Chain of thought prompting : amener l'IA à raisonner
Le chain of thought prompting (ou « chaîne de raisonnement ») consiste à demander à un modèle d'IA d'écrire les étapes intermédiaires de son raisonnement avant de donner sa réponse finale. Sur les calculs, les comparaisons et les décisions à plusieurs critères, cela réduit souvent les erreurs, mais le gain est bien plus faible avec les modèles récents qu'en 2022. Cet article vous dit quand l'utiliser, comment l'écrire et comment vérifier qu'il vous sert vraiment. Il prolonge notre guide du prompt engineering pour PME.
Qu'est-ce que le chain of thought prompting ?
Le chain of thought prompting demande au modèle de détailler ses étapes avant de conclure, au lieu de sauter directement à la réponse. Un LLM produit son texte token après token. Quand la réponse tient en un seul saut, il s'en sort bien. Quand elle exige trois ou quatre opérations enchaînées, écrire les étapes lui donne une sorte de brouillon : chaque étape écrite devient du contexte pour la suivante.
La référence de départ est l'article « Chain-of-Thought Prompting Elicits Reasoning in Large Language Models », signé Jason Wei et huit coauteurs, publié sur arXiv en janvier 2022. Les auteurs y montrent qu'en plaçant huit exemples de raisonnement rédigés à la main dans le prompt, un modèle de 540 milliards de paramètres atteignait le meilleur résultat de l'époque sur GSM8K, un banc de problèmes de mathématiques de niveau école primaire. Autrement dit, la méthode d'origine est une forme de few-shot prompting : on montre au modèle comment raisonner, pas seulement quoi répondre.
Une variante plus légère s'est répandue ensuite : ajouter simplement « Réfléchissons étape par étape » à la question, sans aucun exemple. C'est ce que la plupart des gens appellent aujourd'hui chain of thought, et c'est ce que vous pouvez tester en trente secondes.
Comment l'écrire : trois formulations qui couvrent presque tous les cas
Trois formulations suffisent : la consigne simple, la structure imposée et l'exemple raisonné. Voici quand choisir chacune.
- La consigne simple. « Raisonne étape par étape avant de répondre. » C'est la plus rapide, utile pour un calcul ou une comparaison ponctuelle. Son défaut : vous ne maîtrisez pas la forme du raisonnement.
- La structure imposée. « Réponds en trois temps : 1. les données du problème, 2. le calcul ou l'analyse, 3. la conclusion en une phrase, précédée de la mention Réponse finale. » C'est la plus utile en entreprise, parce que la sortie est lisible, relisible par un collègue et facile à extraire dans un tableau ou un outil d'automatisation. Elle reprend le principe de la partie « format attendu » décrite dans notre article sur l'anatomie d'un bon prompt.
- L'exemple raisonné. Vous fournissez un ou deux cas déjà résolus, avec le raisonnement complet, puis votre vrai cas. C'est la version d'origine de la méthode. Elle demande plus de préparation, mais elle fixe le niveau de détail et le vocabulaire, ce qui compte pour des tâches récurrentes (analyse de devis, tri de réclamations, contrôle de conformité interne).
Un conseil pratique : séparez toujours le raisonnement de la réponse finale par un repère fixe. Si vous reprenez ensuite la réponse dans un tableur ou un scénario d'automatisation, vous n'avez qu'une ligne à extraire.
Un exemple chiffré à reproduire
Sur un calcul à remise conditionnelle, demander les étapes rend l'erreur visible, et c'est son vrai intérêt. Prenons un cas de devis, que vous pouvez coller tel quel dans votre outil.
Un client commande 40 heures de formation à 95 € HT l'heure. Une remise de 12 % s'applique uniquement aux heures au-delà de la 30e. Calcule le montant total HT. Réponds en trois temps : données, calcul détaillé, puis une ligne « Réponse finale : ».
Le résultat attendu est le suivant : 30 heures à 95 € font 2 850 €. Les 10 heures restantes sont facturées 95 € moins 12 %, soit 83,60 € l'heure, donc 836 €. Total : 3 686 € HT.
Nous ne prétendons pas qu'un modèle donné se trompera sur ce cas : tout dépend du modèle et de la version. L'intérêt est ailleurs. Avec un prompt direct, vous recevez « 3 686 € » ou « 3 800 € » sans moyen de savoir d'où vient l'écart, sauf à refaire le calcul. Avec les étapes, vous voyez immédiatement si le modèle a appliqué la remise à 40 heures au lieu de 10.
| Critère | Prompt direct | Prompt avec raisonnement |
|---|---|---|
| Lisibilité d'une erreur | Faible : seul le résultat est visible | Forte : chaque étape se contrôle |
| Longueur de la réponse | Courte | Plus longue |
| Temps de réponse | Plus rapide | Plus lent |
| Consommation de tokens | Faible | Plus élevée |
| Usage conseillé | Questions simples, rédaction, reformulation | Calculs, comparaisons, décisions à critères multiples |
Quand le raisonnement aide, et quand il gêne
Le chain of thought aide sur les tâches à plusieurs étapes vérifiables, et il gêne ou ne change rien sur les tâches simples ou créatives. Voici les repères que nous utilisons en formation.
À essayer quand la tâche comporte :
- un calcul enchaîné (devis, marge, prorata, planning) ;
- une comparaison avec plusieurs critères (choix d'un fournisseur, tri de candidatures selon une grille) ;
- une règle conditionnelle à appliquer (« si le montant dépasse X, alors... ») ;
- une analyse de document où il faut citer les passages qui justifient la conclusion.
À éviter, ou à tester avant d'adopter, quand la tâche est :
- une reformulation, une traduction ou un résumé court ;
- une question factuelle à réponse directe ;
- un texte créatif où l'on cherche de la variété plutôt que de la rigueur ;
- une classification simple, où un bon few-shot fait mieux et plus court.
Avec les modèles de raisonnement, faut-il encore l'écrire ?
Avec les modèles qui raisonnent déjà avant de répondre, la consigne « étape par étape » apporte peu et ralentit la réponse. C'est ce que montre le rapport technique « The Decreasing Value of Chain of Thought in Prompting », publié en juin 2025 par Lennart Meincke, Ethan Mollick, Lilach Mollick et Dan Shapiro (Wharton Generative AI Labs). Ils ont posé 198 questions de niveau doctorat (le jeu GPQA Diamond) à plusieurs modèles, avec 25 essais par question.
Leurs résultats, à lire avec la date en tête :
- Sur des modèles sans raisonnement intégré, la consigne améliore la moyenne : environ 13,5 % pour Gemini 2.0 Flash et 11,7 % pour Sonnet 3.5. Pour GPT-4o mini, le gain de 4,4 % n'est pas statistiquement significatif.
- Sur des modèles de raisonnement, les gains sont marginaux : 2,9 % pour o3-mini, 3,1 % pour o4-mini, et une baisse de 3,3 % pour Gemini Flash 2.5.
- Le coût en temps est réel : de 35 à 600 % de temps de réponse en plus sur les modèles sans raisonnement intégré, de 20 à 80 % sur les modèles de raisonnement.
- Les auteurs notent aussi une variabilité accrue : le raisonnement écrit peut faire échouer une question que le modèle réussissait en réponse directe.
Ces modèles datent de 2025 et les versions changent vite. Il ne faut donc pas en tirer une règle définitive, mais une méthode : testez sur vos propres cas. Si votre outil propose un mode « réflexion » ou « raisonnement étendu », activez-le plutôt que d'ajouter la consigne à la main, et consacrez votre prompt à ce qui compte davantage : le contexte, les critères de décision et le format de sortie.
Les limites à connaître avant de vous y fier
Un raisonnement affiché n'est pas une preuve : une suite d'étapes convaincantes peut mener à une conclusion fausse. Le modèle écrit ce qui ressemble à un bon raisonnement. Si une donnée d'entrée est mal lue à l'étape 1, toutes les étapes suivantes seront cohérentes et pourtant erronées. C'est une forme d'hallucination particulièrement trompeuse, parce que la présentation inspire confiance.
Trois précautions simples :
- relisez toujours l'étape où le modèle recopie vos données, c'est là que se glissent le plus d'erreurs ;
- pour un chiffre qui part chez un client ou dans un bilan, refaites le calcul vous-même ou dans un tableur ;
- ne collez pas de données personnelles ou confidentielles dans un outil grand public, même pour « faire raisonner » le modèle (sujet traité dans notre cluster sur l'usage de l'IA en entreprise).
Un protocole pour tester en 20 minutes
Pour savoir si le chain of thought vous sert, comparez deux versions du même prompt sur dix cas dont vous connaissez déjà la bonne réponse. C'est l'angle que les articles généralistes omettent, alors qu'il tient en une page de tableur.
- Choisissez dix cas réels de votre activité (devis, factures, demandes clients), anonymisés, avec la bonne réponse connue.
- Écrivez le prompt A (direct) et le prompt B (avec la structure en trois temps vue plus haut). Ne changez rien d'autre.
- Lancez chaque prompt trois fois sur chaque cas. Les modèles ne répondent pas toujours la même chose, et un seul essai peut vous tromper.
- Comptez les réponses justes et notez le temps moyen de réponse.
- Décidez. Par exemple : on garde B si l'écart est d'au moins deux bonnes réponses sur dix et que le temps supplémentaire reste acceptable. Ce seuil est un repère de travail, pas une norme : fixez le vôtre selon le risque de la tâche.
Refaites ce test quand votre outil change de modèle. Un prompt qui aidait il y a un an peut ne plus servir à rien aujourd'hui.
Questions fréquentes
Qu'est-ce que le chain of thought prompting en une phrase ?
C'est une façon de formuler un prompt pour que l'IA écrive les étapes de son raisonnement avant de donner sa conclusion, ce qui rend les erreurs plus faciles à repérer et améliore souvent les résultats sur les tâches à plusieurs étapes.
Faut-il écrire « étape par étape » avec ChatGPT, Claude ou Gemini ?
Cela dépend du modèle utilisé. Sur un modèle qui raisonne déjà de lui-même ou qui propose un mode réflexion, la consigne apporte peu. Sur un modèle plus simple et pour un calcul enchaîné, elle reste utile. Le plus fiable est de faire le test en dix cas décrit plus haut.
Le chain of thought réduit-il les hallucinations ?
Pas de façon systématique. Il rend les erreurs plus visibles, mais il ne les empêche pas : une donnée mal lue au départ contamine tout le raisonnement. Le rapport de Wharton relève même une variabilité accrue des réponses sur certains modèles.
Quelle différence avec le few-shot prompting ?
Le few-shot consiste à montrer des exemples d'entrées et de sorties attendues. Le chain of thought consiste à faire écrire le raisonnement. Les deux se combinent : l'article de 2022 qui a popularisé la méthode utilisait justement des exemples contenant le raisonnement complet.
Peut-on masquer le raisonnement et ne garder que la réponse ?
Oui, en demandant une ligne « Réponse finale » que vous isolez ensuite. Mais le modèle a quand même écrit ses étapes : le temps d'attente et la consommation de tokens restent les mêmes.
Cela coûte-t-il plus cher ?
Oui, en temps et en tokens. Les réponses sont plus longues, et selon les mesures de Wharton le temps de réponse augmente de 20 à 600 % selon les modèles. Pour un usage ponctuel, c'est négligeable ; pour un traitement automatisé de plusieurs centaines de documents, cela se chiffre.
Comment GrowthPerf accompagne
GrowthPerf est un organisme de formation certifié Qualiopi, spécialisé en IA, no-code et automatisation pour les PME et les associations. Nous ne vous demandons pas de croire à une technique de prompt : nous vous apprenons à la tester sur vos propres documents et à décider ensuite.
Notre formation IA opérationnelle fait travailler les participants sur des cas réels de leur activité, dont l'écriture et la comparaison de prompts. Si vous déployez un assistant interne, la consigne de raisonnement se place le plus souvent dans le prompt système : voir notre article sur la différence entre prompt système et prompt utilisateur. Pour replacer cette technique dans une démarche complète, reprenez le guide du prompt engineering pour PME, et consultez les définitions de prompt et de prompt engineering dans notre lexique.
Vous voulez monter en compétence sur le sujet avec votre équipe ? Découvrez la formation IA opérationnelle et demandez un échange pour cadrer vos besoins.