Faire raisonner ChatGPT : du chain-of-thought au niveau de réflexion

Pendant longtemps, la technique dite du chain-of-thought, la chaîne de pensée, a été l’astuce la plus connue pour améliorer les réponses sur un problème difficile : ajouter « raisonne étape par étape » à la fin du prompt. Les modèles utilisés aujourd’hui dans ChatGPT raisonnent en interne, et la documentation d’OpenAI a changé de position. Cette leçon explique ce qui ne sert plus, ce qui reste utile, et comment obtenir une réponse réfléchie que vous pouvez vérifier.

Ce qui a changé

Le guide d’OpenAI sur les modèles de raisonnement est explicite : ces modèles réfléchissent avant de répondre, si bien que leur demander de « réfléchir étape par étape » ou d’« expliquer leur raisonnement » est inutile, et certaines techniques de ce type peuvent même dégrader le résultat. Il recommande au contraire des prompts simples et directs.

Dans ChatGPT, la profondeur de réflexion se règle avec le sélecteur de modèle : dans le mode Chat, de Instant à Extra High, puis Pro sur les offres qui le proposent ; dans ChatGPT Work et Codex, avec le réglage de puissance. Quand un problème résiste, la bonne réponse n’est donc plus d’ajouter une formule magique, mais de monter le niveau de réflexion. Le cours Le raisonnement OpenAI de ce site détaille ces réglages.

Ce qui reste utile : bien poser le problème

Un modèle qui raisonne a besoin de matière et d’un objectif clair. Le guide d’OpenAI conseille d’être très précis sur le résultat attendu, d’énoncer explicitement les contraintes et de séparer les parties du prompt. En pratique, quatre éléments font la différence : toutes les données utiles, les hypothèses à retenir ou à signaler, vos critères de réussite, et la forme de la réponse.

Prenez une question de rentabilité. Plutôt que d’écrire « raisonne étape par étape », demandez une réponse que vous pourrez contrôler ligne à ligne :

Notre CA est de 2,4 M EUR, nos charges fixes de 1,8 M EUR
et nos charges variables représentent 25 % du CA.
Sommes-nous rentables ?

Présente le calcul dans un tableau (charges variables, charges totales,
résultat), puis conclus en une phrase.

Le tableau ne sert pas à faire réfléchir le modèle : il sert à vous permettre de vérifier. Ici, vous devez lire des charges variables de 0,6 M EUR, des charges totales de 2,4 M EUR et un résultat nul : l’entreprise est exactement au point mort. Si un chiffre diffère, vous voyez immédiatement où.

Demander les hypothèses obéit à la même logique. « Indique les hypothèses que tu retiens » fait apparaître les postulats implicites, comme un taux de croissance supposé constant, qui faussent une conclusion sans jamais figurer dedans. « Commence par reformuler le problème en une phrase » vous donne un point de contrôle avant que le modèle ne produise trois pages sur la mauvaise question.

Structurer la réponse attendue

La structure garde tout son intérêt, à condition de porter sur ce que vous voulez recevoir et non sur la façon de penser. Sur une décision, elle oblige à comparer avant de trancher et à intégrer les coûts qu’une comparaison rapide oublie : le recrutement, la montée en compétence, le risque de départ.

Je dois choisir entre recruter un développeur senior (75 000 EUR par an)
ou externaliser le développement à une agence (90 000 EUR par an estimés).
Notre backlog représente 8 mois de travail.

Structure ta réponse ainsi :
1. Avantages et risques de chaque option
2. Coût réel sur 24 mois, recrutement et intégration compris
3. Facteurs non financiers
4. Recommandation argumentée, avec les hypothèses retenues

Sur un diagnostic, exigez un large éventail de causes avant le classement : sans le « au moins 8 », la réponse risque de s’arrêter à la première explication plausible.

Notre taux de conversion est passé de 3,2 % à 1,8 % en deux mois.
Le trafic est stable, le produit n'a pas changé, mais nous avons refait
le design de la page il y a 6 semaines.

1. Liste au moins 8 causes possibles
2. Classe-les par probabilité
3. Pour les 3 plus probables, indique comment les vérifier
4. Propose un plan d'action priorisé

Sur une évaluation critique, une grille de points précis évite le commentaire complaisant. Si la grille demande une comparaison avec le marché, exigez une recherche web et des sources : sans elles, les « standards du marché » cités risquent d’être inventés.

Voici notre grille tarifaire SaaS : Starter 29 EUR par mois,
Pro 79 EUR par mois, Enterprise sur devis.

Évalue-la selon ces points :
1. Cohérence de l'écart entre les plans
2. Trous dans la gamme
3. Comparaison avec trois offres concurrentes, en citant tes sources
4. Risques (cannibalisation, barrière à l'entrée)
5. Ajustements proposés, chacun justifié

Raisonner à rebours depuis l’objectif

Pour planifier, partez de l’objectif et remontez jusqu’aux moyens. C’est une façon rapide de transformer une ambition chiffrée en plan crédible, ou de découvrir que l’objectif exige un budget que vous n’avez pas.

Notre objectif : 100 000 EUR de revenu mensuel récurrent dans 12 mois.
Nous sommes à 35 000 EUR. Panier moyen : 200 EUR par mois.
Taux de conversion lead-client : 5 %. Taux visiteur-lead : 2 %.

En partant de l'objectif, calcule le revenu supplémentaire nécessaire,
le nombre de clients, de leads et de visiteurs correspondants,
puis propose les canaux d'acquisition et le budget qui en découlent.
Présente les calculs dans un tableau.

À vous de jouer

Comparer deux façons de demander. Choisissez un problème de calcul ou de décision de votre semaine. Posez-le une première fois avec le niveau de réflexion le plus rapide et la formule « raisonne étape par étape ». Posez-le une seconde fois avec un niveau de réflexion plus élevé, toutes les données, vos critères de réussite et une structure de réponse vérifiable. Comparez la justesse et, surtout, la facilité avec laquelle vous pouvez contrôler chaque réponse.

Sources officielles : Reasoning best practices (documentation de l’API OpenAI) · GPT-6 and other models in ChatGPT · Prompt engineering best practices for ChatGPT (centre d’aide OpenAI) · Prompting (documentation ChatGPT)

Points clés à retenir

• Les modèles de ChatGPT raisonnent en interne : « réfléchis étape par étape » est inutile, et peut même nuire
• Quand un problème est difficile, montez le niveau de réflexion plutôt que d’ajouter des formules
• Donnez toutes les données, les hypothèses à retenir et vos critères de réussite
• Structurez la réponse attendue pour pouvoir la vérifier : calculs en tableau, causes classées, sources citées
• Pour planifier, partez de l’objectif et remontez jusqu’aux moyens