Artificial Analysis

Artificial Analysis est un benchmark général consacré à l’évaluation des modèles d’intelligence artificielle. Il propose une lecture synthétique de leurs capacités dans des conditions pensées pour refléter des usages réels.

Son approche associe trois dimensions complémentaires : la qualité des résultats, la vitesse d’exécution et le prix. Leur agrégation vise à dépasser une évaluation fondée sur la seule performance brute, afin de situer les modèles selon un équilibre global entre efficacité, rapidité et coût d’utilisation.

Carte d'identité

Classement des modèles (5)

Classement établi sur 5 modèles évalués, dont 4 de grands éditeurs. Score médian de l'ensemble : 54,0 %. « Auto-déclaré » : score communiqué par l'éditeur, non rejoué indépendamment. « Mesuré » : évalué par un tiers (Epoch AI, LiveBench, MTEB…).

Notre analyse

Un score élevé traduit une évaluation composite favorable sur la qualité, la vitesse et le prix. Il ne signifie pas nécessairement qu’un modèle domine séparément chacune de ces dimensions. La portée du classement reste limitée aux cinq modèles présents dans la base, ce qui invite à éviter toute généralisation à l’ensemble du marché. La rigueur doit également être nuancée, car les scores sont majoritairement auto-déclarés par les éditeurs plutôt que mesurés de manière indépendante selon un protocole unique. Une éventuelle contamination des évaluations par des contenus déjà rencontrés pourrait aussi avantager certains modèles. Avec un meilleur résultat à 59 %, l’ensemble ne paraît pas saturé au sommet de l’échelle. Le classement place GPT-5.6 Sol en tête, cinq points au-dessus du score médian. Cet écart indique un avantage mesurable, mais relativement resserré, dans une comparaison qui synthétise plusieurs dimensions plutôt qu’une capacité isolée.

Sources des scores : llm-stats.