Gemini 3 : choisir et tester les niveaux de réflexion

Le niveau de réflexion définit une marge de raisonnement. Il ne garantit ni un nombre précis d'étapes, ni un délai fixe, ni une réponse correcte. Choisissez-le en fonction du modèle exact, de la tâche et d'un résultat que vous pouvez vérifier.

Ce guide porte sur les modèles Gemini 3. Il ne décrit pas automatiquement le modèle Gemini le plus récent ni les réglages d'une interface tierce.

Vérifier le modèle avant le réglage

La documentation Google sur la réflexion distingue Gemini 3 Pro Preview de Gemini 3.1 Pro Preview. Dans la version consultée le 18 septembre 2026, le premier propose low et high, tandis que le second accepte aussi medium. Gemini 3 Flash Preview propose minimal, low, medium et high. Pour ces modèles, la valeur par défaut est high, pas medium.

Consultez la documentation actuelle de l'identifiant réellement utilisé. Notez également la famille d'API, la version du SDK et la date. Une simple étiquette « Pro » ne suffit pas à reproduire une expérience.

Choisir un candidat puis mesurer

Low peut servir de point de départ pour une extraction ou une classification limitée. Fournissez les catégories autorisées et la règle applicable aux valeurs absentes. Vérifiez les exceptions et la fidélité aux données, pas seulement la présentation. Low ne signifie pas nécessairement absence de raisonnement.

Medium, lorsqu'il est disponible, peut être testé sur des tâches combinant plusieurs contraintes, par exemple un résumé qui conserve les dates et les exceptions. Comparez-le à la configuration par défaut avec les mêmes sources. Une réponse plus courte n'est pas automatiquement meilleure ou moins coûteuse.

High mérite un essai pour examiner un correctif ou rapprocher des passages contradictoires. Il peut demander davantage de temps et de tokens de réflexion. L'intérêt dépend de la réduction des erreurs et du travail de correction. Aucun niveau ne remplace une source manquante.

Essayez Gemini 3 sur MidassAI Chat

Distinguer les familles d'API

Utilisez l'exemple officiel de votre API et de votre SDK. Interactions et generateContent ne représentent pas l'état de la conversation de la même manière. Les noms de champs d'un SDK peuvent également différer de ceux de REST.

Votre fiche d'essai peut contenir un identifiant de tâche, le modèle, la famille d'API, le niveau candidat et le critère de réussite. Cette fiche n'est pas une requête exécutable. N'inventez pas un endpoint /v1/models/gemini-3:generate. Gardez les identifiants secrets hors des prompts et des rapports.

Modifier une seule variable

Le guide Gemini 3 de Google recommande de conserver la température par défaut à 1.0 et signale des comportements indésirables possibles avec une valeur inférieure. « High avec température 0.2 » n'est donc pas une règle générale de fiabilité.

Partez des valeurs documentées, puis faites varier seulement le niveau de réflexion. Gardez le prompt, les sources, les outils et la limite de sortie identiques. Ne combinez pas thinking_level et thinking_budget dans une même requête. Vérifiez aussi les réglages ajoutés automatiquement par votre client.

Construire une petite évaluation

Préparez des cas ordinaires et difficiles : valeur claire, valeur absente, informations contradictoires et document contenant des instructions étrangères à la tâche. Définissez les résultats attendus avant de consulter les réponses.

Consignez la configuration, les réussites et échecs, le délai initial, la durée totale, les données d'utilisation disponibles et le temps de correction. Répétez les cas importants. Un JSON valide contenant le mauvais identifiant client reste un échec.

Mesurez le parcours complet : réseau, outils, longueur de réponse et nouvelles tentatives influencent le délai. Utilisez les données de facturation réelles du service. Une réponse rapide qui exige plusieurs corrections peut coûter plus de travail qu'une réponse plus lente mais exploitable.

Appliquer le résultat dans une interface de chat

Si l'interface expose un réglage documenté, comparez le même prompt entre les options proposées. Sinon, vous pouvez évaluer les réponses, mais pas prétendre avoir testé un niveau d'API précis. Ce guide ne suppose aucun bouton Deep Think, compteur de tokens ou planificateur de lots dans MidassAI.

Conservez la configuration la plus simple qui satisfait vos critères, ainsi que les cas d'échec connus. Recommencez l'évaluation lorsque le modèle ou l'intégration change. Vous obtiendrez une décision adaptée à votre activité plutôt qu'une recommandation universelle.