Contexte et coût
- 01Les quatre leviers d'une session longue8 min
Une session longue ne gonfle pas indéfiniment le texte envoyé au modèle, grâce à des leviers distincts : le cache, qui réutilise un début de conversation identique, le retrait des sorties d'outils inutiles, la compaction, qui remplace l'historique par un résumé, et la délégation à des sous-agents, qui ne renvoient que leur conclusion.
- 02Compacter, effacer, lire juste ce qu'il faut7 min
La commande /compact remplace l'historique de messages par un résumé et poursuit la même conversation, la commande /clear efface cet historique et repart de zéro, et dans les deux cas les fichiers du projet sur le disque ne bougent pas : le geste qui économise le plus reste de ne faire lire à Claude que la tranche pertinente d'un fichier.
- 03Cache de prompt et Batch API, deux remises à connaître8 min
Le cache de prompt et la Batch API sont deux remises différentes sur le même coût en jetons. Le cache récompense un début de conversation qui ne change pas, la Batch API récompense un volume de requêtes qui peut attendre. La durée de vie du cache dépend de votre offre : abonnement payant ou clé d'API.
- 04Le seuil d'auto-compactage ne fait pas ce qu'on croit7 min
Le seuil d'auto-compactage déclenche un résumé de la conversation quand le contexte l'atteint, ce n'est pas un mur qui ferme la fenêtre : une valeur réglée au-dessus de la fenêtre réelle du modèle actif est plafonnée à cette fenêtre, un comportement documenté dont l'absence d'avertissement à l'écran reste à vérifier soi-même.
- 05Une fenêtre de contexte ne suit pas le modèle7 min
La fenêtre de contexte est une propriété du modèle : les modèles récents ont la grande fenêtre de base, deux modèles plus anciens la demandent par le suffixe [1m], et chaque changement de modèle se vérifie à l'écran par /model puis /context.
- 06D'où vient vraiment la facture, et pourquoi un décompte ment9 min
Le coût d'une session ne vient pas du volume de travail mais du nombre de fois où l'historique accumulé est renvoyé : chaque appel d'outil le relit, au tarif réduit du cache mais jamais à coût nul. Un décompte de jetons qui confond relecture en cache et première lecture donne une idée fausse de la facture.
- 07Quota, débit et routage vers le modèle le moins cher8 min
Deux plafonds distincts gouvernent une session, le coût en argent et le débit en jetons par minute, et les deux se traitent par le même réflexe : router les tâches répétitives vers Haiku ou Sonnet, garder Opus pour le raisonnement difficile, et attendre en respectant un délai croissant après une erreur 429 plutôt que de relancer aussitôt.
- 08Un sous-agent coûte avant d'avoir travaillé8 min
Un sous-agent coûte avant d'avoir travaillé, car sa conversation contient déjà des éléments que vous n'avez pas écrits et que chaque lancement recharge. Sans champ tools, il hérite de tous les outils ; sans modèle nommé, il tourne sur le même modèle que vous. Listez ses outils et nommez son modèle selon son rôle.