# Comment limiter la longueur des réponses d'un LLM ?

> Comment les développeurs peuvent plafonner la sortie d'un LLM : max tokens, format et longueur demandés, séquences d'arrêt, sortie structurée et réponses tronquées.

Source: https://greenai.guide/fr/comment/comment-limiter-la-longueur-des-reponses-d-un-llm/  
Updated: 2026-11-19

## En bref

Fixez une longueur de sortie maximale dans l'appel d'API, indiquez au modèle dans le prompt le format et la longueur souhaités, et utilisez des séquences d'arrêt ou une sortie structurée pour qu'il s'arrête une fois le travail terminé. L'énergie augmente avec le nombre de tokens qu'un modèle génère : plafonner la sortie est donc l'une des économies les plus simples dans n'importe quelle application.

## Steps

1. Déterminez la réponse utile la plus longue pour chaque fonction et réglez en conséquence le nombre maximal de tokens de sortie de l'API.
2. Indiquez le format et la longueur dans le prompt, par exemple « trois puces ».
3. Utilisez une sortie structurée, comme un schéma JSON, quand votre code n'a besoin que de champs.
4. Ajoutez des séquences d'arrêt lorsque la réponse a un marqueur de fin naturel.
5. Détectez les réponses tronquées par la limite et traitez-les au lieu de relancer discrètement.

**Dites au modèle, et à l'API, quelle longueur vous voulez.** Les modèles génèrent un [token](/fr/glossaire/#token) à la
fois, et chacun coûte du calcul.

## Pourquoi est-ce important ? {#why-does-it-matter}

Delavande, Pierrard et Luccioni ont constaté que l'énergie augmente linéairement avec la longueur de la génération,
et que les modèles plus grands consomment non seulement plus d'énergie par token, mais ont aussi tendance à écrire des
réponses plus longues. L'UNESCO et l'University College London ont constaté que des prompts et des réponses plus
courts pouvaient réduire la consommation d'énergie de plus de moitié.

## Quels réglages utiliser ? {#which-controls-should-i-use}

- **Le nombre maximal de tokens de sortie.** Toutes les grandes API ont un paramètre pour cela. Réglez-le par
  fonction, et non avec une valeur globale généreuse.
- **Les instructions.** « Réponds en une phrase » ou « renvoie uniquement le nom de la catégorie » fonctionnent mieux
  qu'une limite stricte seule, car le modèle prévoit une réponse courte au lieu d'être interrompu.
- **La sortie structurée.** Si votre code analyse des champs, demandez du JSON conforme à un schéma et passez-vous de
  la prose.
- **Les séquences d'arrêt.** Arrêtez la génération à un marqueur, comme une balise fermante.
- **L'effort de raisonnement.** Lorsqu'un modèle propose un réglage de réflexion ou de raisonnement, utilisez le
  niveau le plus bas qui réussit vos tests : consultez
  [quand utiliser les modes de raisonnement](/fr/comment/quand-faut-il-utiliser-le-mode-reflexion-ou-de-raisonnement-d-une-ia/).

## Erreurs fréquentes {#common-mistakes}

- **Des limites si serrées que les réponses sont tronquées**, suivies d'une relance automatique avec une limite plus
  élevée. Cela coûte plus cher que de bien régler la longueur.
- **Demander des explications que personne ne lit**, comme « explique ton raisonnement » dans une chaîne de
  classification.
- **Ne pas enregistrer les tokens de sortie par fonction**, si bien que les fonctions les plus bavardes restent
  invisibles.

Pour les habitudes côté utilisateurs, lisez [utiliser l'IA efficacement](/fr/bonnes-pratiques/utiliser-l-ia-efficacement-les-bons-reflexes-au-quotidien/).

## Sources

- [Small talk, big impact: the energy cost of thanking AI](https://arxiv.org/abs/2601.22357), Delavande, Pierrard and Luccioni (arXiv 2601.22357) (2026)
- [Smarter, smaller, stronger: resource-efficient generative AI and the future of digital transformation](https://www.unesco.org/en/articles/ai-large-language-models-new-report-shows-small-changes-can-reduce-energy-use-90), UNESCO and University College London (2025)
- [What are tokens and how to count them?](https://help.openai.com/en/articles/4936856-what-are-tokens-and-how-to-count-them), OpenAI Help Center (2025)
