Plan à 200 $ par mois. Limite atteinte en vingt minutes. Depuis quelques semaines, les plaintes se multiplient : les sessions Claude Code se vident à une vitesse folle. Anthropic a mis en place des heures pleines et creuses, mais ça n'a pas tout réglé.
Dans la vidéo, on a compilé 18 réglages de gestion des tokens, en trois niveaux, du plus simple au plus avancé. Voici le résumé écrit, avec la logique derrière chacun.
Un modèle de langage n'a pas de mémoire entre deux messages. À chaque fois que tu envoies un message, tout l'historique de la conversation est renvoyé : tes messages, ses réponses, les fichiers lus, les sorties de commandes. Plus la session est longue, plus chaque nouveau message coûte cher, et le coût total grimpe très vite.
La vidéo cite un chiffre frappant : dans une longue session, 98,5 % des tokens servent simplement à relire l'historique.
À ça s'ajoute un coût invisible : ton CLAUDE.md, les définitions des outils de tes serveurs MCP, tes skills. Tout est chargé dans le contexte avant même ta première question.
Et il y a un effet pervers, connu sous le nom de « Lost in the Middle » : les modèles exploitent moins bien les informations noyées au milieu d'un très long contexte. Tu paies plus, et tu reçois moins.
1. Démarre des nouvelles sessions. Nouvelle tâche, nouvelle session : /clear repart d'un contexte vide.
2. Déconnecte les MCP inutiles. Chaque serveur MCP ajoute ses définitions d'outils à chaque message. Dans la vidéo, la facture monte à environ 18 000 tokens par message pour des serveurs qui ne servent pas. Garde seulement ceux dont tu as besoin pour le projet.
3. Regroupe tes demandes. Trois petites questions en trois messages, c'est trois relectures de l'historique. Une seule demande complète, c'est une seule.
4. Utilise le Plan Mode. Planifier avant de coder évite les allers-retours coûteux. La vidéo y associe une « règle des 95 % », détaillée à l'écran.
5. Regarde ce qui consomme. /context montre ce qui occupe le contexte (outils, mémoire, messages), /cost ce que la session a coûté.
6. Configure ta status line. Avoir le remplissage du contexte sous les yeux en permanence change les réflexes.
7. Consulte ton tableau de bord. Sur claude.ai, dans Réglages > Utilisation, tu vois où tu en es de tes limites.
8. Sois malin avec ce que tu colles. Un fichier de log entier, c'est des milliers de tokens. Colle l'extrait utile.
9. Surveille Claude pendant qu'il travaille. S'il tourne en rond sur la même erreur, arrête-le. Une boucle de dix tentatives, c'est dix relectures d'un historique qui grossit.
10. Un CLAUDE.md très léger. Il est chargé à chaque session. La vidéo recommande de rester sous les 200 lignes, et de s'en servir comme d'un index qui pointe vers d'autres documents, plutôt que d'y mettre toute la documentation.
11. Des références chirurgicales. Plutôt que « regarde le dossier src », indique le fichier précis, voire la fonction. Claude lit moins, et mieux.
12. Compacte tôt. N'attends pas que le contexte soit plein à 95 % : la vidéo conseille de compacter autour de 60 %, quand il reste de la place pour un bon résumé.
13. Attention à l'expiration du cache. Le cache de prompt, qui rend la relecture de l'historique beaucoup moins chère, expire après 5 minutes d'inactivité. Avant une pause, lance /compact : au retour, tu repartiras d'un contexte réduit plutôt que de payer tout l'historique au prix fort.
14. Filtre les sorties de commandes. Une suite de tests verbeuse ou une installation de dépendances peut produire des milliers de lignes. La vidéo présente l'outil RTK pour ce problème. L'idée générale : ne laisser arriver dans le contexte que la partie utile des sorties.
Au passage, une parenthèse rassurante de la vidéo : atteindre ses limites, c'est aussi le signe qu'on utilise Claude Code intensivement.
15. Le bon modèle pour la bonne tâche. Opus pour la conception et les problèmes difficiles, Sonnet pour le quotidien, Haiku pour les tâches simples et répétitives. Tout faire avec le plus gros modèle, c'est payer le prix fort pour renommer une variable.
16. Les sous-agents coûtent cher. Chaque sous-agent démarre avec son propre contexte, qu'il faut remplir. La vidéo estime leur coût à 7 à 10 fois celui d'une tâche faite dans la session principale. Ils valent le coup pour paralléliser un vrai travail, pas pour une petite recherche.
17. Joue avec les heures pleines. La vidéo situe les heures pleines entre 14 h et 20 h, heure française. Planifie les gros travaux en dehors, et profite de la fin d'une fenêtre de limite pour lancer des agents en parallèle avant la réinitialisation.
18. Fais du CLAUDE.md la source de vérité. Consigne-y les décisions, pas les conversations. Une décision notée une fois évite de la réexpliquer à chaque session.
Si tu ne dois faire que quelques actions aujourd'hui :
- une tâche = une session, avec
/clear ;
- désactiver les serveurs MCP qui ne servent pas au projet ;
- lancer
/context pour voir ce qui occupe la place ;
- alléger ton
CLAUDE.md et le transformer en index ;
- compacter vers 60 %, et avant chaque pause ;
- choisir le modèle selon la tâche ;
- réserver les sous-agents aux vrais travaux parallèles.
La gestion des tokens, c'est de l'hygiène de contexte. Chaque message renvoie tout ce qui précède : moins le contexte contient de choses inutiles, plus tes sessions durent, et meilleures sont les réponses. Les 18 réglages, avec les démonstrations dans le terminal, sont détaillés dans la vidéo.
