System 2 Thinking : Définition et Exemples

Le System 2 Thinking est un concept issu des travaux du psychologue et prix Nobel Daniel Kahneman, présenté dans son ouvrage "Thinking, Fast and Slow" (2011). Il distingue deux systèmes cognitifs : le System 1, rapide, automatique et intuitif, et le System 2, lent, conscient et analytique. Le System 2 est mobilisé lorsqu'une tâche exige concentration, calcul ou raisonnement logique — par exemple résoudre un problème mathématique complexe ou évaluer la validité d'un argument.

En intelligence artificielle et en prompt engineering, le concept de System 2 Thinking a été adopté pour décrire les techniques qui poussent un modèle de langage à "réfléchir avant de répondre". Par défaut, un LLM génère du texte token par token de manière séquentielle, ce qui s'apparente davantage au System 1 : une production fluide mais parfois superficielle. En introduisant des instructions explicites de raisonnement pas à pas (chain-of-thought), on force le modèle à simuler un processus délibératif plus proche du System 2.

Les techniques associées au System 2 Thinking incluent le chain-of-thought prompting, le self-consistency (générer plusieurs raisonnements puis sélectionner le plus cohérent), le tree-of-thought (explorer plusieurs branches de raisonnement), et plus récemment les modèles dits "de raisonnement" comme o1 ou Claude avec extended thinking. Ces approches améliorent significativement les performances sur les tâches de logique, mathématiques, programmation et analyse complexe.

L'enjeu pratique est de savoir quand activer ce mode de pensée approfondie. Toutes les requêtes ne nécessitent pas un raisonnement élaboré — une question factuelle simple n'a pas besoin de chain-of-thought. Le prompt engineer doit donc calibrer le niveau de réflexion demandé au modèle en fonction de la complexité de la tâche, en trouvant le bon équilibre entre qualité de réponse et coût computationnel.