Cet estimateur de tokens et de context window gratuit vous dit en quelques secondes combien de tokens un texte compte à peu près et s'il tient dans chaque grand context window de modèle. Collez un prompt, un document ou une transcription entière, et il affiche une estimation de tokens plus une jauge de remplissage et un clair Tient ou Ne tient pas pour Claude, GPT et Gemini, plus un prix d'Input approximatif. Il utilise une heuristique rapide de caractères par token, c'est donc une estimation et non un tokenizer exact, ce qui est parfait pour jauger vite le contexte avant de construire. Tout tourne dans votre navigateur : aucune inscription, aucun téléversement, rien ne quitte votre appareil.
L'outil
À propos de cet outil
Qu'est-ce qu'un token ?
Un token est l'unité qu'un modèle de langage lit et écrit réellement. Ce n'est ni un mot ni un caractère, mais quelque chose entre les deux : un mot court fréquent est souvent un seul token, tandis qu'un mot long ou rare est découpé en plusieurs. Comme règle grossière pour l'anglais, un token vaut environ quatre caractères, et 1 000 tokens font à peu près 750 mots. Les modèles facturent par token et mesurent leurs limites en tokens, c'est pourquoi il est juste d'estimer des tokens et non des mots pour mesurer un prompt ou un document.
Qu'est-ce qu'un context window ?
Le context window est le nombre maximum de tokens qu'un modèle peut garder en vue d'un coup, comptant à la fois votre Input et l'Output généré. Si votre texte dépasse la fenêtre, le modèle ne peut pas tout voir, et vous devez raccourcir, découper ou résumer. En 2026, les fenêtres sont grandes : Claude Opus et Sonnet offrent environ un million de tokens, les modèles Gemini atteignent aussi un million, d'autres se situent entre deux et quatre cent mille. Les jauges de remplissage ci-dessus montrent combien de chaque fenêtre votre texte utiliserait, pour que vous voyiez d'un coup ce qui tient.
Pourquoi c'est une estimation et non un compte exact
Un vrai compte de tokens dépend du tokenizer spécifique qu'utilise chaque famille de modèles, et ceux-ci diffèrent entre Claude, GPT et Gemini et même entre versions. Embarquer chaque tokenizer dans un outil de navigateur serait lourd et ne viserait quand même qu'un modèle à la fois. À la place, cet outil utilise l'heuristique répandue de quatre caractères par token, assez proche pour planifier sur de la prose anglaise typique, mais qui peut se tromper sur du code, d'autres langues ou du texte plein de symboles et de chiffres. Traitez le nombre comme un repère fiable et vérifiez avec le tokenizer du fournisseur quand un chiffre exact compte.
Utiliser l'estimation pour planifier coûts et contexte
Dès que vous savez combien de tokens votre texte compte à peu près, deux décisions deviennent plus faciles. D'abord, s'il tient : si un document est proche ou au-dessus d'une fenêtre de modèle, prévoyez de le découper, de ne récupérer que les parties pertinentes ou de choisir un modèle à plus grande fenêtre. Ensuite, ce qu'il coûte : le prix d'Input approximatif à côté de chaque modèle est un point de départ, et le calculateur de coûts LLM complet vous laisse ajouter tokens d'Output, volume mensuel, caching et remises batch pour une estimation complète. Pour le pourquoi plus profond, voyez nos entrées de glossaire sur les tokens et le context window et notre guide sur le Context Engineering.