---
title: "Réponse LLM vide ? Tokens de raisonnement et max_tokens"
description: "DeepSeek V4.1 Flash, GLM 5.3 et Qwen3.8 27B réfléchissent avant de répondre, et ce raisonnement compte dans max_tokens. Comment éviter les réponses vides."
url: https://broadrouter.com/fr/guides/reasoning-tokens-empty-response/
lang: fr
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traduit de l’anglais avec l’aide de l’IA. [Lire l’original en anglais](https://broadrouter.com/guides/reasoning-tokens-empty-response/) (mis à jour le 2026-11-16).

# Pourquoi un modèle de raisonnement renvoie une réponse vide

Mis à jour 2026-11-16

Le modèle a dépensé tout le budget max\_tokens en raisonnement avant de commencer la réponse visible. Sur BroadNet Inference, DeepSeek V4.1 Flash, GLM 5.3 et Qwen3.8 27B raisonnent d’abord, et le raisonnement compte dans max\_tokens. Prévoyez 1 000 tokens ou plus, ou réglez reasoning\_effort sur low.

Vous envoyez un prompt court avec `max_tokens: 100`, la requête réussit, et `choices[0].message.content` est vide. Rien n’est cassé : la réponse n’a simplement jamais commencé.

## Ce qui se passe

Les modèles de raisonnement écrivent une chaîne de pensée cachée avant la réponse visible. Les deux partagent un même budget `max_tokens`. Avec une limite basse, le raisonnement consomme tout, et dans le format standard des chat completions, `finish_reason` vaut alors `length`.

## Trois solutions

**1\. Laisser de la marge.** Réglez `max_tokens` sur 1 000 ou plus, comme le conseille la documentation de BroadNet. Le [calculateur de max\_tokens pour modèles de raisonnement](https://broadrouter.com/tools/reasoning-token-budget/) dimensionne la limite selon la longueur de votre réponse et affiche le coût.

**2\. Raisonner moins.** Réglez `reasoning_effort` sur `low` pour les tâches simples :

```python
import os
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])

response = client.chat.completions.create(
    model="broadnet/deepseek-v4.1-flash",
    reasoning_effort="low",
    max_tokens=1000,
    messages=[{"role": "user", "content": "Classify: 'refund my order' -> intent?"}],
)
```

**3\. Surveiller l’usage.** Quand le modèle le renvoie, `usage.completion_tokens_details.reasoning_tokens` indique la part consacrée au raisonnement :

```python
print(response.choices[0].finish_reason)                       # "length" means the budget ran out
details = response.usage.completion_tokens_details             # None if the model doesn't report it
print(details.reasoning_tokens if details else "not reported")
```

En streaming, ajoutez `stream_options={"include_usage": True}` : le même usage arrive dans le dernier chunk. Voir [le streaming des chat completions](https://broadrouter.com/fr/guides/streaming-chat-completions/).

## Quels modèles raisonnent

| Modèle | Raisonne d’abord |
| --- | --- |
| DeepSeek V4.1 Flash (`broadnet/deepseek-v4.1-flash`) | Oui |
| GLM 5.3 (`broadnet/glm-5.3`) | Oui |
| Qwen3.8 27B (`broadnet/qwen3.8-27b`) | Oui |
| BroadNet Gemma 4 VL 26B (`broadnet/gemma-4-26b-a4b`) | Non indiqué |

## Dépannage

-   **`content` vide, `finish_reason` vaut `length`.** Augmentez `max_tokens` ou réglez `reasoning_effort` sur `low`.
-   **`content` vide, `finish_reason` vaut `stop`.** La limite n’était pas en cause. Vérifiez votre prompt et affichez la réponse complète pour voir ce qui est revenu.
-   **`AttributeError` sur `completion_tokens_details`.** Le modèle n’a pas renvoyé le détail pour cette requête ; prévoyez le cas `None` comme dans l’exemple ci-dessus.
-   **Un premier token lent en streaming.** Le modèle raisonne avant d’écrire la réponse. Un `reasoning_effort` plus bas peut raccourcir l’attente.

Si vous faites tourner des agents toute la journée, les tokens de raisonnement s’accumulent à l’usage. Le [calculateur de prix BroadNet](https://broadrouter.com/fr/pricing/) montre à partir de quand un [forfait illimité](https://broadrouter.com/fr/guides/unlimited-llm-api-sessions/) à prix fixe revient moins cher.

## Termes de ce guide

[Streaming](https://broadrouter.com/fr/glossary/streaming/)

Le streaming est une manière de renvoyer la réponse d’un modèle de langage par petits chunks pendant sa génération, plutôt qu’en un seul bloc à la fin. Les API compatibles OpenAI streament via des server-sent events quand la requête règle stream sur true.

[Token](https://broadrouter.com/fr/glossary/token/)

Un token est l’unité de texte qu’un modèle de langage lit et écrit : un mot, une partie de mot, un signe de ponctuation ou une suite d’octets produite par le tokenizer du modèle. Les API LLM comptent, limitent et facturent généralement l’usage en tokens.

[API Chat Completions](https://broadrouter.com/fr/glossary/chat-completions-api/)

L’API Chat Completions est l’endpoint HTTP d’OpenAI, POST /v1/chat/completions, qui reçoit un nom de modèle et une liste de messages associés à un rôle, et renvoie le message suivant du modèle. Sa forme de requête et de réponse est devenue le format commun que reprennent les fournisseurs et SDK compatibles OpenAI.

[Appel d’outils (tool calling, function calling)](https://broadrouter.com/fr/glossary/tool-calling/)

L’appel d’outils, aussi appelé function calling, est une fonctionnalité des API LLM dans laquelle le modèle renvoie une demande structurée d’exécution d’une fonction définie par le développeur, avec des arguments JSON. L’application exécute la fonction et renvoie le résultat ; le modèle n’exécute jamais de code lui-même.

[Chaîne de pensée (chain-of-thought, CoT)](https://broadrouter.com/fr/glossary/chain-of-thought/)

La chaîne de pensée (chain-of-thought, CoT) est une technique de prompting dans laquelle on montre à un modèle de langage, ou on lui demande d’écrire, des étapes de raisonnement intermédiaires avant sa réponse finale. Elle améliore la précision sur les problèmes à plusieurs étapes comme l’arithmétique et la logique, et les modèles de raisonnement la génèrent désormais automatiquement.

[Forfait LLM (flat rate)](https://broadrouter.com/fr/glossary/flat-rate-llm-plan/)

Un forfait LLM facture un prix fixe pour une période, par exemple un mois, en échange de l’accès à une API de modèle de langage, au lieu de facturer au token. Ces forfaits limitent généralement autre chose, comme la concurrence, la vitesse, les modèles ou des fenêtres d’usage : les plafonds comptent donc autant que le prix.

[max\_tokens](https://broadrouter.com/fr/glossary/max-tokens/)

max\_tokens est un paramètre des API LLM qui fixe le nombre maximal de tokens qu’un modèle peut générer dans une réponse. Quand la génération atteint la limite, elle s’arrête et la réponse est marquée comme coupée, par exemple avec finish\_reason égal à « length ».

[Tokens de raisonnement (reasoning tokens)](https://broadrouter.com/fr/glossary/reasoning-tokens/)

Les tokens de raisonnement sont les tokens qu’un modèle de raisonnement génère pour résoudre un problème avant d’écrire sa réponse visible. Ils sont généralement facturés comme des tokens de sortie, comptent dans la limite de sortie et dans la fenêtre de contexte, et peuvent être masqués ou résumés par l’API.

## Questions fréquentes

### Le raisonnement est-il facturé ?

À l’usage, le raisonnement est comptabilisé dans les tokens de complétion, facturés au prix de sortie. Avec un forfait illimité pour DeepSeek V4.1 Flash, il n’y a pas de compteur de tokens : ils ne coûtent donc rien de plus.

### BroadNet Gemma 4 VL 26B raisonne-t-il ?

La documentation de BroadNet indique le raisonnement pour DeepSeek V4.1 Flash, GLM 5.3 et Qwen3.8 27B, pas pour Gemma 4 VL 26B.

### Pourquoi le contenu du message est-il vide quand finish\_reason vaut length ?

Le budget de tokens s’est épuisé avant le début de la réponse visible. Un modèle de raisonnement écrit d’abord son raisonnement, et ces tokens comptent dans max\_tokens. Passez max\_tokens à 1 000 ou plus, ou baissez reasoning\_effort.

### À quoi sert reasoning\_effort low ?

Il demande au modèle de moins raisonner avant de répondre. La documentation de BroadNet le propose comme alternative à un max\_tokens plus élevé quand une limite courte laisse la réponse vide. Utilisez-le pour des tâches simples comme la classification ou l’extraction.

### Comment voir combien de tokens sont partis dans le raisonnement ?

Lisez usage.completion\_tokens\_details.reasoning\_tokens dans la réponse, quand le modèle le renvoie. En streaming, envoyez stream\_options avec include\_usage à true et lisez la valeur dans le dernier chunk.

## Guides associés

-   [Utiliser le SDK Python d’OpenAI avec BroadNet Inference](https://broadrouter.com/fr/guides/openai-python-sdk/)
-   [Streamer des chat completions et gérer les connexions coupées](https://broadrouter.com/fr/guides/streaming-chat-completions/)
-   [Codes d’erreur de BroadNet Inference : quand réessayer ?](https://broadrouter.com/fr/guides/errors-and-retries/)

Essayez-le sur votre vraie charge de travail. Les nouveaux comptes démarrent avec USD 5 de crédit pour Gemma et transcription. DeepSeek, GLM et Qwen3.8 nécessitent une recharge.

[Commencer](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-guides-reasoning-tokens-empty-response&utm_content=page-cta) ·

**Sources**

-   [Référence de l’API de BroadNet Inference, tokens de raisonnement et tokens en cache (consulté le 2026-11-16) (en anglais)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-guides-reasoning-tokens-empty-response&utm_content=sources#models)
