Accueil › Glossaire › Reasoning Agent

Reasoning Agent

Un reasoning agent est un agent IA piloté par un LLM qui génère des traces de raisonnement explicites (chaînes de pensée, arbres de décision, boucles de réflexion) avant de prendre des décisions ou d’exécuter des actions, ce qui améliore la fiabilité, la transparence et la capacité à résoudre des problèmes complexes.

La distinction est fondamentale. Un LLM classique produit une réponse en un seul flux : il « pense vite » (System 1 au sens de Kahneman). Un reasoning agent « pense lentement » (System 2) : il verbalise ses étapes de raisonnement, explore des alternatives, revient en arrière quand un chemin mène à une impasse, et vérifie sa logique avant de s’engager.

En mars 2026, la tendance est aux « reasoning-first LLMs » : des modèles qui utilisent des boucles de délibération interne pour améliorer leur précision. Ces modèles (Claude Opus 4.6 avec adaptive thinking, GPT-5.4 Thinking, DeepSeek-R1, Gemini 3.1 Pro) sont le moteur des agents autonomes, des assistants de code auto-correcteurs, et des systèmes de planification stratégique.

System 1 vs System 2 : deux modes de pensée

Pour comprendre le reasoning agent, il faut revenir à la distinction de Kahneman entre pensée rapide (System 1) et pensée lente (System 2).

Un LLM standard fonctionne en System 1 : il génère du texte token par token, de manière fluide et rapide, en se basant sur des patterns appris pendant l’entraînement. Quand il « raisonne » dans un prompt classique, il mime le raisonnement humain (parce qu’il a vu des milliers de transcriptions de raisonnement dans ses données d’entraînement), mais ce n’est pas une délibération authentique. C’est de la génération associative qui ressemble à de la logique.

Un reasoning agent fonctionne en System 2 : il ralentit, explore des alternatives, évalue la qualité de ses propres raisonnements, et peut revenir en arrière. Ce « ralentissement » se traduit concrètement par la génération de tokens supplémentaires (thinking tokens) qui ne sont pas nécessairement visibles dans la réponse finale mais qui améliorent la qualité de la décision.

L’analogie avec AlphaGo est frappante : AlphaGo battait les champions humains non pas en « sachant » jouer au Go, mais en « réfléchissant » pendant environ une minute avant chaque coup via Monte Carlo Tree Search. Cette réflexion à l’inférence équivalait à multiplier la puissance d’entraînement par environ 100 000×. Le même principe s’applique aux reasoning agents : un peu de calcul supplémentaire à l’inférence économise énormément de calcul à l’entraînement.

Les techniques de raisonnement

Chain-of-Thought (CoT)

Le chain-of-thought, proposé par Wei et al. (2022, NeurIPS), est la technique fondatrice. En ajoutant « réfléchis étape par étape » au prompt, ou en fournissant des exemples de raisonnement décomposé, le LLM génère des étapes intermédiaires explicites avant la réponse finale.

En zero-shot CoT, une simple instruction suffit (« Let’s think step by step »). En few-shot CoT, vous fournissez des exemples de problèmes avec le raisonnement complet. Le CoT est considéré comme une capacité émergente : il fonctionne bien sur les grands modèles (>100B paramètres) mais mal sur les petits.

Limite principale : le CoT produit un raisonnement linéaire. Si la première étape part dans la mauvaise direction, tout le raisonnement suit. Il n’y a pas de possibilité de backtracking.

Tree-of-Thought (ToT)

Le Tree-of-Thought (Yao et al., 2023, NeurIPS) généralise le CoT d’une chaîne à un arbre. À chaque nœud, le LLM génère plusieurs « pensées » candidates (étapes de raisonnement alternatives). Une fonction de valeur (le LLM lui-même ou un vérificateur entraîné) évalue quelle branche mérite d’être explorée.

Cela permet la résolution délibérée de problèmes : le modèle peut revenir en arrière depuis des impasses (« cette manipulation algébrique mène à une contradiction, essayons de factoriser ») et explorer des contrefactuels (« que se passe-t-il si je prends le logarithme d’abord ? »).

Les résultats sont spectaculaires sur certaines tâches. Sur le Game of 24 (combiner 4 nombres pour obtenir 24 avec les opérations arithmétiques), GPT-4 avec du prompting standard résolvait 4% des problèmes. Avec ToT : 74%. Le coût est une complexité d’inférence significativement plus élevée (multiple appels LLM par nœud de l’arbre).

Graph-of-Thought (GoT)

Le Graph-of-Thought étend encore la topologie : le raisonnement est un graphe dirigé arbitraire, pas un arbre. Les branches peuvent être agrégées (fusionner les conclusions de plusieurs chemins) et les pensées antérieures peuvent être révisées à la lumière de découvertes ultérieures.

Le GoT a amélioré la qualité de tri de 62% par rapport au ToT tout en réduisant les coûts computationnels de plus de 31%, démontrant que des topologies de raisonnement plus flexibles peuvent simultanément améliorer la qualité et l’efficacité.

Self-Consistency

La self-consistency (Wang et al., 2023, ICLR) génère plusieurs chaînes de raisonnement indépendantes pour le même problème, puis prend la réponse majoritaire. Si 7 chemins de raisonnement sur 10 arrivent à la même conclusion, cette conclusion est probablement correcte. C’est une forme de « vote » entre raisonnements parallèles.

Self-Ask

Le modèle pose et répond explicitement à des sous-questions avant d’aborder la question principale. « Pour répondre à cette question, je dois d’abord savoir X. Question : qu’est-ce que X ? Réponse : X est… » Cette décomposition compositionnelle produit un raisonnement structuré et vérifiable.

Les modèles « thinking »

Une tendance majeure de 2025-2026 est l’intégration du raisonnement directement dans l’architecture du modèle, plutôt que de s’appuyer sur des techniques de prompting externe.

Modèles propriétaires

Claude Opus 4.6 (adaptive thinking) permet un temps de réflexion ajustable : l’utilisateur ou le système peut contrôler le budget de « thinking tokens » alloués à chaque requête. Plus la tâche est complexe, plus on alloue de tokens de réflexion. Les traces de raisonnement sont visibles dans l’interface, ce qui améliore la transparence.

GPT-5.4 Thinking (OpenAI) est le mode raisonnement avancé de GPT-5.4, disponible sur ChatGPT Plus/Pro et via l’API. Il remplace GPT-5.2 Thinking et offre des performances supérieures sur les benchmarks de mathématiques et de science.

Gemini 3.1 Pro (Google) intègre des capacités de raisonnement multi-étapes avec un score impressionnant de 77,1% sur ARC-AGI-2, l’un des benchmarks de raisonnement général les plus exigeants.

Modèles open source

DeepSeek-R1 est un modèle MoE de raisonnement entraîné par reinforcement learning à grande échelle. Il utilise des balises <think>...</think> pour générer des chaînes de pensée explicites. Ses traces de raisonnement servent de « professeur » pour distiller le raisonnement dans des modèles plus petits.

Qwen3-30B-Thinking (Alibaba) inclut automatiquement une balise <think> dans ses réponses pour forcer le mode raisonnement. Il offre un bon équilibre entre profondeur de raisonnement et efficacité computationnelle.

GPT-OSS-120B (OpenAI, open-weight) est un modèle MoE avec 117B paramètres totaux et 5,1B actifs, qui atteint une quasi-parité avec o4-mini sur les benchmarks de raisonnement. Il supporte le CoT via des balises <think> et le function calling complet, le tout sous licence Apache 2.0.

Ces modèles se déploient localement via Ollama ou vLLM, ce qui permet de garder les données sensibles en interne tout en bénéficiant de capacités de raisonnement avancées.

Les trois modes de raisonnement agentique

Une taxonomie utile distingue trois modes de raisonnement complémentaires dans les agents IA :

Mode réflectif : le raisonnement System 2 dirigé vers l’intérieur. Le modèle raisonne sur son propre raisonnement. C’est le domaine des modèles thinking (o1, DeepSeek-R1, Claude adaptive thinking) qui allouent du calcul supplémentaire pour des chaînes de pensée étendues avant de s’engager dans une action.

Mode instrumental : le raisonnement dirigé vers l’extérieur via des outils. Le modèle utilise le code execution pour vérifier un calcul, la recherche web pour valider un fait, ou un accès base de données pour obtenir des données précises. Les outils compensent les faiblesses du raisonnement pur du LLM.

Mode collaboratif : le raisonnement distribué entre plusieurs agents ou modèles. Un agent « recherche » collecte des informations, un agent « calcul » effectue les analyses quantitatives, et un agent « synthèse » produit la conclusion. La délibération multi-agent permet des raisonnements plus robustes que ceux d’un agent unique.

Les meilleurs systèmes en production combinent les trois modes. Le framework « Agentic Reasoning » (ACL 2025) permet à un LLM de raisonnement d’invoquer un agent de recherche web pour les informations externes, un agent de code pour les calculs quantitatifs, et un agent Mind-Map pour structurer le contexte de raisonnement.

Test-time compute scaling

L’une des découvertes les plus importantes de 2024-2026 : augmenter le calcul à l’inférence (test-time compute) est souvent plus efficace que d’augmenter la taille du modèle pour améliorer le raisonnement.

Trois piliers soutiennent cette approche :

1. Test-time scaling : allouer dynamiquement des ressources computationnelles en fonction de la complexité de la tâche. Les questions simples reçoivent peu de tokens de réflexion ; les problèmes complexes en reçoivent beaucoup plus.

2. Reinforcement learning : affiner les trajectoires de raisonnement par modélisation de récompenses et optimisation de politique. DeepSeek-R1 utilise du RL à grande échelle pour optimiser directement les capacités de raisonnement.

3. Frameworks de pensée lente : structurer le raisonnement en processus étape par étape, hiérarchiques ou hybrides (CoT long, délibération multi-agent).

L’adaptive thinking de Claude Opus 4.6 est une implémentation concrète de ce principe : le temps de réflexion est ajustable, permettant de trouver le bon équilibre entre coût et qualité pour chaque requête.

Cas d’usage

Mathématiques et science

Le raisonnement multi-étapes est essentiel pour les preuves mathématiques, les problèmes d’optimisation et le raisonnement scientifique. Les modèles thinking surpassent les modèles standards de plusieurs dizaines de points de pourcentage sur les benchmarks AIME (mathématiques olympiques) et GPQA (questions scientifiques de niveau doctorat).

Debugging et code complexe

Un reasoning agent de code ne se contente pas de proposer un fix : il trace le chemin d’exécution, considère plusieurs causes possibles, et identifie la cause racine avant de proposer une solution. C’est pourquoi Claude Opus 4.6 excelle sur SWE-bench : son raisonnement méthodique produit moins de cycles « essaie ça, non, essaie autre chose » que les approches itératives.

Prise de décision complexe

Analyse stratégique, évaluation de risques, analyse juridique : les tâches qui requièrent de peser des arguments contradictoires, d’évaluer des conséquences à plusieurs niveaux, et de formuler des recommandations nuancées bénéficient directement du raisonnement explicite.

Limites et risques

Coût du raisonnement : chaque token de réflexion coûte autant qu’un token de réponse. Un modèle qui « réfléchit » pendant 2 000 tokens avant de répondre en 500 tokens consomme 2 500 tokens au total. Sur des requêtes simples, le overhead est injustifié. La bonne pratique est d’activer le raisonnement étendu uniquement quand la tâche le justifie.

Raisonnement plausible mais incorrect : le LLM peut produire des chaînes de raisonnement qui semblent logiques mais contiennent des erreurs subtiles. La confiance augmente (le raisonnement « a l’air » rigoureux) sans que la fiabilité suive nécessairement. C’est le « mirage émergent » identifié par la recherche : les LLM peinent particulièrement sur le raisonnement multi-étapes au-delà d’une certaine profondeur. Chaque étape supplémentaire dans une chaîne de raisonnement introduit une probabilité d’erreur qui se compose.

Confidentialité des traces : les thinking tokens contiennent le raisonnement interne du modèle, qui peut révéler des informations sur le prompt système ou les instructions cachées. Certains fournisseurs masquent les traces de raisonnement ; d’autres les rendent visibles. Le choix dépend du cas d’usage. En contexte entreprise, les traces visibles sont souhaitables pour l’audit ; en contexte produit grand public, les traces cachées protègent la propriété intellectuelle du prompt.

Latence : le raisonnement prend du temps. Un modèle thinking peut mettre 10 à 60 secondes pour répondre à une question complexe, là où un modèle standard répond en 2 secondes. Ce n’est pas acceptable pour un chatbot temps réel, mais parfaitement adapté à un agent de recherche ou de code.

Bonnes pratiques

Utilisez le raisonnement sélectivement. Toutes les requêtes ne nécessitent pas un raisonnement profond. « Quelle est la capitale de la France ? » ne bénéficie d’aucun thinking token. « Analyse les facteurs qui pourraient expliquer la baisse de 12% de notre taux de conversion ce mois-ci » en bénéficie énormément. Routez les requêtes vers le mode approprié.

Combinez raisonnement et outils. Le raisonnement pur du LLM reste sujet aux erreurs, surtout pour les calculs et les faits. Un reasoning agent qui peut exécuter du code pour vérifier ses calculs et chercher sur le web pour valider ses affirmations est beaucoup plus fiable qu’un agent qui raisonne uniquement dans sa tête.

Validez avec la self-consistency. Pour les décisions à fort enjeu, générez 3 à 5 chaînes de raisonnement indépendantes et prenez la réponse majoritaire. Si les chemins divergent, c’est un signal que la question est ambiguë ou que le raisonnement n’est pas robuste.

Rendez les traces inspectables. L’un des avantages majeurs du reasoning agent est la transparence. L’utilisateur (ou le développeur) peut lire le raisonnement et identifier où une erreur s’est produite. Exploitez cet avantage en rendant les traces de raisonnement accessibles, pas en les cachant.

Calibrez le budget de tokens. Avec l’adaptive thinking de Claude Opus 4.6, vous pouvez spécifier un budget de thinking tokens. Commencez bas (500 tokens), augmentez si la qualité est insuffisante, et trouvez le sweet spot pour votre type de tâches. Un budget fixe trop élevé gaspille ; un budget trop bas produit un raisonnement superficiel.