La dernière famille GPT-5.6 d’OpenAI se décline en trois tailles, et chacune propose cinq à six niveaux d’effort de raisonnement. Ce petit menu déroulant a l’air anecdotique à côté du choix du modèle. C’est pourtant lui qui décide, à la fin du mois, de votre facture d’inférence.
On compare les tailles, on soupèse les modèles, et on laisse ce menu sur son réglage par défaut. C’est souvent là que se joue l’addition. Un même modèle peut répondre en trois secondes ou dérouler de longues pages de réflexion pour un gain nul, selon le régime auquel on le fait tourner. Comprendre ce curseur, c’est cesser de payer un raisonnement dont votre tâche n’a pas besoin.
D’où viennent ces six niveaux d’effort
Rappel utile : cela fait bientôt deux ans qu’OpenAI a lancé o1, le modèle qui a popularisé l’idée de « modèle de raisonnement ». DeepSeek-R1 a suivi quatre mois plus tard, en publiant cette fois la recette d’entraînement, baptisée RLVR (apprentissage par renforcement à récompenses vérifiables). Depuis, ces modèles ne sont plus une curiosité : ils sont devenus un composant standard de chaque sortie.
Le principe du RLVR est brutalement simple. On entraîne le modèle en lui donnant un signal de récompense binaire : 1 si la réponse est correcte, 0 sinon. Encore faut-il pouvoir vérifier automatiquement la justesse. C’est possible sur deux terrains, et deux seulement : les mathématiques, où un vérificateur symbolique comme SymPy ou WolframAlpha tranche, et le code, qu’un compilateur, des tests unitaires ou une plateforme comme LeetCode valident.
Les six réglages d’effort ne sortent donc pas d’un bouton posé après coup. Ils prolongent cette logique : on apprend au modèle à ajuster la longueur de son cheminement, du mode le plus expéditif au plus fouillé. La version Ultra de GPT-5.6 pousse le curseur d’un cran supplémentaire, avec un niveau d’effort proche du mode Max mais accéléré par quatre sous-agents travaillant en parallèle.
Chaque cran multiplie les jetons, pas forcément la qualité
C’est là que le chiffre mérite d’être décortiqué. Six niveaux d’effort, ce n’est pas six paliers d’intelligence rangés du moins bon au meilleur. C’est un arbitrage à trois variables : le coût, la latence et la fiabilité. Chaque cran de plus multiplie le nombre de jetons de réflexion générés avant la réponse, donc la durée et l’addition.
Or ce surcoût n’achète pas toujours une meilleure réponse. Sur une extraction de données, une reformulation, un routage de requête, le mode le plus élevé produit des pages de raisonnement pour aboutir au même résultat que le mode rapide. Vous payez, littéralement, le modèle pour qu’il réfléchisse à voix haute sans que cela change la sortie. Le mode le plus cher n’est le bon que quand la tâche est réellement difficile et vérifiable.
Concrètement, quand vous assemblez une chaîne d’agents, le bon réglage par défaut n’est pas le mode maximal « au cas où ». C’est le plus économe qui passe vos tests, la montée en effort restant réservée aux étapes qui l’exigent vraiment.
La trace de raisonnement n’entraîne même pas le modèle
Une précision technique éclaire tout le reste. Un « modèle de raisonnement » ne raisonne pas au sens humain : il produit une trace intermédiaire, une sorte de brouillon qui déroule la tâche étape par étape avant de répondre. Le terme est trompeur, comme l’est déjà celui de « réseau de neurones », qui ne fonctionne pas comme un cerveau.
Plus surprenant : cette trace ne sert même pas à entraîner le modèle. Les auteurs de DeepSeek-R1 racontent avoir essayé d’exploiter ce cheminement intermédiaire pendant l’entraînement, sans bénéfice mesurable. Ils l’ont donc abandonné. Seul comptait le signal final, juste ou faux.
La leçon est directe pour votre usage. Ces longues pages de réflexion que le modèle affiche ne sont pas une garantie de qualité, ni un objet à collectionner. Ce sont un moyen, dont le coût grimpe avec l’effort, et dont la valeur ne se juge qu’à la justesse de la réponse finale. Facturer plus de trace ne rend pas la sortie plus fiable par magie.
Doser l’effort plutôt que surpayer le calcul
Il existe deux façons d’améliorer les performances d’un modèle : la montée en puissance à l’entraînement, et la montée en puissance à l’inférence, c’est-à-dire au moment où il répond. Les réglages d’effort sont exactement ce second levier, offert directement à l’utilisateur, requête par requête. OpenAI n’est d’ailleurs pas seul à l’exposer ainsi : Anthropic propose des niveaux d’effort comparables sur Claude, et Google des paliers de réflexion sur Gemini. Le calcul d’inférence devient un curseur explicite, entre les mains de l’utilisateur, chez tous les grands acteurs.
Le bon réflexe consiste à traiter ce curseur comme une variable de votre architecture, au même titre que le choix du modèle. Cartographiez vos étapes : lesquelles relèvent de tâches vérifiables et difficiles (mathématiques, génération de code, planification) et méritent un effort élevé, lesquelles sont de simples transformations qui tourneront très bien en mode minimal. Mesurez le coût réel de chaque cran sur vos propres requêtes plutôt que de faire confiance à l’intuition.
Deux ans après o1, l’effort de raisonnement est passé du laboratoire au tableau de bord de l’utilisateur. Ce qui sépare une facture maîtrisée d’une facture gonflée tient désormais en un geste : mesurer ce que chaque cran coûte vraiment sur vos requêtes, et n’accorder au modèle que la dose de réflexion que la tâche mérite.
