Modèles de raisonnement à poids ouverts : ce que coûte la réflexion, et comment choisir

Ce qu'un modèle de raisonnement fait de différent

Avant de répondre, un modèle de raisonnement produit une phase de réflexion : il explore le problème, vérifie des résultats intermédiaires, se corrige, puis rédige sa réponse. Dans une API compatible OpenAI, ces tokens sont comptés dans completion_tokens, et certains opérateurs renvoient aussi la réflexion dans un champ distinct, à côté de la réponse.

Chez Evanesca, les tokens de complétion — raisonnement compris — sont facturés au prix de sortie du modèle (documentation de l'API). Toute l'économie de ces modèles est là : leur réflexion se rentabilise sur les maths, la planification, le code délicat ou l'analyse en plusieurs étapes, et se gaspille sur un résumé, une extraction ou une question simple.

Le coût est dans la réflexion

Comparez les modèles de raisonnement sur les tokens de sortie par réponse utile, pas sur le prix au million. Une illustration, pas une mesure : une question de 300 tokens et une réponse de 400 tokens, puis la même réponse après 2 000 tokens de réflexion, aux prix d'Evanesca.

La réponse visible est la même dans les deux colonnes ; seule la réflexion a changé. Deux modèles aux tarifs identiques peuvent donc coûter plusieurs fois plus l'un que l'autre si l'un réfléchit trois fois plus longtemps pour le même résultat — c'est pourquoi le chiffre à mesurer est la réflexion qu'un modèle consacre à vos problèmes.

Le budget de réflexion, et comment le régler

La surprise la plus fréquente est une réponse vide. Appelé avec un max_tokens trop petit, un modèle de raisonnement peut dépenser tout son budget à réfléchir et s'arrêter avant d'écrire quoi que ce soit, avec finish_reason à « length ». Omettez max_tokens, ou laissez-lui au moins 1 000 tokens environ.

Plusieurs éditeurs offrent un réglage de la durée de réflexion ; leurs fiches, relues le 6 octobre 2026, le décrivent. La fiche d'OpenAI pour GPT-OSS 120B propose un effort de raisonnement bas, moyen ou élevé (fiche du modèle). Celle de DeepSeek pour DeepSeek V4 Flash propose low, high et max, et recommande de prévoir jusqu'à 384K tokens de sortie aux deux niveaux les plus hauts (fiche du modèle). Celle de Qwen indique que Qwen3.8 27B réfléchit par défaut et peut s'en abstenir, requête par requête (fiche du modèle). Evanesca transmet les paramètres de la requête à l'opérateur ; qu'un opérateur applique tel ou tel paramètre relève de son choix, alors vérifiez les chiffres d'usage renvoyés.

La réflexion prend aussi du temps : sur un long prompt, un modèle de raisonnement peut travailler plusieurs minutes avant que la réponse soit complète. Relevez le délai d'attente de votre client HTTP, ou recevez la réponse en streaming.

Les modèles de raisonnement à poids ouverts d'Evanesca

Le catalogue d'Evanesca signale ces modèles comme modèles de raisonnement, classés par prix de sortie :

Mistral Large 4, Apertus v1.5 70B, Gemma 4 26B, Mistral Small 4, Qwen3 Coder 30B, Qwen3 235B, Mistral Small 3.2, Llama 3.3 70B et Pixtral 12B ne portent pas la mention raisonnement : le catalogue ne signale que ce qui est établi, si bien qu'une mention absente veut dire « non établi », jamais « non ».

La fenêtre de contexte se lit chez l'opérateur, pas sur la fiche

La fiche d'un modèle dit ce dont les poids sont capables ; l'opérateur décide de ce qu'il sert. La fiche de Z.ai pour GLM-5.2 annonce un « solid 1M-token context » (fiche du modèle) ; Scaleway le sert avec 256k. La fiche de Qwen pour Qwen3.8 27B indique que sa propre version hébergée offre 1M de tokens par défaut ; Scaleway sert 256k. Le catalogue affiche le chiffre de l'opérateur ; les fiches ont été relues le 6 octobre 2026.

Cela compte davantage pour un modèle de raisonnement, car la réflexion occupe elle aussi la fenêtre. La plus large fenêtre de la liste d'Evanesca est aujourd'hui de 1M.

Mesurer sur vos propres prompts

1. Rassemblez dix à vingt de vos prompts réels les plus difficiles — ceux qu'un modèle de chat ordinaire rate.
2. Soumettez-les à chaque candidat avec les mêmes réglages.
3. Notez les réponses vous-même, sur leur exactitude plutôt que leur longueur.
4. Relevez les tokens de complétion de chaque réponse dans l'objet usage.
5. Divisez le coût total par le nombre de réponses justes, et recommencez avec un modèle moins cher.

Les classements sont un point de départ, pas un verdict. Ils changent souvent, récompensent la familiarité avec des formats de test connus et ne disent rien du nombre de tokens qu'un modèle passe à réfléchir — le chiffre qui fait votre facture. Au token, une évaluation ciblée coûte quelques centimes, et Evanesca affiche le coût exact sous chaque réponse.

Lequel pour quel usage

• Raisonnement profond — maths difficiles, planification, code ardu : les plus grands modèles rentabilisent leur réflexion. Comparez-les sur vos propres exemples.
• Volume, ou travail varié : un modèle de raisonnement moins cher qui réfléchit moins peut être le meilleur achat, même s'il est un peu moins fort en face-à-face.
• Agents : regardez la colonne appel d'outils, puis vérifiez chez l'opérateur que vous utiliserez (comment vérifier l'appel d'outils).
• Travail qui doit rester sous droit européen : tous les modèles d'Evanesca tournent en Europe.

Et beaucoup de tâches n'ont pas besoin d'un modèle de raisonnement : envoyez résumés et extractions à un modèle de chat ordinaire, et gardez les modèles qui réfléchissent pour les problèmes qui le demandent. Le prix de chaque modèle figure sur la page des tarifs ; le guide des modèles à poids ouverts couvre le reste du catalogue.

Questions fréquentes

À lire aussi

• Modèles d'IA à poids ouverts en 2026 : lequel pour quel usage, et qui les exécuteLes modèles à poids ouverts de 2026 — GLM, Qwen, DeepSeek, GPT-OSS, Llama, Mistral — classés par usage, avec taille, licence, prix et société qui les exécute.
• Qu'est-ce qu'un modèle à poids ouverts, et que faire de ses poids ?Un modèle à poids ouverts publie ses poids, appris à l'entraînement : ce que vous obtenez, ce qui manque, la mémoire qu'ils demandent, qui peut les exécuter.
• Qu'est-ce que l'IA open source ?L'IA open source se laisse utiliser, étudier, modifier et partager, avec ses poids, son code et l'information sur ses données. Ce qui compte, ce que ça change.