Tous les guides
DébutantÀ votre rythmeGuide gratuitSection 12/50

Chain-of-Thought — Raisonnement étape par étape

Découvrez les usages de l’IA générative : prompts, assistants, création multimédia et contrôles des réponses. Progressez par sections et exercices, à votre rythme.

💡

Contenu gratuit, accessible sans compte. Les outils et modèles évoluent : consultez le dossier actuel pour vérifier leurs versions. Modèles et sources

Section 10.2.4 : Chain-of-Thought — Raisonnement étape par étape

🎯 Objectif pédagogique

Maîtriser le Chain-of-Thought (CoT) prompting pour obtenir des raisonnements structurés et des réponses plus fiables sur des problèmes complexes nécessitant une réflexion multi-étapes. C'est la technique qui a le plus amélioré les capacités de raisonnement des LLM.


Le problème : les LLM et le raisonnement

Les LLM excellent en génération de texte mais peinent sur les problèmes nécessitant un raisonnement logique multi-étapes : calculs, résolution de problèmes, analyses comparatives, planification. La raison ? Ils prédisent le prochain token — ils ne "réfléchissent" pas naturellement étape par étape. Ils "pensent en écrivant", pas "pensent puis écrivent".

Le Chain-of-Thought prompting (Wei et al., Google Brain, 2022) résout ce problème de manière élégante : en demandant explicitement au modèle de montrer son raisonnement avant de donner sa réponse, on force une décomposition qui améliore radicalement la qualité.

Les 3 variantes du Chain-of-Thought

1. Zero-shot CoT : la méthode magique (la plus simple)

Ajoutez simplement une phrase "magique" à la fin de votre prompt. C'est la technique avec le meilleur ratio effort/résultat de tout le prompt engineering.

Sans CoT :

Si un train part à 14h de Paris à 300 km/h et qu'un autre part 
à 14h30 de Lyon (450 km de Paris) à 250 km/h vers Paris, 
à quelle heure se croisent-ils ?

→ "Ils se croisent à environ 15h." (souvent faux)

Avec CoT (zero-shot) :

Si un train part à 14h de Paris à 300 km/h et qu'un autre part 
à 14h30 de Lyon (450 km de Paris) à 250 km/h vers Paris, 
à quelle heure se croisent-ils ?

Réfléchis étape par étape avant de donner ta réponse.

→ Le modèle décompose : 
  1. Position du train 1 à 14h30 : 300 × 0.5 = 150 km de Paris
  2. Distance restante entre les deux trains : 450 - 150 = 300 km
  3. Vitesse de rapprochement : 300 + 250 = 550 km/h
  4. Temps pour se croiser : 300 / 550 ≈ 0.545h ≈ 32 min 44 sec
  5. Heure de croisement : 14h30 + 32min44s ≈ 15h03

Les phrases magiques du CoT (toutes fonctionnent, choisissez celle qui vous convient) :

PhraseTonUsage recommandé
"Réfléchis étape par étape"NeutreUsage général
"Avant de répondre, décompose le problème"DirectifProblèmes complexes
"Montre ton raisonnement complet"AcadémiqueAnalyses détaillées
"Pense à voix haute puis conclus"NaturelBrainstorming
"Let's think step by step"Anglais (original)En anglais, le plus efficace
"Identifie d'abord les données, puis raisonne, puis conclus"StructuréProblèmes quantitatifs

2. Few-shot CoT : raisonnement guidé par l'exemple

Pour des problèmes récurrents, fournissez des exemples avec le raisonnement complet :

Résous ces problèmes de pricing SaaS en montrant ton raisonnement complet.

Problème : Un SaaS à 49€/mois a 200 clients. Si on augmente 
le prix de 20%, on perd 15% des clients. Faut-il augmenter ?

Raisonnement :
- Revenu actuel : 49 × 200 = 9 800€/mois
- Nouveau prix : 49 × 1.2 = 58.8€ → arrondi à 59€/mois
- Clients restants : 200 × 0.85 = 170 clients
- Nouveau revenu : 59 × 170 = 10 030€/mois
- Différence : +230€/mois (+2.3%)
- Mais : 30 clients perdus = 30 contrats de moins pour le futur
- Conclusion : OUI financièrement à court terme, mais évaluer 
  l'impact sur le churn et le bouche-à-oreille.

Problème : Un freelance facture 500€/jour et travaille 20 jours/mois.
Un outil IA à 200€/mois lui fait gagner 2 jours/mois de travail 
facturable. Faut-il l'adopter ?

Raisonnement :

3. CoT structuré : imposer une structure de raisonnement

Pour des analyses complexes, imposez les étapes :

Analyse cette décision d'investissement en suivant 
ces 5 étapes OBLIGATOIRES :

ÉTAPE 1 — DONNÉES : Liste toutes les données quantitatives 
disponibles dans le problème.
ÉTAPE 2 — HYPOTHÈSES : Identifie les hypothèses implicites 
et leur crédibilité (forte/moyenne/faible).
ÉTAPE 3 — CALCULS : Effectue les calculs étape par étape.
ÉTAPE 4 — ANALYSE : Identifie les forces et les risques.
ÉTAPE 5 — CONCLUSION : Donne ta recommandation avec le 
niveau de confiance (1-10).

[Description de l'investissement]

Applications professionnelles du CoT

Business analysis

Notre taux de conversion landing page a chuté de 3.2% à 1.8% ce mois.

Raisonne étape par étape pour identifier les causes :
1. Commence par les causes les plus probables (trafic, offre, technique)
2. Pour chaque hypothèse, indique comment la vérifier
3. Classe les hypothèses par probabilité
4. Recommande 3 actions immédiates par ordre de priorité

Prise de décision pondérée

Je dois choisir entre 3 fournisseurs IA pour mon entreprise.
Raisonne étape par étape en utilisant une matrice de décision 
pondérée.

Critères (avec poids) :
- Prix (30%)
- Performance (25%)
- Support client (20%)
- Facilité d'intégration (15%)
- Scalabilité (10%)

Fournisseur A : [détails]
Fournisseur B : [détails]
Fournisseur C : [détails]

Pour chaque fournisseur, note chaque critère de 1 à 10, 
puis calcule le score pondéré.

Estimation (technique Fermi)

Estime le nombre de pizzas consommées en France par jour.

Raisonne étape par étape avec des estimations de Fermi :
1. Population française
2. % qui mange de la pizza dans une semaine donnée
3. Fréquence moyenne
4. Répartition par jour
5. Résultat avec fourchette haute/basse

2025-2026 : les modèles de raisonnement natif

Les modèles de raisonnement comme o3, o4-mini (OpenAI), DeepSeek-R1 et Claude Opus 4.6 (extended thinking) intègrent le Chain-of-Thought de manière native. Ils "réfléchissent" automatiquement avant de répondre — vous pouvez même voir leur "scratchpad" de raisonnement.

Impact pratique : avec ces modèles, vous n'avez plus besoin d'ajouter "Réfléchis étape par étape" — ils le font par défaut. Cependant, le CoT explicite reste utile pour : (1) contrôler la structure du raisonnement, (2) forcer un format spécifique, (3) utiliser les modèles classiques (GPT-5 standard, Claude Sonnet 4.6, Gemini 3.1 Flash).

Quand NE PAS utiliser le CoT

SituationPourquoi le CoT est inutile
Questions factuelles simples"Quelle est la capitale du Japon ?" → pas besoin de raisonnement
Tâches de formatage"Mets ce texte en bullet points" → pas de raisonnement nécessaire
Traduction directeLe modèle traduit mieux sans décomposer
Génération créative libreLe CoT peut brider la créativité

Exercice pratique

Durée : 15 minutes

  1. →Prenez un problème professionnel réel (budget à allouer, choix de fournisseur, estimation de market size)
  2. →Posez-le sans CoT → notez la qualité et la profondeur
  3. →Ajoutez "Réfléchis étape par étape" → comparez
  4. →Essayez le CoT structuré en imposant 5 étapes → comparez encore
Vérification rapide

Quelle amélioration le Chain-of-Thought a-t-il apportée sur le benchmark de maths GSM8K ?

Vérification rapide

Les modèles o3 (OpenAI) et Claude Opus 4.6 (extended thinking) intègrent le CoT nativement. Cela signifie que :

Votre progression

Cette progression est déclarative et conservée dans votre navigateur. L’attestation finale ne constitue pas un diplôme ni une évaluation indépendante.

Voir ma progression et mon attestation

Apprendre l’IA, du premier prompt aux agents

15 guides gratuitsQuiz, schémas et ateliersSans compte

Un cas pratique IA dans votre boîte mail

Méthodes, ressources et nouveaux exercices. Gratuit, avec désinscription à tout moment.