapide sur le API : les lectures de cache coûtent environ 10 % du prix d'entrée standard.

J'ai un projet "Mejba's Codebase Context" qui contient mes normes de codage, mes modèles architecturaux et quelques dizaines de fichiers de référence. Chaque discussion liée au code se déroule dans ce projet. Le mannequin arrive en sachant déjà comment je travaille.

8. L'astuce de réinitialisation de session de 5 heures

Les fenêtres d'utilisation de Claude.ai se réinitialisent toutes les 5 heures glissantes et le minuteur démarre dès votre premier message d'une session. Si vous vous réveillez à 8h du matin et que votre premier message est une véritable séance de travail, la fenêtre de réinitialisation suivante démarre alors. Si vous envoyez un petit message jetable à 7 heures du matin – « bonjour » ou autre – la réinitialisation se déplace et vous pouvez intégrer deux sessions de travail complètes dans votre journée au lieu d'une.

Petit? Peut être. Mais les semaines où je travaille dur, cela m'a valu plus d'une fois une fenêtre de travail supplémentaire.

9. Travaillez hors pointe quand vous le pouvez

Anthropic a parfois limité les réponses ou ralenti les inférences pendant les heures de pointe. Je n'ai pas de données concrètes à ce sujet – Anthropic ne les publie pas – mais le schéma anecdotique de mes propres sessions est clair. Les séances tôt le matin et tard le soir semblent plus vives. Les séances de midi aux heures de bureau aux États-Unis semblent parfois lentes.

Si votre travail le permet, planifiez des travaux Claude lourds en dehors de la fenêtre Pacifique de 10 h à 16 h. Dans le pire des cas, vous obtenez la même vitesse. Dans le meilleur des cas, vous terminez 20 % plus vite.

Ces neuf conseils à eux seuls feront bouger les choses. Mais si vous utilisez Claude Code, il existe un ensemble distinct de mouvements qui sont plus importants, car Claude Code a un profil de coût différent et un ensemble d'outils différent pour le gérer.

Huit conseils Claude Code qui comptent plus que les conseils généraux

Claude Code est l'endroit où les coûts des jetons deviennent vraiment effrayants si vous ne les gérez pas, car la surface du contexte est plus grande. CLAUDE.md est injecté à chaque tour. Les schémas des outils MCP sont injectés à chaque tour. Les lectures de fichiers s’accumulent. Les appels de sous-agent renvoient leur sortie complète dans votre contexte principal. La composition est réelle.

Ce sont les huit habitudes qui ont transformé mes factures Claude Code de "Je devrais probablement regarder ça" en "dépense de fond ennuyeuse".

1. Exécutez /context plus tôt — avant de commencer le travail

La commande la plus utile livrée par Claude Code, et probablement celle que la plupart des gens n'utilisent pas. /context vous montre une grille colorée de votre utilisation actuelle du contexte : ce qui est chargé, combien chaque élément consomme, où va le budget.

Exécutez-le comme première chose que vous faites lors d'une nouvelle session. Pas après avoir travaillé une heure. La première chose.

Ce que vous trouverez souvent ressemble à ceci :

System prompt: 4,200 tokens
CLAUDE.md: 18,400 tokens
MCP tool schemas: 47,300 tokens
Loaded files: 0 tokens
---
Total: 69,900 tokens (35% of 200k context window)

Cela représente 35 % de votre budget dépensé avant que vous ayez tapé une seule instruction. Si votre CLAUDE.md est gonflé et que quatre serveurs MCP sont chargés, vous pouvez être à 22 % à 40 % avant même le début de la session. Selon l'analyse du contexte MCP de Scott Spence, un développeur a mesuré ses outils MCP consommant à eux seuls plus de 66 000 jetons de surcharge de contexte.

Connaître ce numéro change votre façon de travailler. Vous arrêtez d'être surpris par les factures symboliques.

2. Déconnectez les serveurs MCP que vous n'utilisez pas activement

Chaque serveur MCP connecté injecte son schéma d'outil complet (chaque nom d'outil, chaque description, chaque définition de paramètre) dans le contexte de chaque message. Pas une seule fois au démarrage. Chaque. Tourner.

Si vous disposez d'un serveur MCP avec 20 outils et que vous ne l'utilisez pas pour la tâche en cours, vous payez malgré tout pour son schéma sur chaque message. Déconnectez-le. Vous pouvez vous reconnecter avec une seule commande lorsque vous en avez réellement besoin. Les économies peuvent être énormes : facilement 15 000 à 40 000 jetons par session pour une personne disposant de plusieurs serveurs chargés.

L'équipe Anthropic a travaillé sur des schémas d'outils à chargement différé (chargement du schéma d'un outil uniquement lorsqu'il est réellement appelé), et depuis utilisation avancée de l'outil, certains progrès ont été réalisés. Mais l'hypothèse sûre, jusqu'à ce que vous ayez vérifié le contraire sur votre propre configuration avec /context, est que MCP connecté = jetons consommés.

3. Remplacez les serveurs MCP par des CLI lorsque vous le pouvez

Celui-ci m’a mis du temps à intérioriser. Les serveurs MCP sont pratiques mais verbeux. Un outil CLI qui fait la même chose – invoqué via l'outil bash de Claude Code – utilise généralement beaucoup moins de contexte, car vous envoyez simplement la commande et analysez la sortie, sans charger une définition de schéma complète.

J'ai remplacé trois serveurs MCP par des workflows CLI équivalents. Les économies symboliques étaient en moyenne d'environ 35 à 40 % par session. Le compromis : un peu plus de friction lors de l'appel de l'outil, car Claude doit construire la commande plutôt que d'appeler une fonction typée. Pour moi, ce compromis en vaut la peine neuf fois sur dix.

Si vous avez déjà couvert les bases, mon guide plus approfondi sur la gestion des jetons Claude Code passe en revue les échanges spécifiques MCP vers CLI qui m'ont le plus rapporté.

4. Utilisez /clear entre des tâches non liées

/clear efface l'historique des conversations et recommence. La plupart des gens l'utilisent comme bouton « recommencer » en cas de problème. Ce n’est pas l’utilisation la plus rentable.

L'utilisation à plus forte valeur se situe entre les tâches non liées. Vous avez terminé de refactoriser le module d'authentification. La prochaine chose sur votre liste est la mise à jour du README. Il n’y a aucun chevauchement. La conversation d'authentification ne contribue en rien à la tâche README - mais elle sera relue à chaque tour de README si vous ne l'effacez pas.

Appuyez sur /clear. Redémarrez la tâche README. Vous venez de vous épargner des milliers de jetons de contexte non pertinents, et vous avez également réinitialisé la dégradation de la précision perdue au milieu qui était sur le point de vous mordre.

5. /compact de manière proactive à environ 50 % d'utilisation du contexte

/compact résume l'historique de vos conversations et remplace la transcription complète par une version condensée. Les directives officielles disent de l'utiliser lorsque le contexte dépasse 80 %. Je l'utilise plus tôt – généralement autour de 50 %.

Pourquoi plus tôt ? Parce qu’au moment où vous atteignez 80 %, vous êtes déjà dans la zone dangereuse de context rot. La précision dérive déjà. Le compactage à 80 % permet de limiter les dégâts. Le compactage à 50% est de l'entretien.

Vous pouvez transmettre des instructions à /compact pour contrôler ce qu'il conserve : /compact focus on the auth module decisions and current test failures. Utilisez ça. Le résumé par défaut convient dans la plupart des cas, mais pour les sessions complexes, lui indiquer ce qu'il doit conserver fait une réelle différence.

Si /compact fait une erreur (il laisse tomber quelque chose d'important), /resume vous permet de revenir à un état de session précédent. N'ayez pas peur de /compact à cause des erreurs ; le chemin de retour en arrière est réel.

6. Transfert de session à ~ 60 % – résumé complet, nouveau départ

Pour des sessions de travail très longues, /compact ne suffit pas toujours. Il arrive un moment où la conversation a accumulé tellement de décisions, de références de fichiers et de changements de contexte que même un résumé ne peut pas le démêler complètement.

Lorsque j'atteins environ 60 % d'utilisation sur quelque chose de complexe, j'effectue un transfert manuel :

"Générez un document de transfert complet pour cette session. Incluez : l'objectif, toutes les décisions architecturales prises, tous les fichiers modifiés, l'état actuel du travail, les bloqueurs et les 3 à 5 prochaines actions. Formatez-le sous forme de brief Markdown que je peux coller dans une nouvelle session."

Ensuite, j'enregistre ce brief, j'exécute /clear et je le colle comme message d'ouverture d'une nouvelle session. La nouvelle session arrive avec un contexte complet avec peut-être 8 000 jetons de surcharge au lieu de 120 000.

7. Utilisez des sous-agents pour les tâches lourdes

Les sous-agents s'exécutent dans des fenêtres contextuelles distinctes. Si j'envoie un sous-agent pour "rechercher les modèles d'intégration du webhook Stripe et faire un rapport avec trois options", toutes ces recherches - chaque page de documentation, chaque exemple, chaque exploration sans issue - se déroulent dans le contexte du sous-agent, pas dans le mien. Je reçois le résumé. Le poids de la recherche reste en dehors de ma session principale.

Il s’agit de l’un des plus gros déverrouillages offerts par Claude Code. Pour toute tâche qui implique une lecture, une exploration ou des recherches approfondies avant de produire un livrable, les sous-agents sont presque toujours la bonne réponse.

8. Configuration propre : CLAUDE.md sous 200 lignes, settings.json réglé

La surcharge constante la plus importante dans toute session Claude Code est CLAUDE.md. C'est injecté à chaque tour. Si le vôtre comporte 600 lignes, vous payez pour ces 600 lignes sur chaque message de chaque session pour le reste du projet.

L'analyse de Prompt Shelf recommande de conserver CLAUDE.md sous 200 lignes. Je dirais moins de 150 si vous pouvez le balancer. Cinq règles. Trois pointeurs de fichiers. La forme du projet, pas sa documentation.

Associez cela à un settings.json bien réglé :

• autocompact_threshold réglé sur votre déclencheur préféré (j'utilise 0,65)
• Règles deny pour node_modules, .next/cache, dist, build et tout autre répertoire que vous ne souhaitez jamais lire en contexte par Claude

Cette configuration à elle seule (lean CLAUDE.md et règles de refus agressives) a fait passer ma surcharge de session de base d'environ 35 000 jetons à environ 9 000.

C'est le travail quotidien de gestion des coûts. Mais il y a une couche au-dessus de toutes ces tactiques qui, une fois que vous l’avez adoptée, fait que la plupart d’entre elles semblent automatiques.

Quatre habitudes de collaboration qui s'aggravent au fil du temps

Les conseils ci-dessus sont tactiques. Ces quatre éléments sont structurels. Ils changent la forme de la façon dont vous travaillez avec Claude, pas seulement les paramètres.

1. Pointez Claude vers un dossier propre et dédié

Cela semble trivial. Ce n'est pas le cas. Si vous pointez Claude Code à la racine d'un monorepo de 40 000 fichiers, même avec des règles de refus, vous invitez du bruit. Claude lira occasionnellement des répertoires auxquels vous n'aviez pas prévu. Les appels d’outils renverront des charges utiles plus importantes que prévu. Les recherches feront apparaître des correspondances non pertinentes.

La version propre : créez un dossier de travail pour la tâche spécifique. Lien symbolique uniquement avec ce qui est nécessaire. Pointez Claude sur ce dossier. Désormais, chaque lecture, chaque recherche, chaque globe opère sur une surface ciblée.

2. Fichiers de mémoire locale : instructions.md + memory.md

CLAUDE.md est global au projet. Mais pour un travail de longue durée, j'ai commencé à conserver deux fichiers supplémentaires dans le répertoire de travail :

• instructions.md : règles, ton, préférences de formatage, "toujours faire X, ne jamais faire Y." Mis à jour rarement. C’est comme ça que j’aime travailler.
• memory.md : faits spécifiques au projet, décisions prises, état actuel, quelle est la prochaine étape. Mis à jour à la fin de chaque session.

Au début de chaque nouvelle session, mon invite d'ouverture est grossièrement : "Lisez instructions.md et memory.md, puis attendez mon prochain message." Coût total : environ 2 000 à 4 000 jetons. Ce que je récupère : un Claude qui arrive en connaissant déjà l'état du projet, les conventions et ce sur quoi nous travaillions pour la dernière fois. Pas de réexplication. Pas de nouvelle décision. La mémoire survit aux limites de la session.

Ce modèle s’aggrave. Trois semaines après le début d'un projet, votre memory.md effectue le travail qui nécessiterait autrement la recréation d'une conversation de 50 messages.

3. Déchargez la recherche vers d'autres outils

Tout ce que Claude peut faire n'est pas quelque chose que Claude devrait faire. Heavy web research, scraping, multi-source comparison — these tasks consume enormous amounts of context for outputs that other tools produce more cheaply.

I now route most research-style work through Perplexity or Gemini, then feed the distilled output back to Claude for the actual building work. Une session de recherche de 40 000 jetons devient un brief de 3 000 jetons. Claude focuses on what it's best at — code, structured output, technical reasoning — instead of chewing through tokens on tasks where it's not the optimal tool.

C’est l’un de ces mouvements qui semblent hérétiques jusqu’à ce que vous l’essayiez. Ensuite, cela semble évident.

4. Encodez les tâches répétables en tant que compétences

Tout ce que je fais plus de trois fois au cours de différentes sessions (révision de code, audits de contenu, listes de contrôle de déploiement, examens de sécurité) est codé en tant que compétence Claude avec le processus préchargé. La compétence porte son propre contexte minimal : les étapes, les normes, le format de sortie.

Au lieu d’expliquer le processus à chaque fois, je déclenche la compétence. La compétence sait quoi faire. Mon contexte principal reste léger. J'obtiens un résultat cohérent. Et la compétence ne cesse de s'améliorer : chaque session qui fait apparaître une meilleure approche est réintégrée dans la définition de la compétence.

C’est là que le système obtient des rendements composés. La première fois que vous développez une compétence, cela représente un investissement de 30 minutes pour des économies marginales. La centième fois que vous l'utilisez, cela vous fait gagner dix minutes et 20 000 jetons par invocation, en plus de produire un résultat meilleur et plus cohérent que les instructions ad hoc ne l'ont jamais fait.

Real Talk : ce que je me suis trompé dans tout cela

Je veux être honnête à propos de quelque chose. Pendant les six premiers mois où j'ai utilisé Claude sérieusement, j'ai traité tout cela comme de la comptabilité. Optimisation des coûts. Un centime. Le côté ennuyeux de l’utilisation des outils AI.

Ce cadrage était erroné, et cela m'a coûté de l'argent réel et une qualité de sortie réelle avant de m'en rendre compte.

L'hygiène du contexte n'est pas comptable. C'est du contrôle qualité. Les mêmes tactiques qui ont réduit mes coûts (sessions propres, lean CLAUDE.md, /clear et /compact agressifs, sous-agents pour les travaux lourds) ont également rendu le modèle considérablement plus précis. Parce que les mêmes conditions qui font augmenter les coûts (contexte long, confusion accumulée, sujets à la dérive) diminuent la précision.

Je l'avais à l'envers dans la tête. Je pensais qu'il y avait un compromis : dépenser plus pour obtenir un meilleur rendement. La relation réelle, d'après mon expérience, est le contraire. Les sessions qui coûtent cher étaient presque toujours des sessions où le résultat se détériorait, et je pelletais simplement plus de jetons pour résoudre le problème en essayant de compenser.

Maintenant, je traite une facture symbolique qui grimpe de la même manière qu’un médecin traite la fièvre – comme un symptôme. Quelque chose ne va pas avec la séance. Compact it. Clear it. Hand it off. La facture diminue et le rendement augmente en même temps.

Il y a des limites à cela et je veux les nommer. L'hygiène du contexte ne vous sauvera pas si votre problème est vraiment difficile et nécessite un raisonnement au niveau Opus sur une grande base de code. Certaines séances sont chères car le travail coûte cher. C'est très bien. L'objectif n'est pas de minimiser les dépenses, mais de s'assurer que lorsque vous dépensez, vous dépensez en signal, et non en relecture d'anciens bruits de conversation.

À quoi cela ressemble dans huit semaines

Voici ce qui a changé pour moi, concrètement, après avoir fait fonctionner ce système sur quatre projets pendant deux mois.

Les dépenses quotidiennes moyennes de Claude Code ont chuté d'environ 60 %. Certains jours de plus, d'autres de moins. L'écart a également diminué : moins de jours de surprise à 70 $.

La durée de la session sur une seule conversation est passée de « jusqu'à ce que quelque chose se brise » à « jusqu'à ce que /context affiche ~ 50 % ». Cela ressemble à un déclassement. Ce n'est pas le cas. Les nouvelles sessions sont plus pointues de bout en bout. Les anciennes séances longues avaient une falaise de qualité en seconde période que j'étais juste en train d'absorber.

CLAUDE.md dans mes projets est passé d'une moyenne d'environ 400 lignes à moins de 150. Rien d'important n'a été perdu. Beaucoup de choses que je pensais importantes se sont révélées être des choses grossières que j'avais payé pour injecter à chaque tour.

Le nombre de serveurs MCP que je garde connectés par défaut est passé de six à deux. Les quatre autres sont connectés à la demande pour des tâches spécifiques et déconnectés à la fin de la tâche.

Et la partie à laquelle je ne m'attendais vraiment pas : le travail que je produis dans Claude Code est nettement meilleur. Code plus propre. Moins d'hallucinations. Des décisions architecturales plus ciblées. Non pas parce que le modèle s'est amélioré : Sonnet 4.6 et Opus 4.7 sont les mêmes modèles que j'utilisais auparavant. Parce que les séances se sont améliorées. Moins context rot. Moins de dérive au milieu de la fenêtre. Plus de signal, moins de bruit.

C'est la partie avec laquelle je veux vous laisser. Les limites de jetons ne constituent pas un budget avec lequel vous devez vivre. C'est un signal de qualité que vous devriez écouter. Lorsque la facture grimpe, le modèle vous dit quelque chose : que la session a dépassé sa durée de vie utile, que le contexte a accumulé plus qu'il ne peut gérer proprement, qu'il est temps d'effectuer une réinitialisation matérielle.

Écoutez-le. Compact. Clair. Remettre. Recommencez à zéro.

Le coût diminue. Le rendement augmente. Et finalement, après suffisamment de cycles, vous arrêtez du tout de considérer cela comme une « gestion des jetons ». Vous pensez simplement à bien travailler avec Claude.

Questions fréquemment posées

Pourquoi Claude relit-il l'intégralité de la conversation à chaque message ?

Les LLM basés sur des transformateurs traitent la fenêtre contextuelle complète à chaque appel d'inférence : il n'y a pas de mémoire interne des tours précédents, comme les humains se souviennent des conversations. Chaque nouveau message retraite l'invite système, tous les tours précédents et tous les fichiers chargés en une seule entrée. Il s'agit d'une propriété architecturale et non d'un choix de conception spécifique à Claude. Pour les calculs complets des jetons, voir « Les mathématiques que personne ne vous montre » ci-dessus.

Quelle est la différence entre /clear et /compact dans Claude Code ?

/clear efface entièrement l’historique des conversations et recommence – utilisez-le entre des tâches non liées. /compact résume l'historique existant dans une version condensée tout en préservant les faits clés : utilisez-le de manière proactive à environ 50 % d'utilisation du contexte pour prolonger une session productive. Les deux sont documentés dans la Référence des commandes Claude Code.

La fenêtre contextuelle du jeton 1 M vaut-elle la peine d'être utilisée sur Claude Code ?

Parfois, mais rarement par défaut. Les recherches sur context rot montrent que la précision se dégrade bien avant la limite de 1 million – souvent autour de 200 000 à 300 000 jetons, même sur les modèles annonçant un contexte de 1 million. Utilisez la fenêtre plus grande pour les entrées vraiment volumineuses (bases de code complètes, documents longs), mais attendez-vous à une baisse de qualité au milieu du contexte. Pour la plupart des sessions de travail, un contexte propre de 50 000 $ surpasse un contexte tentaculaire de 800 000 $.

Dois-je toujours utiliser Opus 4.7 pour le codage ?

Non. Sonnet 4.6 se situe à environ 1,2 point de référence SWE d'Opus à 60 % du coût, selon les références 2026 de BenchLM. Utilisez Sonnet par défaut et réservez Opus pour un raisonnement véritablement difficile : nouveaux problèmes, spécifications ambiguës, débogage complexe. La plupart des tâches de codage ne nécessitent pas de profondeur de niveau Opus.

Comment puis-je vérifier combien de jetons ma session Claude Code utilise ?

Exécutez /context dans Claude Code. Il affiche une grille colorée de l'utilisation du contexte actuel, décomposée par invite système, CLAUDE.md, schémas d'outils MCP et fichiers chargés. Exécutez-le comme la première chose que vous faites au cours d’une session, et non après une heure de travail. Connaître vos frais généraux de départ change votre façon de travailler.

Travaillons ensemble

Vous cherchez à créer des systèmes AI, à automatiser les flux de travail ou à faire évoluer votre infrastructure technologique ? J'aimerais aider.

• Fiverr (versions et intégrations personnalisées) : fiverr.com/s/EgxYmWD
• Portefeuille : mejba.me
• Ramlit Limited (solutions d'entreprise) : ramlit.com
• ColorPark (conception et image de marque) : colorpark.io
• xCyberSecurity (services de sécurité) : xcybersecurity.io