Raisonnement avec DeepSeek

Travailler avec DeepSeek en Python

James Chapman

AI Curriculum Lead, DataCamp

Icône de clavardage.

  • Prédit les prochains mots
  • ✅ Large éventail de cas d'usage
  • ❌ Difficile pour les tâches profondes à étapes multiples

Icône de raisonnement.

  • Décomposer les tâches complexes en sous-tâches
  • ✅ Meilleure performance sur les tâches complexes
  • ❌ Plus lent et plus coûteux
Travailler avec DeepSeek en Python

Raisonnement et maths

Un train parcourt 60 miles en 1,5 heure. S'il garde la même vitesse, quelle distance parcourra-t-il en 4 heures, et à quelle heure arrivera-t-il s'il part à 14 h 15 ?

Un train roulant sur une voie.

Travailler avec DeepSeek en Python

Raisonnement et maths

Un train parcourt 60 miles en 1,5 heure. S'il garde la même vitesse, quelle distance parcourra-t-il en 4 heures, et à quelle heure arrivera-t-il s'il part à 14 h 15 ?

  1. Calculer la vitesse (60 ÷ 1,5 = 40 mi/h)

  2. Multiplier par 4 heures pour trouver la distance (40 × 4 = 160 miles)

  3. Ajouter 4 heures à l'heure de départ (14 h 15 + 4 h = 18 h 15)

  4. Retourner : "160 miles, arrivée à 18 h 15"

Travailler avec DeepSeek en Python

Raisonner sur le raisonnement

Le flux de travail de haut niveau : réfléchir, agir et mettre à jour les connaissances.

Travailler avec DeepSeek en Python

Le raisonnement est activé par défaut

response = client.chat.completions.create(
    model="deepseek-ai/DeepSeek-V4-Pro",
    messages=[{"role": "user", "content": train_problem}]
)

print(response.choices[0].message.content)
  • V4-Pro raisonne par défaut → aucun paramètre supplémentaire requis
Travailler avec DeepSeek en Python
print(response.choices[0].message.content)

**Étape 1 - Trouver la vitesse du train**
Vitesse = 60 / 1,5 = **40 mi/h**

**Étape 2 - Distance en 4 heures**
Distance = 40 × 4 = **160 miles**

**Étape 3 - Heure d'arrivée**
14 h 15 + 4 heures = **18 h 15**

**Réponse finale :** 160 miles, arrivée à 18 h 15
Travailler avec DeepSeek en Python

Désactiver le raisonnement

response = client.chat.completions.create(
    model="deepseek-ai/DeepSeek-V4-Pro",
    extra_body={"thinking": {"type": "disabled"}},
    messages=[{"role": "user", "content": prompt}]
)
  • La réflexion est "enabled" par défaut ; passez "disabled" pour l'exclure
  • Sans raisonnement, le modèle agit comme un modèle de clavardage standard
Travailler avec DeepSeek en Python

Monter l'effort

response = client.chat.completions.create(
    model="deepseek-ai/DeepSeek-V4-Pro",
    reasoning_effort="max",
    messages=[{"role": "user", "content": train_problem}]
)

print(response.choices[0].message.content)
  • L'effort par défaut est "high" → définissez "max" pour des problèmes plus ardus
  • Augmenter l'effort de raisonnement augmente les coûts
  • Testez toujours d'abord avec un effort de raisonnement plus faible
Travailler avec DeepSeek en Python

Passons à la pratique !

Travailler avec DeepSeek en Python

Preparing Video For Download...