Qu'est-ce qu'un LLM "de raisonnement" ?

Un LLM classique répond du premier coup : il produit sa réponse token après token, dans l’ordre, sans revenir en arrière. Depuis 2024, une sous-famille de LLM procède différemment. Popularisée par o1 d’OpenAI, prolongée par o3 puis par DeepSeek-R1 de l’entreprise chinoise DeepSeek, elle intercale une étape de calcul intermédiaire avant de livrer sa réponse finale. On l’appelle un LLM “de raisonnement”. Le nom est trompeur s’il laisse penser à une forme de réflexion humaine : c’est d’abord un choix d’ingénierie, avec un coût mesurable, pas une nouvelle faculté cognitive.

Ce qu’un LLM standard fait, et ce que la sous-famille “raisonnement” ajoute

Ce que les données établissent. Un LLM standard (GPT-4o, par exemple) génère sa réponse directement : chaque mot est produit à partir de tous les précédents, dans un seul passage. C’est rapide, peu coûteux, et suffisant pour la grande majorité des usages courants — rédaction, résumé, conversation, code simple. Un LLM de raisonnement ajoute une étape avant cette génération : il produit d’abord une longue chaîne de raisonnement intermédiaire, souvent masquée à l’utilisateur dans l’interface, qui explore plusieurs pistes, revient sur des impasses, corrige des étapes intermédiaires. La réponse finale n’apparaît qu’une fois ce travail préparatoire terminé. DeepSeek-R1 documente ce mécanisme explicitement : le modèle est entraîné par apprentissage par renforcement à produire ce raisonnement étendu avant sa réponse, plutôt qu’à répondre directement.

Mon interprétation. Le mot “raisonnement” décrit bien le comportement observable (le modèle explore, revient en arrière, corrige) mais ne dit rien sur ce qui se passe réellement à l’intérieur du modèle. C’est une description fonctionnelle d’un calcul, pas la preuve d’un mécanisme cognitif comparable à un raisonnement humain. Le nom retenu par l’industrie s’est imposé pour sa force commerciale autant que pour sa précision technique.

Un calcul mobilisé au moment de répondre, pas pendant l’entraînement

Ce que les données établissent. Ce calcul de raisonnement supplémentaire porte un nom précis : le test-time compute, ou calcul au moment du test. Il se distingue du calcul d’entraînement, qui façonne les paramètres du modèle une fois pour toutes avant sa mise en service. Le test-time compute, lui, est dépensé à chaque nouvelle requête, à chaque fois qu’un utilisateur pose une question. C’est un déplacement de curseur : plutôt que d’investir uniquement dans un entraînement plus long ou plus coûteux, on investit dans un calcul répété à chaque usage. Ce principe mérite un développement à part entière, que nous détaillons dans la fiche dédiée : voir Test-time compute : pourquoi certains modèles “réfléchissent”.

Ce que ça coûte, chiffré

Ce que les données établissent. Ce calcul supplémentaire n’est pas gratuit. La mesure la plus récente et la mieux revue par les pairs sur le sujet (Oviedo et al., Microsoft Research, publiée dans la revue Joule en 2026, arXiv:2509.20241) situe une requête standard à 0,31 Wh en médiane, contre 3,91 Wh pour une requête mobilisant un calcul de raisonnement étendu au moment de répondre : un facteur d’environ 13 pour un même type de question, à l’intérieur même de la famille des LLM, avant toute comparaison avec un autre paradigme d’IA. Cet écart tient précisément à la chaîne de raisonnement intermédiaire : chaque étape explorée avant la réponse finale mobilise du calcul, et donc de l’énergie, que le LLM standard ne dépense pas. Le détail de cette mesure, ses limites et ses implications pour un usage à grande échelle sont traités dans la fiche dédiée : voir Le coût énergétique d’une requête LLM.

Pour quelle tâche, concrètement

Mon interprétation, à partir des éléments disponibles. Ce surcoût n’a de sens que rapporté à la tâche. Les LLM de raisonnement ciblent les tâches à contrainte stricte : une démonstration mathématique, un problème de code avec une seule solution correcte, un débogage qui exige de tester plusieurs hypothèses avant de trouver la bonne. Sur ce type de tâche, l’exploration de plusieurs pistes avant de répondre a une utilité réelle et mesurable : elle réduit le taux d’erreur là où une réponse directe échouerait plus souvent. Pour la conversation générale, la rédaction, le résumé ou l’assistance courante, un LLM standard suffit et coûte nettement moins cher, sans perte de qualité perceptible pour l’utilisateur. Router systématiquement toute requête vers un modèle de raisonnement, par réflexe ou par défaut, revient à payer un facteur 70 en énergie pour un gain de fiabilité que la tâche ne réclame pas.

Mes réserves

• La frontière entre “LLM standard” et “LLM de raisonnement” évolue vite. Des fonctionnalités intermédiaires apparaissent déjà (modes de raisonnement activables à la demande, durée de réflexion réglable), ce qui rend la distinction binaire présentée ici de plus en plus approximative à mesure que les gammes de produits se diversifient.
• Les noms de produits cités ici (o1, o3, DeepSeek-R1) datent de la rédaction de cet article et changeront. Ce qui compte pour comprendre le principe n’est pas le nom du modèle en cours à une date donnée, mais le mécanisme sous-jacent : un calcul étendu mobilisé au moment de répondre, pas pendant l’entraînement. Un lecteur qui retrouve cet article après la sortie de nouveaux modèles devrait pouvoir transposer directement.
• Les chiffres énergétiques cités (0,31 Wh contre 3,91 Wh) proviennent de la mesure la plus récente disponible à la rédaction. Ils mesurent une consommation par requête à un moment donné, pas une constante physique : une étude antérieure de mai 2025 mesurait un facteur supérieur à 70 plutôt que 13, un écart que les auteurs de la mesure la plus récente attribuent à une surestimation passée d’un facteur 4 à 20 — le détail est traité dans la fiche dédiée sur le coût énergétique.

→ Simulateur interactif : calculez votre propre consommation annuelle selon le modèle utilisé et votre nombre de requêtes.

Retour au dossier « Comprendre les modèles post-LLM ». Voir aussi les fiches sœurs : Test-time compute : pourquoi certains modèles “réfléchissent” et Le coût énergétique d’une requête LLM.