Le Chain of Thought (chaîne de pensée) est une technique de prompting qui consiste à guider un modèle de langage pour qu'il décompose un problème en étapes intermédiaires avant de donner la réponse finale. Au lieu de passer directement au résultat, le modèle expose son raisonnement de manière séquentielle, ce qui améliore notablement ses performances dans les tâches nécessitant de la logique, des mathématiques ou plusieurs étapes de déduction.
Son importance réside dans le fait qu'il exploite une capacité émergente des grands modèles : mieux raisonner lorsqu'ils « pensent à voix haute ». Il suffit d'ajouter des instructions telles que « réfléchissez étape par étape » pour activer ce comportement. Il existe des variantes courantes :
- Zero-shot CoT : il est demandé de raisonner étape par étape sans exemples préalables.
- Few-shot CoT : des exemples résolus montrant le raisonnement sont inclus.
Une nuance pratique : le CoT fonctionne mieux sur les grands modèles et ne garantit pas toujours des réponses correctes, car le modèle peut générer des raisonnements plausibles mais erronés. Néanmoins, il rend le processus plus transparent et vérifiable, facilitant la détection des failles logiques.