18 modèles IA testés : 7 imposent le raisonnement

👁 118 lectures

Lors du travail avec les modèles via l’interface de programmation, il était jusqu’à présent possible de désactiver le raisonnement avec un seul paramètre. Le modèle cessait de réfléchir à voix haute et répondait immédiatement, ce qui permettait d’économiser du temps et de l’argent pour les tâches simples. Nous avons testé dix-huit modèles aujourd’hui et découvert quelque chose d’inattendu.

Sept d’entre eux rejettent cette tentative avec une erreur. Ces sept modèles sont tous de dernière génération. Les onze qui permettent encore cette désactivation sont tous des modèles plus anciens.

Quels modèles retirent le choix

Le message est à chaque fois le même et ne laisse aucune place à la discussion :

Reasoning is mandatory for this endpoint and cannot be disabled.

La division est étonnamment nette. Il ne s’agit ni du fabricant ni du prix, car des modèles OpenAI, Anthropic, Google et Z.ai se trouvent des deux côtés. Il s’agit de la génération. GLM 5.2 le permet, GLM 5.3 ne le permet plus. Claude Sonnet 4.6 le permet, Claude Fable 5.1 ne le permet plus. Même entreprise, même paramètre, réponse différente.

Pourquoi cela coûte cher et pas seulement irritant

Les tokens de raisonnement sont facturés comme des tokens de sortie ordinaires, c’est-à-dire du côté le plus cher du tarif. Vous payez pour du texte que vous ne verrez jamais.

Nous avons mesuré la quantité. Dans un test de six tâches courtes en polonais, la part du raisonnement dans la sortie totale était de :

• GPT-6 Astra : de 52 à 95 pour cent
• GLM 5.3 Flash : de 68 à 96 pour cent
• Gemini 3.8 Flash lors de la rédaction d’un article : 985 tokens de raisonnement
• Kimi K3 pour le même article : 4 667 tokens de raisonnement

Pour une tâche où nous demandions deux phrases, l’un des modèles a produit 659 tokens de sortie, dont 625 étaient de la réflexion. Nous avons reçu deux phrases et une facture pour vingt fois plus de texte.

Nous avons décrit le cas le plus extrême séparément : lors d’une demande d’article, GLM 5.3 Flash a consommé toute la limite de huit mille tokens en raisonnement et a retourné zéro mots, tout en émettant une facture.

Ce que cela signifie pour le prix affiché

Si le raisonnement représente en moyenne quatre-vingt-cinq pour cent des tokens de sortie et qu’il ne peut pas être désactivé, alors le prix visible sur la fiche du modèle décrit quelque chose de différent de ce que vous payez réellement. Pour chaque token que vous verrez, vous payez à peu près autant que pour six que vous ne verrez pas.

C’est le deuxième multiplicateur après celui que nous avons décrit précédemment : le même modèle est hébergé par une quinzaine d’entreprises avec leurs propres tarifs, et l’écart atteint quatorze fois. Les deux agissent dans la même direction et les deux sont invisibles tant que vous ne commencez pas à lire le coût sur la facture au lieu de l’estimer à partir du tarif.

Est-ce une mauvaise chose

Pas dans toutes les applications. Pour une tâche difficile, le raisonnement améliore réellement le résultat et payer pour cela est alors justifié. Le problème est que pour une tâche banale, vous payez exactement la même chose et vous n’avez pas le choix.

Le fabricant a sa propre logique : un modèle avec le raisonnement désactivé obtient de moins bons résultats aux tests et gâche l’impression du produit. Nous comprenons cela. Cela ne change cependant pas le fait que lors de la transcription de texte d’un format à un autre, personne n’a besoin que le modèle considère d’abord trois approches.

Comment gérer cela en pratique

Pour les tâches simples et massives, choisissez des modèles de la génération précédente. Pour la transcription, le résumé et l’organisation de données, DeepSeek V4 Flash avec le raisonnement désactivé fait la même chose pour une fraction du prix. Nous avons mesuré qu’il a écrit un article de neuf cents mots pour 0,00039 dollar, sans un seul token de raisonnement.

Gérez l’erreur 400 dans votre code. Si votre programme envoie ce paramètre de manière fixe, après avoir changé de modèle, il cessera de fonctionner entièrement. C’est exactement ce qui nous est arrivé : notre générateur d’actualités envoyait la désactivation du raisonnement à chaque requête et après le passage à un modèle plus récent, il aurait retourné une erreur au lieu du texte. Nous avons ajouté la détection de cette erreur et une nouvelle tentative sans ce paramètre.

Enregistrez le coût de la réponse, pas du tarif. Il suffit de demander à l’interface la facturation, et à chaque réponse vous obtiendrez le montant réel et le nombre de tokens de raisonnement. Sans cela, vous ne remarquerez pas que la moitié de la facture va à du texte qui n’est pas à l’écran.

Pour les modèles avec raisonnement obligatoire, donnez une limite de tokens plus élevée. Sinon, le modèle la brûlera en réflexion et retournera une réponse vide avec un statut de succès. C’est une panne qui n’est pas visible dans les logs, car formellement rien n’a échoué.

Comment nous avons testé

Dix-huit modèles, le 10 septembre 2026, une requête minimale à chacun avec le paramètre désactivant le raisonnement et une limite de dix tokens, pour que le test soit peu coûteux. Seuls le code de réponse et le contenu du message d’erreur comptent, donc le résultat est sans ambiguïté et facile à reproduire.

La liste des modèles qui bloquent la désactivation va croître, car elle suit les nouvelles versions. Nous mettrons à jour ce texte lorsque d’autres s’ajouteront.

Nous avons rassemblé davantage de mesures des mêmes modèles, mais du côté de la qualité et de la facturation, dans des textes sur quel modèle écrit le mieux en polonais, combien coûte un article écrit par IA et si la fenêtre de contexte promise fonctionne vraiment.

// lire la suiteGPT-6.1 Terra : quel niveau de raisonnement choisir ?BenchmarksGPT-6 Cyber vs Claude Mythos vs Gemini 4 Carbon : comparatifBenchmarksGemini Omni 1.2 : mouvements de caméra et plans FPV testésBenchmarks

Kinetyra