ToolNavs Outils IA à découvrir
Proposer Connexion
Retour à Encyclopédie de l’IA
Qu'est-ce que l'Intelligence Index ? Ce que comparent vraiment des scores comme 65 et 62

Qu'est-ce que l'Intelligence Index ? Ce que comparent vraiment des scores comme 65 et 62

Encyclopédie de l’IA • Admin • • 22 vues

L'Intelligence Index est la note composite des modèles publiée par Artificial Analysis. Son nom complet est Artificial Analysis Intelligence Index : il condense la capacité globale de chaque grand modèle de langage en un seul score de 0 à 100, afin de pouvoir les classer d'un coup d'œil. Au classement du 17 novembre 2026, Claude Fable 5.2 arrive en tête avec 65 points, GPT-6.2 Astra d'OpenAI, lancé le jour même, suit avec 62 points, Gemini 4 Carbon de Google obtient 60 points et le plus léger Gemini 4 Hydrogen 54 points. Ce n'est pas le résultat d'un test unique, mais la synthèse pondérée d'une batterie d'évaluations.

Comment calcule-t-on un score de 65 ?

La version actuelle, v5.0.1, comprend 9 évaluations, réparties en quatre catégories — travail de connaissance, programmation, science et culture générale — qui pèsent chacune 25 %. Le travail de connaissance mesure la qualité d'exécution de vraies tâches de bureau, avec AA-Briefcase v1.1 à 15 % ; la programmation évalue les modifications de code et le travail en terminal, avec FrontierCode-AA 2.0 et Terminal-Bench 4.0 totalisant 25 % ; la science couvre les tâches de recherche en terminal et le raisonnement physique ; la culture générale mesure l'étendue des connaissances et le taux d'hallucination, avec AA-Omniscience v1.1 à 15 %, dont 10 % pour l'exactitude et 5 % pour l'absence d'hallucination. La plupart des évaluations utilisent le score pass@1 : il faut réussir du premier coup pour marquer des points. Les tâches ouvertes comme AA-Briefcase sont notées par un jury puis converties en Elo. Un score de 65 est donc la performance composite pondérée sur ces 9 évaluations, sur 100.

Que signifie vraiment un écart de deux ou trois points ?

Les modèles de tête ne sont séparés que par deux ou trois points. Artificial Analysis estime l'intervalle de confiance à 95 % du score total à moins de ±1 %, mais ce n'est que l'erreur statistique : un écart de deux ou trois points ne traduit pas une vraie différence de capacité. Ce qui mérite davantage l'attention, c'est le score d'un même modèle selon le niveau d'effort de raisonnement : GPT-6.2 Astra obtient 62 points au niveau maximal et environ 60 au niveau élevé — baissez le niveau, le classement bouge avec. Son modèle frère, GPT-6.2 Sol, obtient 57 points au niveau maximal. Le coût est une autre dimension facile à négliger : faire tourner l'ensemble de l'index coûte environ 26,50 dollars pour Claude Fable 5.2 et environ 4 dollars pour GPT-6.2 Astra. Trois points d'écart pour un coût plus de six fois supérieur. Choisir un modèle sur le seul score revient à supposer que le prix n'a pas d'importance.

Ce que l'index ne mesure pas

L'Intelligence Index est avant tout une batterie d'évaluations textuelles en anglais. Les capacités multimodales, l'entrée vocale et la performance multilingue sont mesurées séparément et ne comptent pas dans le score. Il ne répond pas non plus à la question « ce modèle convient-il à mon travail ? » : ses tâches de travail de connaissance penchent vers des scénarios de bureau généraux, et les domaines verticaux comme le service client, le droit ou la médecine n'y figurent pas. La version change aussi : en novembre 2026, l'index est passé de v4.3.2 à v5.0.1, et les pondérations sont passées de 30/20/20/30 à 25 % pour chacune des quatre catégories — les scores des anciennes et nouvelles versions ne se comparent donc pas directement. Utilisez-le comme point de départ pour filtrer les modèles : regardez d'abord les sous-scores correspondant à votre type de tâche — la programmation pour les développeurs, la science pour les chercheurs — puis le niveau de raisonnement et le coût. Les scores permettent d'écarter rapidement les modèles distancés, mais entre les cinq premiers, ce qui fait la différence, c'est le prix et la performance dans votre scénario concret, pas deux ou trois points.

Outils Recommandés

Plus