Technique de prompting qui demande au LLM d'expliciter son raisonnement intermédiaire étape par étape avant de donner une réponse finale, imitant le processus de réflexion humain. Introduit dans un papier Google (Wei et al., 2022), le CoT améliore significativement les performances sur les tâches de raisonnement arithmétique, logique et de common sense, particulièrement pour les modèles grands et les problèmes complexes. La variante zero-shot CoT se déclenche simplement en ajoutant « Réfléchis étape par étape » au prompt. Le self-consistency CoT génère plusieurs raisonnements et choisit la réponse majoritaire. Les modèles de raisonnement (o1, DeepSeek-R1) intègrent le CoT nativement dans leur processus de génération.