# Quel effort de réflexion choisir pour une IA, et quand

> Effort faible, moyen, élevé ou maximal : ce que le niveau de réflexion d'une IA change en attente, en coût et en qualité, et comment le régler outil par outil.

- Niveau : Amateur
- Thème : Choisir
- Durée : 10 minutes
- Systèmes : Navigateur, Mac, Windows, Linux
- Publié le 17 novembre 2026, relu le 18 novembre 2026
- Auteur : Ulrich Rozier
- Page : https://quelleia.com/guides/quel-effort-choisir/

La plupart des grands modèles réfléchissent avant de répondre : ils écrivent un brouillon caché, puis la réponse. Le niveau d'effort règle la longueur de ce brouillon. Un effort trop haut peut vous faire attendre longtemps une réponse qu'un effort faible aurait donnée en quelques secondes, et vous la faire payer bien plus cher.

![Même question, trois efforts : plus l'effort monte, plus le modèle écrit de jetons de réflexion et plus vous attendez. La qualité monte aussi, puis plafonne, alors que la facture continue de grimper.](https://quelleia.com/guides/quel-effort-choisir/trois-efforts.svg)

*Même question, trois efforts : plus l'effort monte, plus le modèle écrit de jetons de réflexion et plus vous attendez. La qualité monte aussi, puis plafonne, alors que la facture continue de grimper.*

## Comment ça marche

Avant de répondre, le modèle produit des **jetons de réflexion** : il pose le problème, essaie, vérifie. Ces jetons restent cachés, mais ils occupent la fenêtre de contexte et se paient au prix des jetons de sortie, chez OpenAI comme chez Google.

L'**effort** dit au modèle combien réfléchir. Anthropic propose cinq niveaux (*low*, *medium*, *high*, *xhigh*, *max*), OpenAI des niveaux qui dépendent du modèle, de *none* à *max*, Google des niveaux de *minimal* à *xhigh* selon le modèle. L'effort n'est pas un budget strict. Anthropic le décrit comme un signal : même à effort faible, Claude réfléchit sur un problème assez difficile, seulement moins longtemps.

Les modèles récents de Claude réfléchissent de façon **adaptative** : ils décident eux-mêmes s'il faut réfléchir et combien, selon l'effort fixé. À effort bas, Claude peut sauter la réflexion pour une question simple. Certains modèles anciens se réglaient par un **budget** de jetons de réflexion ; c'est encore le cas de Claude Opus 4.5, avec son paramètre `budget_tokens`.

## Ce que l'effort change, mesuré

Artificial Analysis mesure certains modèles à plusieurs niveaux d'effort : leur indice, le délai avant le premier jeton et le coût d'une tâche, réglage par réglage. QUELLE IA montre ces mesures, à part du score, dans le bloc Artificial Analysis de la fiche de chaque modèle concerné, avec la source et la date du relevé. La fiche de [Claude Fable 5.1](https://quelleia.com/modeles/claude-fable-5-1/) les donne pour ses cinq réglages, celle de [Gemini 4 Carbon](https://quelleia.com/modeles/gemini-4-carbon/) pour les siens.

Sur ces fiches, les réglages vont du plus léger au plus fort, et une ligne calculée sous le tableau donne l'écart entre les deux extrêmes : les points d'indice en plus et le rapport des coûts d'une tâche. Les fiches de [Claude Opus 5.5](https://quelleia.com/modeles/claude-opus-5-5/), de [GPT-6.2 Sol](https://quelleia.com/modeles/gpt-6-2-sol/) et de [Gemini 4 Neon](https://quelleia.com/modeles/gemini-4-neon/) montrent quatre ou cinq niveaux mesurés, avec le réglage par défaut de l'API quand Artificial Analysis le signale.

Ces mesures montrent trois effets :

- **La qualité monte, puis plafonne.** L'indice progresse nettement entre les premiers niveaux et les niveaux élevés. Au-delà, il gagne peu, et il peut même reculer au niveau maximal.
- **L'attente s'allonge beaucoup.** Le délai avant le premier jeton grandit à chaque cran, bien plus vite que la qualité.
- **La facture grimpe.** Le prix par million de jetons ne change pas d'un réglage à l'autre. Le modèle écrit plus de jetons de réflexion, et le coût d'une tâche monte avec l'effort.

Un effort plus bas ne coûte pas toujours moins cher : il arrive qu'un réglage moyen revienne moins cher qu'un réglage faible pour la même tâche, et la mesure ne dit pas pourquoi. Comparez les réglages sur la fiche du modèle avant de trancher.

Les éditeurs disent la même chose dans leur documentation. Pour Claude Fable 5.2, Anthropic écrit que l'essentiel du gain est déjà acquis en *high*, et qu'en *max* le modèle est plus lent et plus cher qu'en *xhigh*, « souvent pour un petit gain ». OpenAI réserve *xhigh* aux cas où vos propres essais montrent un bénéfice net qui justifie l'attente et le coût.

Dans une appli grand public, l'effort se paie en quota. Google prévient que les niveaux de raisonnement élevés consomment davantage les limites de votre forfait ; une fois la limite atteinte, la conversation continue avec Flash-Lite, son plus petit modèle.

## Quel effort pour quelle tâche

| Tâche | Effort conseillé | Pourquoi |
| --- | --- | --- |
| Question simple, définition, traduction courte | Faible | Rien à raisonner : la réponse arrive vite et coûte peu. |
| Rédiger ou reformuler un texte | Faible ou moyen | L'effort change peu la longueur ni le ton ; demandez-les dans votre consigne. |
| Résumer un document | Faible, moyen pour un long document | Croiser plusieurs passages demande un peu de réflexion. |
| Extraire, classer, remplir un tableau | Faible | Anthropic signale qu'un effort maximal peut faire trop réfléchir sur des sorties structurées. |
| Petite modification de code | Moyen | Le bon équilibre conseillé par Anthropic pour le code d'agent bien cadré. |
| Bug difficile, maths, logique | Élevé | Les problèmes à étapes profitent le plus de la réflexion. |
| Agent qui travaille seul plus de 30 minutes | Élevé ou très élevé (*xhigh*) | Anthropic conseille *xhigh* pour les longues tâches de code et d'agent. |
| Mesurer le plafond d'un modèle | Maximal | Rarement utile au quotidien : lent, cher, gain faible. |

**Quand monter d'un cran.** La réponse est superficielle, saute une étape ou se trompe sur un problème à plusieurs étapes. Anthropic conseille alors de relever l'effort plutôt que de contourner le problème par la consigne. À effort faible, dans un long travail d'agent, Claude Haiku 5.5 risque davantage de sauter une recherche, de s'arrêter trop tôt ou d'oublier une vérification.

**Quand descendre d'un cran.** La tâche réussit mais prend plus de temps que nécessaire, ou vous travaillez en aller-retour rapide avec le modèle. Anthropic recommande de baisser l'effort dans ces deux cas.

**Quand l'effort élevé fait pire.** Sur une tâche simple, vous attendez pour rien. Sur une sortie structurée, le modèle peut trop réfléchir, selon Anthropic. Et par l'API, la réflexion compte dans le plafond `max_tokens` : Anthropic demande de le prévoir large dès *high*, sinon la réponse risque d'être coupée.

## Le régler dans les applis

### Claude (claude.ai et applis)

1. Cliquez sur le nom du modèle, à côté du bouton d'envoi.
2. Cliquez sur **Effort**, puis choisissez un niveau : Low, Medium, High, Extra high (sur Opus 4.7 et plus récents) ou Max. Le niveau par défaut de chaque modèle porte la mention « Default ».
3. Pour la réflexion, survolez **Effort** et basculez l'interrupteur **Thinking** (ou **Extended** selon le modèle).

La réflexion ne se coupe pas sur Claude Fable 5.2, Fable 5.1, Opus 5.5, Opus 5, Sonnet 5.5 et Haiku 5.5 : seul l'effort se règle.

### Gemini

Le choix manuel demande un forfait Google AI.

1. En bas de la fenêtre de discussion, appuyez sur le modèle sélectionné.
2. Appuyez sur le modèle voulu.
3. Si vous le souhaitez, choisissez le **niveau de raisonnement** : Faible, Moyen ou Élevé. Sans choix de votre part, Gemini reste en Faible.

### Vibe, ex-Le Chat (Mistral)

1. Ouvrez l'onglet **Chat**.
2. Choisissez le mode **Think**, à droite de la fenêtre de discussion (le mode par défaut est **Fast**). Il reste actif tant que vous ne changez pas de mode.

Mistral présente ce mode comme hérité de l'ancien Chat : dans Vibe Work, le modèle raisonne étape par étape de lui-même quand la tâche l'exige.

### ChatGPT et Grok

Les pages d'aide d'OpenAI refusent les lecteurs automatiques, et nous n'avons pas relu de page officielle de Grok sur ce réglage le 17 novembre 2026. Nous ne décrivons donc pas leurs menus ici.

## Le régler dans les agents de code

### Claude Code

Dans une session, la commande `/effort` ouvre un curseur ; `/effort high` fixe directement le niveau, `/effort auto` revient au niveau par défaut. Dans `/model`, les flèches gauche et droite règlent aussi l'effort. Pour une seule session, lancez :

```bash
claude --effort high
```

Pour un réglage durable, la clé `effortLevel` des réglages accepte `low`, `medium`, `high` ou `xhigh` (*max* n'y est pas accepté), et la variable d'environnement `CLAUDE_CODE_EFFORT_LEVEL` fait de même. Claude Fable 5.2, Opus 5.5, Sonnet 5.5 et Haiku 5.5 partent en *medium* par défaut.

### Codex

Dans une session, la commande `/model` choisit le modèle et son effort :

```text
/model --reasoning=high
```

Pour un réglage durable, ajoutez la clé `model_reasoning_effort` dans `~/.codex/config.toml` :

```toml
model_reasoning_effort = "high"
```

Les niveaux possibles dépendent du modèle : `low`, `medium`, `high`, `xhigh`, `max` ou `ultra`.

### Gemini CLI

La documentation des réglages de Gemini CLI, relue le 17 novembre 2026, ne propose aucun réglage d'effort de réflexion ; seul l'affichage de la réflexion se règle (`ui.inlineThinkingMode`, dans `~/.gemini/settings.json`).

## Le régler par l'API

Chez OpenAI, l'effort passe par le champ `reasoning` de l'API Responses :

```python
from openai import OpenAI

client = OpenAI()
response = client.responses.create(
    model="gpt-6.2-astra",
    reasoning={"effort": "low"},
    input="Résume ce contrat en cinq points.",
)
```

Chez Anthropic, par `output_config.effort` :

```python
import anthropic

client = anthropic.Anthropic()
response = client.messages.create(
    model="claude-opus-5-5",
    max_tokens=4096,
    messages=[{"role": "user", "content": "Trouve le bug dans ce code."}],
    output_config={"effort": "medium"},
)
```

Chez Google, par `thinking_level` dans la configuration de génération :

```python
generation_config={
    "thinking_level": "low"
}
```

> **Bon à savoir.** Anthropic et OpenAI le répètent dans leur documentation : le bon niveau se mesure sur vos propres tâches. Lancez la même demande à deux niveaux, comparez la réponse, l'attente et le coût, puis gardez le plus bas qui donne satisfaction.

## Pour aller plus loin

- [Classement Raisonnement des modèles de langage](https://quelleia.com/classement/raisonnement/)
- [Classement Agents des modèles de langage](https://quelleia.com/classement/agents/)
- [Claude fable 5 1](https://quelleia.com/modeles/claude-fable-5-1/)
- [Gemini 4 carbon](https://quelleia.com/modeles/gemini-4-carbon/)
- [Claude opus 5 5](https://quelleia.com/modeles/claude-opus-5-5/)
- [Gpt 6 2 sol](https://quelleia.com/modeles/gpt-6-2-sol/)
- [Gemini 4 neon](https://quelleia.com/modeles/gemini-4-neon/)
- [Claude Code](https://quelleia.com/outils/claude-code/)
- [Codex](https://quelleia.com/outils/codex/)
- [Jetons, prix au million et vrai coût d'une tâche](https://quelleia.com/guides/jetons-et-prix.md) (guide, amateur)
- [Installer son premier agent de code : Claude Code, Codex, Vibe](https://quelleia.com/guides/premier-agent-de-code.md) (guide, amateur)
- [Harnais : pourquoi un même modèle change d'un outil à l'autre](https://quelleia.com/guides/harnais.md) (guide, amateur)

## Sources

- https://platform.claude.com/docs/en/build-with-claude/effort (lue le 17 novembre 2026)
- https://developers.openai.com/api/docs/guides/reasoning (lue le 17 novembre 2026)
- https://aistudio.google.com/docs/thinking (lue le 17 novembre 2026)
- https://support.claude.com/en/articles/8664678-change-the-model-effort-and-thinking-settings (lue le 17 novembre 2026)
- https://support.google.com/gemini/answer/18648722?hl=fr (lue le 17 novembre 2026)
- https://docs.mistral.ai/fr/vibe/chat-legacy/think-mode (lue le 17 novembre 2026)
- https://code.claude.com/docs/en/model-config (lue le 17 novembre 2026)
- https://learn.chatgpt.com/docs/cli/slash-commands/ (lue le 17 novembre 2026)
- https://learn.chatgpt.com/docs/config-file/config-reference (lue le 17 novembre 2026)
- https://geminicli.com/docs/cli/settings/ (lue le 17 novembre 2026)
