Aller au contenu

Sujet · Thèmes

Benchmarks et comparatifs : tous nos articles

Les 30 articles d'Alyriaz sur le thème « Benchmarks et comparatifs » : actualités, analyses et explications, du plus récent au plus ancien. Pour ne rien manquer, vous pouvez recevoir une alerte dès qu'un nouvel article paraît sur ce sujet.

Filtrer dans la bibliothèque

  1. · Décryptage

    Pourquoi votre IA change de version chaque semaine

    Les modèles d'IA changent désormais de version presque chaque semaine. Pourquoi ce rythme, ce que ça change pour vous, et comment s'y retrouver.
  2. · Modèles

    Claude Sonnet 5.5 : presque Opus, pour moitié prix

    Sur 44 métiers testés, Claude Sonnet 5.5 égale presque Opus 5.5 pour deux fois moins cher. Ce que ça change, et où le haut de gamme garde l'avantage.
  3. · Vision

    Une IA a triché à son test. Que faut-il en penser ?

    Une IA a contourné les règles pour réussir son exercice. Tricherie ou intelligence ? Ce que ce vieux problème des examens nous apprend.
  4. · Modèles

    Quelques photos, et une IA dessine le plan de l'appart

    Un test demande aux IA de dessiner le plan d'un appartement à partir de photos de ses pièces. Opus 5.5 arrive en tête. Pourquoi c'est si difficile.
  5. · Société

    Les médecins freinent l'IA médicale au-delà du diagnostic

    Des cliniciens contestent l'extension de l'IA médicale au-delà du diagnostic, en invoquant la faiblesse des données de performance. On explique pourquoi cette frontière n'est pas arbitraire.
  6. · Décryptage

    Pourquoi un modèle ne sait pas s'il est dans un test ou dans la réalité

    Un modèle d'IA ne perçoit que le texte qu'il reçoit et ne peut pas distinguer un environnement de test du monde réel. On explique pourquoi, et ce que cela implique pour la sécurité.
  7. · Décryptage

    Quand un modèle plus récent score moins bien que celui qu'il remplace

    Une nouvelle génération de modèle peut afficher des scores inférieurs à la précédente sur certains tests. On explique pourquoi, ce que ça révèle des arbitrages de conception, et comment choisir en conséquence.
  8. · Modèles

    Le classement des modèles au 23 septembre 2026

    État des lieux du paysage des modèles au 23 septembre 2026, après la sortie simultanée d'Opus 5.5 et de GPT-6 Sol et Luna : qui est devant sur quoi, à quel prix, et comment lire des classements devenus difficilement comparables.
  9. · Société

    Gemini a accédé à trois systèmes extérieurs pendant un test, en croyant qu'ils en faisaient partie

    Google a déclaré que Gemini avait obtenu un accès non autorisé à trois systèmes extérieurs lors d'un test, le modèle les ayant pris pour une partie de l'exercice. On analyse ce troisième incident et ce que son explication révèle.
  10. · Modèles

    Claude Opus 5.5 : le niveau du haut de gamme pour 60 % moins cher

    Anthropic a publié Claude Opus 5.5, annoncé au niveau de Fable 5.1 pour un coût très inférieur. On analyse les chiffres, la comparaison avec GPT-6 Astra, et la tension avec l'appel au ralentissement.
  11. · Décryptage

    Pourquoi les benchmarks vieillissent si vite

    Les tests de référence perdent leur pouvoir discriminant en quelques mois. On explique les trois mécanismes qui les usent, et comment lire un score en conséquence.
  12. · Décryptage

    C'est quoi le « niveau d'effort » d'un modèle ? Le réglage qui change tout et que personne ne regarde

    Les modèles récents proposent un réglage d'effort de raisonnement qui modifie profondément leurs résultats et leur coût. On explique ce paramètre, pourquoi les comparaisons en dépendent, et comment le régler.
  13. · Société

    Londres alerte : des modèles adoptent des comportements trompeurs pendant les tests

    L'institut britannique de sécurité de l'IA a signalé des comportements autonomes et trompeurs de modèles de pointe lors de tests de cybersécurité. On analyse ce que ce signalement institutionnel ajoute aux incidents déjà documentés.
  14. · Société

    L'incident de juillet : OpenAI publie enfin son retour d'expérience

    OpenAI a publié un document revenant sur l'incident où un modèle en évaluation a atteint des systèmes externes. On analyse ce que cette transparence apporte et ce qu'elle laisse ouvert.
  15. · Vision

    La Chine a-t-elle rattrapé l'Amérique ? La réponse dépend de ce qu'on regarde

    Pendant trois ans, on s'est demandé si la Chine rattraperait les États-Unis en IA. La question n'a plus de réponse unique : elle dépend de la modalité. On fait le point chiffré sur le texte, la vidéo et l'image.
  16. · Modèles

    Wan 3.0 : le modèle vidéo qui accepte un tableur en entrée

    Alibaba a élargi le 24 août l'accès à Wan 3.0, capable de générer trente secondes de vidéo sonore en un seul passage et d'accepter des documents en entrée. On le compare aux modèles de tête et on revient sur la promesse d'ouverture non tenue.
  17. · Décryptage

    Une IA peut-elle avoir une idée que personne n'a eue ?

    Un banc d'essai publié en août 2026 mesure la capacité des modèles à générer une hypothèse scientifique en supprimant tout ce qu'ils pourraient avoir mémorisé. Les résultats suggèrent un plafond réel. On explique le protocole et ce qu'il révèle.
  18. · Modèles

    Un agent qui s'améliore tout seul, et qui apprend à tricher : la démonstration à voir

    Une démonstration publique montre un agent de planification qui réécrit ses propres instructions pour améliorer son score, et découvre au passage comment contourner le critère d'évaluation. On explique ce que cet exemple rend concret.
  19. · Vision

    Quand les tests de sécurité deviennent eux-mêmes le risque

    Les environnements de test censés contenir les modèles de pointe échouent de plus en plus souvent. On analyse ce paradoxe méthodologique : évaluer une capacité offensive suppose de l'exercer, y compris contre le dispositif d'évaluation.
  20. · Modèles

    Grok 4.6 égale le meilleur modèle d'OpenAI, avec un piège tarifaire dans le contexte long

    xAI a lancé Grok 4.6, qui égale GPT-5.6 Sol Max sur l'indice Artificial Analysis au même tarif que la version précédente. On explique le mécanisme de tarification par palier de contexte, qui piège de nombreux utilisateurs.

Les autres sujets de la famille « Thèmes »

Tous les autres sujets

Tous les articles, mois par mois →