Les modèles de raisonnement, nouveau front : lecture d'un basculement

Pendant près de deux ans, la course à l'intelligence artificielle s'est jouée sur un terrain assez lisible : entraîner des modèles toujours plus vastes, sur des corpus toujours plus larges, avec toujours plus de puces. Puis, à l'automne 2024, un déplacement s'est opéré. Les laboratoires ont cessé de miser uniquement sur la taille du modèle pour parier sur autre chose — le temps qu'un système passe à réfléchir avant de répondre. En quelques mois, OpenAI, Google, Anthropic, la société chinoise DeepSeek et l'équipe Qwen d'Alibaba ont tous publié des « modèles de raisonnement », capables de dérouler une chaîne de pensée avant de livrer un résultat. Ce texte propose une lecture de ce basculement : ce qu'il recouvre techniquement, pourquoi il est survenu à ce moment précis, quels acteurs l'ont adopté et selon quelles logiques, et ce qu'il change — sans céder à l'idée qu'il réglerait tout. L'objectif n'est pas de désigner un vainqueur, mais de comprendre pourquoi une même intuition a été reprise, presque simultanément, par des équipes qui se surveillent de près.

Une précaution de méthode s'impose avant d'entrer dans le détail. Ce texte sépare avec soin ce qui relève du fait vérifiable — une date d'annonce, une caractéristique technique documentée, un score publié sur un jeu de tests — de ce qui relève de l'interprétation. Les faits sont sourcés en fin d'article. La lecture, elle, est présentée comme une grille parmi d'autres : on écrira « on peut lire », « cela suggère », « une interprétation possible ». Le champ des modèles de raisonnement est jeune, il évolue vite, et une part de ses promesses reste à confirmer. Distinguer ces deux registres est la seule manière d'écrire un texte qui éclaire plutôt qu'il n'ajoute au bruit ambiant.

Le constat : un même virage pris par presque tout le monde en six mois

Commençons par les faits, car ils sont datés et publics. Entre septembre 2024 et le printemps 2025, l'essentiel des grands laboratoires a publié un modèle explicitement pensé pour raisonner. Ce n'est pas une coïncidence isolée : c'est une vague.

Le coup d'envoi : o1, en septembre 2024

Le point de départ le plus visible porte un nom : o1. OpenAI en publie une préversion le 12 septembre 2024, sous les étiquettes o1-preview et o1-mini, avant la version complète le 5 décembre 2024. Sa singularité tient en une phrase : le modèle prend le temps de « penser » avant de répondre. Concrètement, il génère une longue chaîne de raisonnement interne — une suite d'étapes intermédiaires — avant de produire sa réponse finale. Cette chaîne est apprise par renforcement, et OpenAI a fait le choix de la garder masquée pour l'utilisateur, ne montrant qu'un résumé de la démarche.

Ce que o1 apporte, ce n'est pas un modèle plus gros. C'est un modèle qui dépense davantage de calcul au moment où on l'interroge, plutôt qu'au moment où on l'entraîne. OpenAI a communiqué sur une observation frappante : la précision du modèle sur les tâches complexes progresse avec le logarithme du temps de calcul accordé à la réflexion. Autrement dit, plus on laisse le système réfléchir, mieux il répond — jusqu'à un certain point. Cette idée, apparemment simple, va structurer toute la vague qui suit.

Ce qu'est concrètement une « chaîne de pensée »

Un mot sur le mécanisme, car il éclaire tout le reste. Un modèle de langage classique produit sa réponse d'un seul mouvement : la question entre, la réponse sort, sans étape visible entre les deux. Un modèle de raisonnement procède autrement. Face à un problème, il génère d'abord une longue suite de texte intermédiaire — une délibération — dans laquelle il décompose la question, pose des hypothèses, teste des pistes, repère parfois ses propres erreurs et se corrige, avant de formuler une conclusion. Cette suite intermédiaire porte un nom devenu courant : la chaîne de pensée, ou chain of thought.

L'intuition sous-jacente n'est pas neuve. On sait depuis plusieurs années qu'inciter un modèle à « penser à voix haute », en détaillant les étapes d'un raisonnement plutôt qu'en livrant directement un résultat, améliore ses réponses sur les problèmes qui demandent plusieurs déductions successives. Ce que la génération de 2024-2025 change, c'est le statut de cette chaîne : elle n'est plus seulement suggérée par la formulation de la question, elle est apprise et optimisée pendant l'entraînement du modèle. Le système n'attend plus qu'on lui demande de réfléchir ; il a été entraîné à le faire par défaut, et à structurer sa réflexion de manière à améliorer le résultat final. Ce déplacement, de la technique d'usage à la propriété apprise, est le socle de tout ce qui suit.

La grappe de décembre 2024 : Google et l'accélération d'OpenAI

La réponse ne tarde pas. Le 19 décembre 2024, Google publie une version expérimentale de Gemini 2.0 Flash Thinking, présenté comme son premier modèle de raisonnement. Sa particularité par rapport à o1 : il expose ses « pensées ». L'utilisateur peut déplier le déroulé du raisonnement et le suivre en temps réel avant d'obtenir la réponse — un choix de transparence opposé à celui d'OpenAI.

Le lendemain, le 20 décembre 2024, OpenAI dévoile o3, successeur d'o1. L'annonce fait du bruit à cause d'un résultat particulier : sur ARC-AGI, un jeu de tests conçu pour évaluer la capacité d'un système à s'adapter à des problèmes inédits, o3 obtient, selon les scores publiés par ARC Prize, 75,7 % en configuration standard et 87,5 % dans une version à très fort budget de calcul. François Chollet, le concepteur d'ARC, décrit ce résultat comme un saut de capacité inédit dans la famille des modèles GPT — tout en rappelant qu'il ne s'agit pas d'une intelligence générale. On retiendra surtout la mécanique : les meilleurs scores exigeaient un budget de calcul très élevé au moment de l'inférence. La performance a un prix, et ce prix se paie en calcul dépensé pour réfléchir.

Le déplacement tient en une phrase : on a cessé de chercher la performance uniquement dans un modèle plus grand pour la chercher aussi dans un modèle qui prend plus de temps. La question n'est plus seulement « quelle taille ? », mais « combien de réflexion ? ».

Janvier 2025 : DeepSeek-R1 rebat les cartes du coût

Le 20 janvier 2025, la société chinoise DeepSeek publie DeepSeek-R1. L'événement marque la vague pour deux raisons distinctes. La première tient à la méthode : DeepSeek montre, avec une variante nommée R1-Zero, que des capacités de raisonnement peuvent émerger par apprentissage par renforcement pur, sans passer d'abord par une phase d'apprentissage supervisé sur des exemples de raisonnement annotés par des humains. Des comportements comme l'autovérification ou la révision de sa propre démarche apparaissent d'eux-mêmes au fil de l'entraînement. La seconde raison tient à l'ouverture : R1, sa variante R1-Zero et six modèles compacts dérivés sont publiés en poids ouverts sous licence MIT, autorisant l'usage commercial, la modification et la réutilisation, y compris pour entraîner d'autres modèles.

L'effet sur le débat public est immédiat. Un modèle de raisonnement aux performances proches des meilleurs systèmes propriétaires, ouvert et documenté, change la conversation. Les analyses parues à sa suite pointent un point de bascule dans l'économie de l'IA générative : la démonstration qu'on peut atteindre un niveau élevé de raisonnement pour un coût nettement inférieur à celui qui semblait requis.

Février 2025 : Anthropic et le raisonnement « hybride »

Le 24 février 2025, Anthropic publie Claude 3.7 Sonnet, qu'elle présente comme le premier modèle « hybride » du marché. L'idée est de réunir dans un seul système deux régimes : une réponse quasi instantanée pour les tâches simples, et un mode de « réflexion étendue » où le modèle raisonne étape par étape, ce raisonnement étant rendu visible à l'utilisateur. Anthropic ajoute un paramètre notable : un budget de réflexion réglable, qui permet aux développeurs de doser finement le temps que le modèle peut consacrer à penser. Le tarif reste identique à celui du modèle précédent — de l'ordre de 3 dollars par million de jetons en entrée et 15 dollars en sortie (tarifs au 24 février 2025, indicatifs, susceptibles d'évoluer), les jetons de réflexion étant comptés dans la sortie.

Ce choix « hybride » mérite d'être noté, car il résout un problème pratique. Un modèle qui réfléchit longtemps à chaque question serait lent et coûteux pour les usages triviaux. En laissant l'utilisateur — ou le modèle lui-même — décider quand mobiliser la réflexion, Anthropic répond à une objection que la première génération de modèles de raisonnement laissait ouverte.

La contribution chinoise ouverte : Qwen et QwQ

Il faut enfin mentionner l'équipe Qwen d'Alibaba, qui a participé à la vague dès son début. Fin novembre 2024, elle publie QwQ-32B-Preview, un modèle de raisonnement d'environ 32,5 milliards de paramètres, sous licence Apache 2.0, avec des poids accessibles publiquement. Sa taille relativement modeste, comparée aux systèmes de plusieurs centaines de milliards de paramètres, en fait un objet d'étude intéressant : il montre que le raisonnement n'est pas réservé aux plus grands modèles. Une version consolidée, QwQ-32B, suit en mars 2025.

Le tableau ci-dessous récapitule cette séquence. Il rend visible la densité de la vague : une poignée de mois, plusieurs continents, des choix d'ouverture opposés.

Modèle	Acteur	Annonce	Ouverture
o1 (preview)	OpenAI	12 sept. 2024	Propriétaire, chaîne masquée
QwQ-32B-Preview	Alibaba (Qwen)	27 nov. 2024	Poids ouverts, Apache 2.0
Gemini 2.0 Flash Thinking	Google	19 déc. 2024	Propriétaire, raisonnement visible
o3 (annonce)	OpenAI	20 déc. 2024	Propriétaire, chaîne masquée
DeepSeek-R1	DeepSeek	20 janv. 2025	Poids ouverts, licence MIT
Claude 3.7 Sonnet	Anthropic	24 févr. 2025	Propriétaire, raisonnement visible, hybride

La lecture : pourquoi ce virage, et pourquoi maintenant

Reste à comprendre ce qui pousse des équipes concurrentes vers une même idée au même moment. Plusieurs logiques se recoupent, et il vaut mieux les tenir ensemble que d'en privilégier une seule.

Une nouvelle manière de dépenser le calcul

Le cœur technique du basculement porte un nom dans la littérature : le calcul au moment du test, ou test-time compute. L'idée consiste à allouer davantage de ressources de calcul à l'inférence — c'est-à-dire au moment où l'on interroge le modèle — plutôt qu'à l'entraînement. Un modèle de raisonnement ne se contente pas de produire une réponse : il génère une longue délibération intermédiaire, explore des pistes, se corrige, puis conclut. Cette délibération consomme des jetons, donc du calcul, donc du temps.

Ce déplacement s'appuie sur des travaux de recherche qui lui donnent une assise. Une analyse empirique publiée en 2024 sur les lois d'échelle d'inférence montre que, sur certaines tâches, augmenter le calcul à l'inférence peut se révéler plus efficace que d'augmenter la taille du modèle. Un modèle compact doté d'une stratégie d'inférence élaborée peut, sur des problèmes de raisonnement, rivaliser avec un modèle bien plus grand utilisé de façon directe. Cette observation ouvre un espace : au lieu de courir sans fin vers des modèles gigantesques, on peut obtenir des gains en laissant des modèles plus raisonnables réfléchir davantage.

Une interprétation possible de la vague : après des années à repousser les limites de l'entraînement, les laboratoires ont trouvé un second levier, complémentaire. La taille du modèle et le temps de réflexion deviennent deux boutons que l'on peut régler séparément.

Le rôle discret mais central de l'apprentissage par renforcement

Un fil technique commun traverse cette génération : l'apprentissage par renforcement appliqué au raisonnement. Plutôt que d'imiter des démonstrations humaines, le modèle est récompensé lorsqu'il parvient à la bonne réponse sur des tâches vérifiables — un problème de mathématiques dont la solution est connue, un programme dont on peut tester l'exécution. La vérifiabilité est ici décisive : elle fournit un signal de récompense fiable, sans intervention humaine massive.

C'est ce que la démonstration de DeepSeek-R1-Zero rend visible avec le plus de netteté. En s'appuyant uniquement sur ce signal, sans amorçage supervisé, le modèle voit émerger des comportements de raisonnement structurés. On peut lire dans ce résultat une bascule méthodologique : le raisonnement cesse d'être quelque chose qu'on injecte par imitation pour devenir quelque chose qui se cultive par entraînement ciblé. Les chiffres avancés dans les publications de recherche associées illustrent l'ampleur du gain sur certaines épreuves de mathématiques, la précision passant d'un niveau modeste à un niveau élevé grâce à l'allongement de la chaîne de raisonnement.

Une dynamique concurrentielle qui accélère la copie

La rapidité de la vague ne s'explique pas seulement par la technique. Elle tient aussi à une logique de rivalité. Quand un acteur publie une idée qui déplace la frontière des capacités, les autres ne peuvent pas rester à l'écart sans risquer de paraître en retard. La chronologie parle d'elle-même : Gemini 2.0 Flash Thinking la veille de l'annonce d'o3, DeepSeek-R1 un mois plus tard, Claude 3.7 le mois suivant. On peut lire cette cadence comme une réaction en chaîne, où chaque publication oblige les suivantes à se positionner.

Cette dynamique a un effet secondaire intéressant : elle a poussé plusieurs acteurs vers l'ouverture. DeepSeek et Qwen ont publié leurs poids, transformant une innovation propriétaire en bien commun réutilisable. On peut y voir un choix stratégique autant que scientifique : pour un acteur qui n'est pas leader sur le segment propriétaire, ouvrir ses modèles est une manière de peser dans l'écosystème, d'attirer les chercheurs et de diffuser son approche. Le raisonnement, né dans des laboratoires fermés, s'est ainsi diffusé très vite dans le domaine ouvert.

La mise en perspective : des choix qui divergent sous une intuition commune

Sous l'apparente unité de la vague, les acteurs ont fait des choix différents. Ces divergences sont instructives, car elles dessinent des paris distincts sur ce que doit être un modèle de raisonnement.

Montrer ou masquer la réflexion

La première ligne de partage concerne la visibilité de la chaîne de pensée. OpenAI a choisi de la masquer, ne livrant qu'un résumé, au motif notamment de préserver un avantage et d'éviter certains usages détournés. Google et Anthropic ont pris le parti inverse : rendre le raisonnement consultable. Ce choix n'est pas anodin. Un raisonnement visible offre à l'utilisateur une forme de contrôle — il peut repérer où le modèle s'égare — et nourrit la confiance. Il expose aussi davantage le fonctionnement du système à l'observation et à la critique.

On peut lire ici deux philosophies. La première privilégie la protection du procédé et une forme de simplicité pour l'utilisateur final. La seconde parie sur la transparence comme argument, en phase avec une demande croissante d'explicabilité, notamment dans les usages professionnels et régulés. Aucune n'est intrinsèquement supérieure ; elles répondent à des priorités distinctes.

Un régime unique ou un régime commutable

La deuxième divergence porte sur l'architecture d'usage. Les premiers modèles de raisonnement fonctionnaient comme des systèmes dédiés : on les interrogeait quand on avait besoin de réflexion, un modèle rapide servant pour le reste. L'approche « hybride » d'Anthropic propose de fondre les deux régimes dans un seul modèle, avec un budget de réflexion réglable. L'utilisateur, ou l'application, décide au cas par cas de la profondeur de délibération.

• Le régime dédié sépare clairement les rôles : un modèle pour la vitesse, un autre pour la profondeur. Simple à comprendre, il oblige toutefois à choisir en amont.
• Le régime hybride unifie l'offre et ajuste l'effort à la difficulté. Il répond à l'objection du coût, mais demande de bien calibrer le budget alloué.
• Le régime ouvert et compact, illustré par QwQ, mise sur des modèles réutilisables et modifiables, au prix d'une intégration à la charge de l'utilisateur.

Ces trois options coexistent aujourd'hui. On peut lire dans leur diversité le signe d'un domaine encore en exploration, où aucune forme n'a définitivement pris le dessus.

Ouvert contre propriétaire : deux voies vers la même capacité

La troisième ligne de partage, la plus commentée, oppose modèles ouverts et modèles propriétaires. D'un côté, OpenAI, Google et Anthropic proposent des systèmes fermés, accessibles via des interfaces payantes. De l'autre, DeepSeek et Qwen publient leurs poids, permettant l'installation locale, l'inspection et la modification. Cette bifurcation existait déjà dans l'IA générative ; la vague du raisonnement l'a prolongée sur un terrain nouveau.

Ce qui rend le contraste saisissant, c'est la proximité des capacités. La démonstration qu'un modèle ouvert peut approcher les performances de raisonnement des meilleurs systèmes fermés, pour un coût sensiblement moindre, a nourri un débat vif sur l'économie du secteur. Une lecture prudente consiste à noter que les deux voies progressent en parallèle et se stimulent : l'ouverture met la pression sur les prix et la diffusion, tandis que les acteurs fermés continuent d'explorer les frontières hautes de la capacité, souvent au prix de budgets de calcul considérables.

La distillation : le raisonnement descend vers les petits modèles

Un phénomène mérite un développement à part, car il prolonge la vague au-delà des grands modèles : la distillation. Le principe consiste à entraîner un modèle compact à imiter les productions d'un modèle de raisonnement plus grand. On demande au grand modèle de résoudre des milliers de problèmes en déroulant sa chaîne de pensée, puis on utilise ces déroulés comme matière d'apprentissage pour un modèle plus petit. Le petit modèle n'a pas découvert le raisonnement par lui-même ; il a appris à reproduire celui d'un aîné plus capable.

Les résultats de cette approche ont surpris par leur ampleur. Lors de la publication de DeepSeek-R1, six modèles compacts distillés ont accompagné la sortie principale, montrant qu'une part substantielle de la capacité de raisonnement pouvait être transférée vers des tailles bien plus modestes. Des travaux ultérieurs ont poussé la logique plus loin : des modèles de l'ordre de quelques milliards de paramètres — parfois moins — atteignent, sur des épreuves de mathématiques réputées difficiles, des scores qui semblaient hors de portée d'objets aussi petits. Sur les compétitions de type AIME, des épreuves de niveau olympiade, des modèles compacts entraînés sur des données ouvertes ont franchi des seuils considérés comme élevés.

La distillation change la portée du basculement : le raisonnement cesse d'être un luxe réservé aux plus grands systèmes pour devenir une capacité transférable, y compris vers des modèles assez légers pour tourner sur des machines modestes.

On peut lire dans ce mouvement une démocratisation technique. Un raisonnement de bonne qualité, longtemps associé à des systèmes lourds et coûteux à faire tourner, devient accessible à des équipes disposant de moyens limités. Cette diffusion a toutefois une contrepartie qui alimente les débats : la distillation à partir d'un modèle suppose l'accès à ses productions, ce qui soulève des questions sur les conditions d'usage des systèmes propriétaires et sur la manière dont la valeur créée par un laboratoire peut être reprise par d'autres. Le sujet n'est pas seulement technique ; il touche à l'économie et aux règles du jeu du secteur.

Évaluer un modèle qui raisonne : un défi en soi

La vague a aussi déplacé la manière d'évaluer les systèmes. Comparer deux modèles de raisonnement ne se résume pas à mesurer une exactitude ; il faut tenir compte du calcul dépensé pour l'obtenir. Un score élevé atteint avec un budget de réflexion très important n'a pas la même signification qu'un score voisin obtenu à moindre coût. C'est précisément ce que les résultats d'o3 sur ARC-AGI ont illustré : la performance de pointe s'accompagnait d'un budget de calcul élevé, ce qui invite à lire les classements avec la variable du coût en tête.

Cette exigence a rendu populaires des épreuves à réponse vérifiable, comme les compétitions de mathématiques, où l'on peut confronter la réponse du modèle à une solution connue sans ambiguïté. Ces jeux de tests présentent un avantage : ils fournissent un signal net. Ils ont aussi une limite qu'il faut garder à l'esprit : ils mesurent une capacité étroite et bien définie, qui ne préjuge pas de la tenue du modèle sur des tâches ouvertes, ambiguës ou dépourvues de vérité de référence. Un modèle brillant en olympiade mathématique peut se révéler ordinaire sur une question de nuance rédactionnelle. L'évaluation des modèles de raisonnement est donc un chantier à part entière, où le chiffre isolé dit peu sans son contexte.

Ce qu'on peut en retenir, sans certitude excessive

La vague des modèles de raisonnement est un fait établi ; ses effets à long terme, eux, restent en partie ouverts. Quelques constats méritent d'être posés avec mesure.

Des gains réels sur les tâches vérifiables

Là où le raisonnement structuré apporte le plus, ce sont les domaines où une réponse peut être vérifiée : mathématiques, programmation, sciences, problèmes logiques. Sur ces terrains, dérouler des étapes intermédiaires, se relire et se corriger produit des résultats mesurables. L'angle de lecture le plus solide est donc celui d'usages plus fiables sur les tâches complexes et vérifiables — pas d'une intelligence soudainement complète. La nuance compte : un modèle qui raisonne mieux en mathématiques ne devient pas pour autant infaillible sur des questions ouvertes, subjectives ou dépourvues de vérité connue.

Des usages où la fiabilité gagne du terrain

Concrètement, où ce surcroît de fiabilité se fait-il sentir ? Le premier domaine est l'assistance à la programmation. Un modèle capable de dérouler les étapes d'un problème, de tester mentalement une solution et de repérer une incohérence avant de la livrer produit un code plus souvent correct, en particulier sur des tâches qui demandent d'enchaîner plusieurs opérations. Anthropic a d'ailleurs mis en avant les progrès de Claude 3.7 Sonnet sur ce terrain, en l'accompagnant d'un outil dédié à la programmation assistée.

Le deuxième domaine regroupe les tâches scientifiques et quantitatives : résolution de problèmes de mathématiques, de physique, analyse structurée d'un énoncé complexe. Là où une réponse directe risquait l'approximation, la délibération intermédiaire permet de vérifier les étapes et de rattraper une erreur en cours de route. Le troisième domaine, plus diffus, concerne les tâches qui exigent de décomposer une consigne en sous-étapes et de les traiter dans l'ordre — ce qui recouvre une part des usages dits « agentiques », où le modèle enchaîne des actions pour atteindre un objectif.

Il faut néanmoins tenir la mesure. Ces gains sont réels et documentés sur des tâches où la vérification est possible ; ils ne transforment pas le modèle en oracle universel. Le bon niveau d'attente est celui d'un outil plus sûr sur un périmètre précis, pas d'une compétence générale soudain acquise. C'est cette nuance qui distingue une lecture utile d'un emballement.

Un coût qui se déplace, mais ne disparaît pas

Le raisonnement au moment de l'inférence a une contrepartie directe : il consomme du calcul et du temps à chaque requête. Là où un modèle classique répond en une passe, un modèle de raisonnement peut générer des milliers de jetons de délibération avant de conclure. Ce coût se répercute sur la latence et sur la facture. Les projections d'analystes anticipent d'ailleurs que l'inférence pèsera une part croissante de la consommation de calcul de l'IA dans les prochaines années. Le basculement ne supprime pas la question des ressources ; il la déplace de l'entraînement vers l'usage.

Un modèle qui réfléchit plus longtemps n'est pas magiquement meilleur en tout : il est meilleur là où la réflexion structurée aide, et plus lourd à faire tourner partout. Le progrès est réel, mais il a un prix qu'il faut nommer.

Des limites à ne pas escamoter

Trois réserves méritent d'être gardées à l'esprit. D'abord, une chaîne de raisonnement visible n'est pas une garantie d'exactitude : un modèle peut produire un déroulé plausible et aboutir néanmoins à une conclusion fausse. La lisibilité aide au repérage, elle ne certifie pas la justesse. Ensuite, l'efficacité du procédé dépend de la vérifiabilité des tâches ; sur des questions sans réponse univoque, le bénéfice est moins net. Enfin, l'allongement de la réflexion se heurte à des rendements décroissants : au-delà d'un certain budget, le gain de précision s'atténue, comme le suggèrent les observations sur la relation entre calcul dépensé et performance.

Une intuition qui reconfigure la carte

Reste l'essentiel. En quelques mois, une même intuition — faire réfléchir le modèle avant qu'il réponde — a été reprise par des équipes aux stratégies opposées, sur plusieurs continents, dans des régimes d'ouverture différents. Ce n'est pas un modèle qui a changé la donne, mais une manière de penser l'usage du calcul. On peut lire ce basculement comme l'ouverture d'un second front dans la course à l'IA : après la bataille de la taille, celle du temps de réflexion. Les deux fronts ne s'excluent pas ; ils se combinent. Et c'est peut-être là que réside l'apport le plus durable de cette séquence : avoir montré qu'il existe plus d'un levier pour améliorer un système, et que la frontière des capacités se déplace désormais sur plusieurs axes à la fois.

Il serait imprudent de conclure que le raisonnement est le dernier mot de cette histoire. Le domaine bouge vite, et la génération suivante apportera ses propres inflexions. Ce qu'on peut affirmer sans forcer le trait, c'est qu'un déplacement a bien eu lieu, qu'il a été collectif, et qu'il a rendu certains usages plus fiables là où la fiabilité était le plus attendue. Le reste — la place exacte que ces modèles occuperont, leur coût réel à grande échelle, la manière dont ouverture et propriété se répartiront le terrain — s'écrit encore.

Sources

• OpenAI — Introducing OpenAI o1-preview (12 septembre 2024)
• Wikipédia — OpenAI o1 (dates, version complète du 5 décembre 2024, chaîne de pensée)
• Wikipédia — OpenAI o3 (annonce du 20 décembre 2024)
• ARC Prize — Scores d'o3 sur ARC-AGI (75,7 % et 87,5 %)
• Google — Gemini 2.0 (mise à jour de décembre 2024)
• TechCrunch — Gemini 2.0 Flash Thinking, premier modèle de raisonnement de Google (19 décembre 2024)
• DeepSeek — Annonce de DeepSeek-R1 (20 janvier 2025)
• arXiv 2501.12948 — DeepSeek-R1 : raisonnement par apprentissage par renforcement
• Hugging Face — DeepSeek-R1 (poids ouverts, licence MIT)
• Anthropic — Claude 3.7 Sonnet, modèle hybride (24 février 2025)
• Anthropic — Réflexion étendue visible et budget de réflexion
• TechCrunch — Alibaba QwQ-32B-Preview (27 novembre 2024, Apache 2.0)
• Wikipédia — Qwen / QwQ-32B (paramètres, licence, poids ouverts)
• arXiv 2408.00724 — Lois d'échelle d'inférence et calcul optimal au moment du test
• Wikipédia — Reasoning model (chaîne de pensée, distillation, mécanismes)
• IntuitionLabs — Benchmark AIME 2025 et raisonnement mathématique des modèles