Aller au contenu
ReviewRamble

La lettre hebdomadaire

L’IA, évaluée, dans votre boîte mail.

  • Les nouveaux tests d’outils, de modèles, de serveurs MCP et de dépôts, avec le verdict en premier
  • Les prix et les notes revérifiés quand quelque chose change
  • Les nouvelles analyses dès leur publication

Modèles, agents, serveurs MCP et les outils qui méritent vraiment votre temps.

Un e-mail par semaine. Désinscrivez-vous avec le lien présent dans chaque lettre. Comment nous utilisons votre e-mail

Tokens de sortie

Les tokens de sortie (output tokens) sont les tokens qu'un modèle de langage génère dans sa réponse. Ils sont comptés et facturés séparément des tokens d'entrée, et un réglage max_tokens plafonne le nombre qu'une réponse peut contenir.

Aussi appelé : max output tokens, max_tokens, completion tokens

Par Divya Sharma · Vérifié le 15 nov. 2026 · Notre méthode

Chaque appel à un modèle de langage comporte deux décomptes de tokens. Les tokens d'entrée couvrent tout ce que vous envoyez : le prompt système, l'historique, les documents et les définitions d'outils. Les tokens de sortie sont ce que le modèle écrit en retour. Les réponses d'API indiquent généralement les deux, et les fournisseurs les facturent séparément ; voir la tarification au token et l'étude du site sur les prix des modèles d'IA.

max_tokens

La plupart des API acceptent un paramètre, souvent appelé max_tokens, qui fixe une limite haute à la longueur de la sortie. L'API Messages d'Anthropic le décrit comme le nombre maximal de tokens à générer avant de s'arrêter, et précise qu'un modèle peut s'arrêter plus tôt. Si une réponse atteint le plafond, elle est coupée, et la réponse indique la raison de l'arrêt. Chaque modèle a aussi son propre plafond pour cette valeur, distinct de sa fenêtre de contexte.

Pourquoi c'est important

- Coût : les réponses longues coûtent plus cher, et dans beaucoup de grilles tarifaires les tokens de sortie coûtent plus que les tokens d'entrée. - Vitesse : la sortie est générée un token à la fois, donc la longueur détermine le temps de réponse total. Voir tokens par seconde. - Troncature : un plafond trop bas casse le JSON et le code en plein milieu.

Tokens de raisonnement

Les modèles de raisonnement et les prompts chain-of-thought produisent une sortie supplémentaire pour les étapes de réflexion. Selon le fournisseur, ces tokens peuvent compter dans le plafond et dans la facture même s'ils ne sont pas montrés à l'utilisateur.

Conseils pratiques

Demandez des réponses concises quand vous n'avez pas besoin de réponses longues, fixez max_tokens avec une marge pour la plus longue réponse valide, et vérifiez la raison d'arrêt dans le code pour que les réponses tronquées soient relancées ou signalées plutôt qu'utilisées sans le savoir.

Termes liés

Token (LLM)
Un token (LLM), ou jeton, est l'unité de texte de base qu'un modèle de langage lit et écrit, souvent un mot, une partie de mot, un signe de ponctuation ou un octet. Les prix, la vitesse et les limites de contexte se comptent tous en tokens.
Tarification au token
La tarification au token (token pricing) est la façon dont la plupart des API de modèles d'IA facturent : un prix fixe par million de tokens d'entrée envoyés et un prix distinct, généralement plus élevé, par million de tokens de sortie générés par le modèle, avec des remises pour les entrées en cache et les traitements batch.
Fenêtre de contexte
Une fenêtre de contexte (context window) est la quantité maximale de texte, comptée en tokens, qu'un modèle de langage peut prendre en compte à la fois, y compris le prompt système, la conversation, les documents, les résultats d'outils et la réponse qu'il rédige.
Tokens par seconde
Les tokens par seconde (tokens per second, tok/s) mesurent la vitesse à laquelle un modèle de langage produit sa sortie. Le chiffre est donné soit par utilisateur, la vitesse à laquelle une réponse s'affiche en streaming, soit pour l'ensemble du système, la sortie totale de toutes les requêtes simultanées.
Modèle de raisonnement
Un modèle de raisonnement (reasoning model) est un modèle de langage entraîné à résoudre un problème au fil d'un flux de tokens de réflexion intermédiaires avant de donner sa réponse finale, ce qui aide généralement en mathématiques, en code et sur les tâches à plusieurs étapes.

Sources