📚 Sources

• Brown et al. — Language Models are Few-Shot Learners (GPT-3, 2020).
• Wei et al. — Chain-of-Thought Prompting Elicits Reasoning in Large Language Models (2022).
• Kojima et al. — Large Language Models are Zero-Shot Reasoners (« Let’s think step by step », 2022).
• Yao et al. — Tree of Thoughts: Deliberate Problem Solving with LLMs (NeurIPS 2023).
• Besta et al. — Graph of Thoughts: Solving Elaborate Problems with LLMs (2023).
• Recherche 2025 sur la redondance du CoT explicite avec les modèles de raisonnement (inference-time reasoning, OpenAI o1 et suivants) — domaine actif.
• Documentations produit et communications des éditeurs OpenAI, Anthropic, Google (états mi-2026) pour les noms de moteurs et leurs points forts. ⚠️ Versions et classements évoluent tous les 2-3 mois ; les comparaisons d’assistants sont illustratives, à recouper au moment de la lecture.