Glossaire FintechIA & LLM

Fenêtre de Contexte

Une fenêtre de contexte est le nombre maximum de tokens qu'un modèle d'IA peut traiter en une seule interaction. Elle détermine la quantité d'informations que le modèle peut considérer à la fois pour générer une réponse. Des fenêtres plus grandes permettent d'analyser des documents plus longs sans découpage.

Dans les services financiers

La taille de la fenêtre de contexte est une spécification critique pour les applications d'IA financière. Les modèles avec de grandes fenêtres (200K tokens pour Claude, 1M pour Gemini) peuvent traiter des documents financiers entiers en une seule passe, particulièrement utile pour analyser des prospectus d'introduction en Bourse et des rapports de due diligence.

Exemple concret

Une équipe de due diligence utilise Claude (fenêtre de 200K tokens) pour analyser des cibles d'acquisition. Ils téléchargent une salle de données complète — états financiers, portefeuilles de PI, contrats de travail — totalisant 150K tokens. Le LLM analyse l'ensemble en une seule passe, identifiant les incohérences entre documents.

Pourquoi c'est important en Finance

La taille de la fenêtre de contexte affecte directement la précision de l'IA pour l'analyse de documents financiers. Les fenêtres plus grandes réduisent le besoin de stratégies de découpage complexes. Les institutions financières doivent choisir leurs modèles selon la taille typique de leurs documents.

Termes associés

Grand Modèle de Langage (LLM)Tokens (IA)Génération Augmentée par Récupération (RAG)Chunking (RAG)

Explorer dans Finatune

Claude (200K tokens)Gemini (1M tokens)

Questions fréquentes

Qu'est-ce qu'une fenêtre de contexte dans l'IA financière ?

Une fenêtre de contexte est la quantité maximale de texte qu'un modèle d'IA peut traiter à la fois. Pour l'analyse de documents financiers, les grandes fenêtres permettent d'analyser des documents entiers sans découpage.

Quelle taille de fenêtre de contexte pour les documents financiers ?

Pour la plupart des documents : transcriptions de résultats (10-30K tokens), dépôts 10-K (100-150K tokens), rapports de recherche (5-15K tokens). La fenêtre de 200K de Claude suffit pour la plupart des documents individuels.

Que se passe-t-il quand un document dépasse la fenêtre de contexte ?

Le modèle ne peut pas le traiter en une seule passe. La solution est d'utiliser la RAG — découper le document, plonger les segments, et ne fournir que les sections pertinentes au modèle.

Terme précédent: Évaluation RAG
Terme suivant: Fine-Tuning (IA)
Voir tous les termes Fintech