Un modèle de raisonnement pense en tokens avant de répondre en tokens
Posez une question difficile à un modèle standard et il commence à écrire la réponse immédiatement. Sa seule "réflexion" est ce qui se passe à l'intérieur du réseau entre la lecture de votre message et la production du premier mot.
Un modèle de raisonnement est entraîné à faire autrement : écrire d'abord une chaîne de travail, souvent des milliers de tokens, et seulement ensuite écrire la réponse. Ce travail est du texte que le modèle génère pour lui-même. Il essaie une approche, remarque une contradiction, revient en arrière, vérifie un calcul, et finit par se décider. La plupart des produits masquent cette chaîne ou en montrent un résumé, et appellent l'ensemble "réflexion".
La réflexion est la même prédiction du mot suivant que décrit qu'est-ce qu'un LLM, appliquée plus longtemps au problème. Un modèle de raisonnement est un modèle de langage entraîné, par apprentissage par renforcement sur des problèmes à réponse vérifiable, à dépenser plus de tokens avant de se décider. C'est pourquoi il aide surtout sur les problèmes dont le raisonnement peut être vérifié, et le moins sur les problèmes où il n'y a rien à travailler.
D'où vient l'idée, en trois dates
En janvier 2022, Jason Wei et ses collègues de Google ont montré qu'insérer quelques exemples résolus étape par étape dans le message augmentait les scores d'un modèle sur les problèmes de mathématiques et de logique. Ils ont appelé cela le chain-of-thought prompting, et cela fonctionnait car écrire les étapes donnait au modèle plus de tokens, et donc plus de calcul, par problème.
En septembre 2024, OpenAI a publié o1, le premier modèle largement disponible entraîné à faire cela par défaut plutôt que sur demande. L'apprentissage par renforcement derrière lui récompensait les chaînes menant à des réponses correctes en mathématiques et en code, si bien que le modèle a appris à produire de longues réflexions autocorrectrices de lui-même.
En janvier 2025, DeepSeek a publié R1 avec des poids ouverts et un article décrivant la recette d'entraînement, ce qui a permis à chaque laboratoire de reproduire l'approche. En un an, le raisonnement est devenu un mode plutôt qu'un modèle : un interrupteur dans GPT, Claude et Gemini, et une famille de modèles dédiés comme Kimi K2 Thinking dans le catalogue plus large.
Quand réfléchir en vaut la peine, et quand c'est du coût pur
Le schéma est le même sur chaque référentiel et chaque tâche réelle : le raisonnement aide en proportion du nombre d'étapes du problème et du caractère vérifiable de la réponse.
| Tâche | Mode réflexion | Pourquoi |
|---|---|---|
| Mathématiques à plusieurs étapes, problèmes énoncés, conversions d'unités | Ça vaut le coup | Les étapes peuvent être vérifiées ; les erreurs s'accumulent sans le détail du travail |
| Débogage, suivi d'une erreur dans le code | Ça vaut le coup | Le modèle teste des hypothèses face au code avant de se décider |
| Planifier un emploi du temps, une migration, un budget avec des contraintes | Ça vaut le coup | Les contraintes interagissent ; un premier jet en viole généralement une |
| Énigmes logiques, preuves, règles avec exceptions | Ça vaut le coup | Tout l'intérêt est dans la chaîne |
| Recherche factuelle ("en quelle année X s'est produit") | Gaspillé | Aucune étape ; le modèle sait ou ne sait pas |
| Réécriture, traduction, résumé, changement de ton | Gaspillé | Un seul passage suffit ; réfléchir ajoute du délai sans qualité en plus |
| Conversation informelle, remue-méninges d'une liste | Gaspillé | Rien à vérifier ; plus de tokens pour la même réponse |
Deux limites honnêtes. Réfléchir ne corrige pas les hallucinations sur les faits : un modèle qui ne connaît pas la capitale d'un pays raisonnera vers une mauvaise réponse avec plus d'assurance. Et de longues chaînes peuvent mal tourner d'une façon qu'une réponse courte ne peut pas : le modèle se convainc de renoncer à une première intuition correcte. Sur des questions faciles, une longue chaîne finit parfois plus mal que la première réponse du modèle simple.
Ce que coûte la réflexion : les tokens, les secondes et les crédits
La chaîne de réflexion est faite de tokens de sortie, le type coûteux, et que sont les tokens en IA montre que la sortie coûte cinq à six fois plus que l'entrée sur chaque modèle majeur. Un tour de raisonnement qui écrit 3 000 tokens de travail avant une réponse de 300 tokens a généré dix fois la sortie de la réponse simple. Il prend aussi environ dix fois plus de temps, car la sortie est produite un token à la fois.
Les classements chiffrent désormais directement ce curseur. Artificial Analysis note chaque modèle à chaque niveau d'effort exposé par son fournisseur, ce qui rend la taxe mesurable : le même modèle, à son niveau de raisonnement le plus bas et le plus élevé, avec son score Intelligence Index affiché au-dessus de chaque extrémité. Les trois échelles ci-dessous ont été relevées le 2026-09-17.
Tracez chaque niveau et les courbes se croisent de façon instructive. GPT-6 Astra atteint 53 à $2.31 par million de tokens ; Claude Fable 5.1 atteint le même 53 à $5.98. Claude Opus 5 à effort maximal se pose sur 51, deux points en dessous des deux autres, à $5.86. L'effort rapporte des points sur chaque courbe, et la courbe sur laquelle vous êtes détermine ce que ces points coûtent.
Le routeur Auto de Whizi transforme cela en un prix fixe et visible. Auto lit chaque message et l'envoie vers l'un des six paliers ; le palier fixe le coût en crédits, et le raisonnement à plusieurs étapes se trouve au sommet sur Powerhouse. Pro plafonne au palier code à 10 crédits, et Starter reste sur le modèle maison à 1.
Un tour de raisonnement coûte 20 crédits contre 1 pour une question rapide : un écart de 20 contre 1 qui reflète le coût en tokens sous-jacent. Auto refuse aussi de le gaspiller. Un nouveau message qu'il classe comme une réécriture ou une recherche va vers le palier à 1 ou 2 crédits, et une relance dans un fil qui a déjà gagné le palier de raisonnement y reste, car le modèle du tour précédent sert de plancher. Comment Auto choisit un modèle détaille le tableau des paliers avec le modèle derrière chaque ligne.
Comment utiliser le mode réflexion sans le payer partout
Traitez la réflexion comme un outil que l'on sort au besoin, pas comme un réglage que l'on laisse activé.
- Par défaut, gardez le modèle rapide. La plupart des messages sont des recherches, des réécritures et des questions courtes. Réfléchir ajoute des secondes et des crédits sans rien changer.
- Activez-le pour le tour difficile. Quand la question a plusieurs étapes et une réponse vérifiable, basculez ce message vers un modèle de raisonnement ou activez la réflexion, puis revenez en arrière.
- Donnez-lui les contraintes dans le message. Un modèle de raisonnement est à son meilleur quand il a des règles pour vérifier son plan. "Doit tenir en 40 heures, pas de réunions le vendredi, le lancement est le 12" est le genre de message qui justifie l'attente.
- Lisez le raisonnement quand il est affiché. La chaîne est l'endroit où le modèle révèle une hypothèse fausse. Si la première étape est fausse, la réponse est fausse, quelle qu'ait été la durée de réflexion.
- Ne l'utilisez pas pour vérifier des faits. Utilisez une recherche, un document, ou un second modèle pour cela ; qu'est-ce qu'une hallucination de l'IA explique pourquoi plus de réflexion n'aide pas là-dessus.
La règle de décision en une phrase : si vous voudriez voir le raisonnement de quelqu'un avant de faire confiance à sa réponse, utilisez un modèle de raisonnement. Sinon, ne le payez pas.
- Gardez le modèle rapide par défaut et sortez le mode réflexion pour le tour difficile précis
- Utilisez le raisonnement pour les mathématiques, la logique, la planification avec contraintes et le débogage
- Évitez-le pour les recherches, les réécritures, la traduction et les résumés : il est plus lent sans être meilleur
- Mettez les contraintes dans le message pour que le modèle ait quelque chose contre quoi vérifier son plan
- Vérifiez les faits avec une recherche ou un second modèle, pas avec une chaîne de raisonnement plus longue
Questions fréquentes
Que fait réellement un modèle de raisonnement différemment ?
Il écrit une chaîne d'étapes intermédiaires avant la réponse finale, en essayant des approches, en vérifiant des calculs et en revenant en arrière, le tout sous forme de texte généré. Un modèle standard commence à écrire la réponse immédiatement. Le raisonnement est la même prédiction du mot suivant, appliquée plus longtemps au problème, ce qui explique pourquoi il aide sur les tâches à plusieurs étapes et pas sur les recherches.
Le mode réflexion est-il toujours meilleur ?
Non. Sur les recherches factuelles, les réécritures, la traduction et les questions informelles, il est plus lent, coûte plus de tokens et n'améliore pas la réponse. Sur des questions faciles, une longue chaîne peut convaincre le modèle d'abandonner une première intuition correcte. Il est meilleur sur les mathématiques, la logique, la planification sous contraintes et le débogage, où la réponse comporte des étapes vérifiables.
Pourquoi le mode réflexion est-il plus lent et plus coûteux ?
Parce que la réflexion est faite de tokens de sortie, produits un par un, et la sortie coûte cinq à six fois plus que l'entrée sur chaque modèle majeur. Un tour qui écrit 3 000 tokens de travail avant une réponse de 300 tokens génère dix fois la sortie de la réponse simple et prend environ dix fois plus de temps.
Quels modèles sont des modèles de raisonnement ?
o1 d'OpenAI en septembre 2024 a été le premier largement disponible, et DeepSeek R1 en janvier 2025 a publié la recette avec des poids ouverts. Depuis, le raisonnement est généralement un mode à l'intérieur de GPT, Claude et Gemini plutôt qu'un produit séparé, aux côtés de modèles dédiés comme Kimi K2 Thinking. Whizi envoie automatiquement les questions à plusieurs étapes vers son palier de raisonnement.
Un modèle de raisonnement hallucine-t-il moins ?
Sur les problèmes à plusieurs étapes, oui, car il rattrape ses propres erreurs d'arithmétique et de logique dans la chaîne. Sur les faits, non : un modèle qui ne sait pas quelque chose raisonnera vers une mauvaise réponse avec plus d'assurance. Pour les faits, ancrer avec une recherche ou un document et l'avis d'un second modèle fonctionne ; une chaîne de raisonnement plus longue ne le fait pas.
