Révolution dans l’IA : tests secrets chamboulent le classement, Mistral chute

Le monde de l’intelligence artificielle vient de connaître un tournant majeur dans son système d’évaluation. La cinquième édition de l’indice de référence chamboule complètement la hiérarchie établie entre les différents modèles. Cette nouvelle méthodologie, plus opaque et rigoureuse, redéfinit les standards de performance.

Une révolution méthodologique pour contrer la triche

Artificial Analysis a dévoilé le 27 octobre 2026 une version radicalement transformée de son indice d’évaluation. L’innovation majeure ? Une approche reposant à 60 % sur des examens totalement confidentiels.

Fini les tests publics que les laboratoires pouvaient anticiper. Les questions et réponses restent désormais secrètes, empêchant toute optimisation ciblée des algorithmes. Cette démarche vise à garantir l’authenticité des capacités réelles des intelligences artificielles.

Quatre domaines de compétences scrutés

L’évaluation se structure autour de disciplines distinctes : le travail intellectuel, la programmation informatique, les sciences et les connaissances générales. Cette segmentation permet une analyse plus fine des aptitudes de chaque modèle.

Le grand chambardement du classement

Les résultats provoquent un véritable séisme dans la hiérarchie des performances. Les modèles dont les paramètres sont accessibles publiquement subissent une chute spectaculaire de 12 à 16 points.

Claude Opus 5.5 conserve sa suprématie avec un score impressionnant de 58 points. En revanche, Mistral Large 4 connaît une dégringolade vertigineuse, passant de 38 à seulement 25 points.

L’écart se creuse entre modèles propriétaires et ouverts

Le fossé devient patent : le meilleur modèle téléchargeable atteint péniblement 32 points, contre 58 pour le champion Claude Opus 5.5. Les systèmes fermés dominent clairement, avec des scores oscillant entre 50 et 58 points.

Claude Haiku 5.5 se positionne solidement à 36 points, tandis que Kimi K3.1 Pro, encore considéré comme propriétaire, décroche 46 points.

Les nouveautés de cette cinquième édition

Artificial Analysis a profondément remanié son dispositif d’évaluation. L’organisme a intégré FrontierCode 2.0 et Terminal-Bench-Science, deux nouveaux benchmarks.

Parallèlement, trois tests ont été retirés : GDPval-AA, SciCode et AA-LCR. HLE-Diamond remplace également l’ancien Humanity’s Last Exam, témoignant d’une volonté de perfectionnement constant.

La sécurité au cœur des préoccupations

L’introduction de parties privées dans les évaluations répond à une problématique cruciale : éviter la contamination des données d’entraînement. Cette mesure garantit l’intégrité des résultats obtenus.

Mistral Large 4 dans l’attente

L’édition du 28 octobre révèle un retard notable concernant Mistral Large 4. La publication des paramètres initialement prévue n’a pas été honorée dans les délais annoncés.

Les observateurs attendent avec impatience la mise à disposition de la licence ainsi que des performances détaillées, éléments indispensables pour son intégration officielle au classement.

D’autres concurrents dans la course

DeepSeek V4.1 Flash et GLM-5.3 affichent tous deux un score de 32 points, les plaçant parmi les modèles ouverts les plus performants de cette nouvelle version.

Le coût de l’excellence

La performance a son prix. Claude Opus 5.5 nécessite en moyenne 0,98 dollar par tâche en mode économique. Ce montant grimpe spectaculairement à 10,04 dollars lorsque l’effort computationnel est maximisé.