Claude 4.5/Opus 4, Gemini 2 Pro, GPT-5 — plusieurs modèles supportent désormais des contextes de 1 million de tokens (environ 750 000 mots). C’est plus que la longueur d’« À la recherche du temps perdu ». Mais qu’est-ce qu’on en fait concrètement en 2026 ?
Usage 1 : analyser une codebase entière
Vous ne pouvez plus envoyer juste 3 fichiers à votre agent. Vous pouvez envoyer le repo. Conséquence : les refactorings cross-fichiers, les revues d’architecture, les audits de sécurité gagnent en pertinence. Notre usage le plus fréquent.
Usage 2 : revue de contrats complexes
Un dossier complet d’acquisition (contrat principal + due diligence + annexes + emails de négociation) tient désormais dans un seul appel. Le modèle peut référencer un point de l’annexe 12 en lisant l’article 3 du contrat principal. Productivité juridique ×5.
Usage 3 : analyse longitudinale de données
5 ans de comptes-rendus de réunions stratégiques, ou 18 mois de feedback clients : envoyer le tout au modèle permet de détecter des patterns que personne ne verrait en lecture séquentielle. Idéal pour les revues annuelles ou les exercices de strat.
Les pièges du contexte long
(1) Coût : 1M de tokens d’input à 3-15$ selon le modèle. Pas pour un usage quotidien. (2) Latence : 20 à 60 secondes par appel. (3) Attention diluée : sur 1M tokens, le modèle peut louper des détails. Le caching de prompts atténue les deux premiers.
La règle pragmatique
Utilisez le 1M tokens pour les analyses ponctuelles à fort enjeu. Pour le travail quotidien, restez sur des contextes ciblés (10-50k tokens) avec un RAG bien fait. C’est plus rapide, moins cher, et souvent plus précis.
