Un token, c'est l'unité que les fournisseurs d'IA facturent à chaque échange, un mot, une syllabe ou un signe de ponctuation. Depuis début 2026, deux mouvements totalement opposés se sont formés autour de cette unité banale : le "token maxxing", qui pousse à en consommer le plus possible pour paraître productif, et la "prompt compression", qui fait exactement l'inverse en réduisant chaque échange à l'essentiel. Deux exemples concrets suffisent à saisir l'écart entre les deux logiques, avant même d'entrer dans le détail de leurs origines respectives. ## Token maxxing et prompt compression : deux logiques opposées, deux exemples concrets Le terme "token maxxing" est apparu début 2026, emprunté au jargon Gen Z du "-maxxing" (looksmaxxing, sleepmaxxing), appliqué cette fois à la consommation de jetons IA en entreprise. Le principe est simple, et assez absurde vu de l'extérieur : plus un salarié dépense de tokens sur des outils comme Claude Code ou Codex, plus il est perçu comme productif et engagé dans la transition IA. Meta a poussé la logique jusqu'à créer un classement interne surnommé "Claudeonomics", avec des titres comme "Session Immortal" ou "Token Legend" pour ses plus gros consommateurs, avant de le démanteler face au tollé médiatique une fois l'affaire relayée dans la presse. La dérive du mécanisme se voit très concrètement dans un exemple rapporté par plusieurs médias américains : certains salariés ont laissé tourner des agents IA seuls pendant des heures sur des tâches sans réel enjeu, uniquement pour faire grimper leur compteur de tokens et progresser dans le classement, produisant énormément de volume et quasiment aucun résultat exploitable. Jensen Huang, patron de Nvidia, a même affirmé sur le podcast All-In qu'il serait "profondément alarmé" si un ingénieur payé 500 000 dollars par an ne consommait pas au moins 250 000 dollars de tokens par an, ce qui donne la mesure de l'ampleur qu'a pris cette culture du volume dans la Silicon Valley avant qu'Amazon et Uber ne fassent marche arrière face à l'explosion de leurs factures. La "prompt compression" est née en réaction directe à cette dérive, sur Reddit puis sur GitHub, sous la forme la plus virale connue sous le nom de "caveman prompting" : un post intitulé "j'ai appris à Claude à parler comme un homme des cavernes pour utiliser 75 % de tokens en moins" a dépassé les 10 000 votes positifs en quelques jours. Le principe consiste à demander explicitement à un modèle de compresser son raisonnement et sa réponse à l'essentiel, en supprimant toute politesse, toute reformulation de la question, tout enrobage. La différence s'observe très concrètement sur un raisonnement de modèle avant qu'il ne réponde. Une requête simple, "change la couleur de ce bouton en rouge", donne dans un raisonnement classique quelque chose comme : "Je vais réfléchir à la meilleure façon de répondre à cette demande. L'utilisateur souhaite modifier l'apparence visuelle d'un bouton sur son interface, je vais donc l'aider en identifiant d'abord le composant concerné dans le code, puis en déterminant la propriété CSS appropriée avant de proposer une modification cohérente avec le reste du design." En prompt compression, le même raisonnement tient en une phrase : "Utilisateur veut bouton rouge. Cible : classe .btn. Modifier background-color." Le résultat final est identique, mais le nombre de tokens générés pour y parvenir change du tout au tout. ## Une histoire qui se répète : de la technique de prompt à la fonctionnalité native Ce basculement d'un bricolage de prompt vers une fonctionnalité intégrée n'a rien d'inédit, et c'est précisément ce qui rend le sujet intéressant au-delà de l'anecdote. La technique fondatrice de tout ce courant, le "chain-of-thought" ou raisonnement en chaîne, a été formalisée en 2022 dans un papier de recherche de Google (Wei et al.), qui montrait qu'ajouter des exemples de raisonnement étape par étape dans un prompt améliorait nettement les résultats sur des problèmes mathématiques. Quelques mois plus tard, un second papier (Kojima et al., 2022) a montré qu'une simple phrase, "réfléchis étape par étape", suffisait à obtenir un effet similaire sans même fournir d'exemple. Cette astuce de prompt, née dans la communauté académique et reprise ensuite par les utilisateurs de ChatGPT, a fini par devenir un réglage natif chez tous les grands fournisseurs : OpenAI l'a intégrée sous la forme d'un paramètre "reasoning effort" allant de "none" à "xhigh", Anthropic propose un "extended thinking" avec un curseur d'effort équivalent sur ses modèles Claude, Google expose un "thinking budget" configurable dans l'API Gemini, et DeepSeek a carrément rendu ce raisonnement actif par défaut sur son modèle R1. | Technique née dans le prompt | Origine | Version native intégrée | Fournisseur | |---|---|---|---| | Chain-of-thought ("réfléchis étape par étape") | Wei et al. / Kojima et al., 2022 | Paramètre reasoning effort (none à xhigh) | OpenAI | | Chain-of-thought | idem | Extended thinking, curseur d'effort | Anthropic | | Chain-of-thought | idem | Thinking budget configurable | Google | | Chain-of-thought | idem | Raisonnement actif par défaut | DeepSeek (R1) | | Prompt compression ("caveman") | Communauté Reddit / GitHub, 2026 | Raisonnement plus dense par token | En cours d'adoption | La prompt compression semble suivre exactement la même trajectoire, avec une nuance importante à ne pas confondre avec une simple promotion de tel ou tel modèle : plusieurs modèles récents affichent des gains d'efficacité qui rappellent directement cette logique de compression, appliquée cette fois à l'architecture même du modèle plutôt qu'au prompt. Le dernier modèle phare d'OpenAI en est un exemple parmi d'autres, avec des résultats égaux ou supérieurs à son prédécesseur pour un volume de tokens de sortie sensiblement réduit ; pour qui voudrait approfondir ce lancement précis, TraveLearn lui a consacré un [article dédié à la famille Sol, Terra et Luna](https://www.travelearn.fr/blog/openai-sol-terra-luna-gpt56). L'essentiel à retenir dépasse largement ce seul exemple : une consommation de tokens plus efficace par unité de réflexion permet mécaniquement de réinvestir la marge dégagée dans davantage de profondeur de raisonnement sur les problèmes qui le méritent, plutôt que dans du volume qui ne sert à rien, ce qui est l'exact inverse de la philosophie du token maxxing. ## Ce que ça change pour vos prompts au quotidien Cette alternance entre sobriété et profondeur n'est pas qu'une affaire de laboratoires de recherche, elle concerne directement quiconque utilise l'IA générative dans son travail au quotidien. Un prompt qui demande un résumé factuel ou une extraction de données n'a aucune raison de mobiliser un effort de raisonnement élevé, tout comme il n'a aucune raison d'accepter une réponse verbeuse truffée de formules de politesse inutiles : c'est typiquement le terrain de la prompt compression. À l'inverse, un problème de code complexe ou une analyse stratégique en plusieurs étapes justifie pleinement de laisser le modèle réfléchir longuement, quitte à payer davantage de tokens de raisonnement pour un résultat plus fiable. La vraie compétence n'est donc ni de maximiser ni de minimiser systématiquement sa consommation de tokens, mais de savoir doser cet effort selon la difficulté réelle de chaque tâche. > Caveman ne rend pas le cerveau plus petit, caveman rend juste la bouche plus petite. > — Julius Brussee, créateur du skill caveman Savoir identifier quel type de tâche mérite un raisonnement approfondi, quel autre peut rester frugal, et comment formuler ses prompts en conséquence grâce à la prompt compression, relève d'une compétence de prompt engineering à part entière, plus subtile qu'il n'y paraît une fois qu'on sort des cas d'usage évidents. La formation [Augmenter sa productivité et créativité à l'aide de l'intelligence artificielle](https://www.travelearn.fr/formation/augmenter-sa-productivit-et-crativit-laide-de-lintelligence-artificielle) de TraveLearn structure justement ces méthodes de prompt engineering, pour transformer des réflexes encore expérimentaux comme la prompt compression en pratique professionnelle maîtrisée et reproductible.