Aller au contenu
ReviewRamble

La lettre hebdomadaire

L’IA, évaluée, dans votre boîte mail.

  • Les nouveaux tests d’outils, de modèles, de serveurs MCP et de dépôts, avec le verdict en premier
  • Les prix et les notes revérifiés quand quelque chose change
  • Les nouvelles analyses dès leur publication

Modèles, agents, serveurs MCP et les outils qui méritent vraiment votre temps.

Un e-mail par semaine. Désinscrivez-vous avec le lien présent dans chaque lettre. Comment nous utilisons votre e-mail

Artificial Analysis Intelligence Index

L'Artificial Analysis Intelligence Index est un score composite de la société de benchmarking Artificial Analysis qui combine plusieurs évaluations, couvrant le travail intellectuel, le code, les sciences et la culture générale, en un seul chiffre pour comparer des modèles de langage.

Aussi appelé : Artificial Analysis, AA Intelligence Index

Par Divya Sharma · Vérifié le 15 nov. 2026 · Notre méthode

Chaque créateur de modèles choisit les benchmarks qui le flattent. Artificial Analysis fait passer lui-même le même ensemble d'évaluations à de nombreux modèles et combine les résultats en un seul indice, pour que les modèles puissent être comparés sur une base commune. De nombreuses pages de modèles de ce site le citent ; voir modèles et classements.

Ce qu'il contient

La version 5.0.1 de l'indice combine neuf évaluations, dont Terminal-Bench 4.0, HLE-Diamond (un sous-ensemble de Humanity's Last Exam) et plusieurs tests maison de travail intellectuel agentique. Le score est une moyenne pondérée de quatre catégories, Knowledge Work, Coding, Science et General, qui comptent chacune pour 25 %. Plusieurs tâches font tourner le modèle comme un agent doté d'outils dans un bac à sable.

Comment le lire

L'indice est surtout une batterie de tests textuels en anglais. Artificial Analysis mesure à part le raisonnement visuel, la parole et les performances multilingues. La société reconnaît elle-même que, comme toute métrique, il a ses limites et peut ne pas s'appliquer à tous les cas d'usage.

L'ensemble des évaluations change d'une version à l'autre : un score d'une version ne peut donc pas être comparé à un score d'une autre. Quand vous voyez un chiffre de l'indice dans un billet de lancement ou sur un leaderboard, vérifiez la version. Un score composite unique masque aussi des compromis : deux modèles ayant le même score peuvent être forts dans des domaines différents. Regardez donc les scores par catégorie pour le travail qui vous intéresse, et lancez votre propre évaluation de LLM avant de vous engager.

Termes liés

Benchmark d'IA
Un benchmark d'IA (banc d'essai) est un ensemble fixe et public de tâches avec une méthode de notation convenue, utilisé pour comparer des modèles sur le même test, par exemple les tickets de code résolus, les questions d'examen réussies ou la qualité de récupération sur de nombreux jeux de données.
Leaderboard (IA)
Un leaderboard d'IA (classement) est un classement public de modèles selon leurs scores sur un ou plusieurs benchmarks ou selon des votes de préférence humaine, mis à jour à mesure que de nouveaux modèles sont testés, pour que les lecteurs puissent comparer les modèles côte à côte.
Terminal-Bench
Terminal-Bench est un benchmark pour les agents d'IA qui travaillent dans un terminal en ligne de commande ; chaque tâche fournit à l'agent un environnement réel et est notée par des tests qui vérifient si le travail a vraiment été fait.
Humanity's Last Exam
Humanity's Last Exam (HLE) est un benchmark de 2 500 questions rédigées par des experts dans des dizaines de disciplines, conçu pour être très difficile pour les modèles d'IA, avec des réponses claires et vérifiables mais introuvables rapidement en ligne.
Évaluation de LLM
L'évaluation de LLM, souvent appelée evals, consiste à mesurer la façon dont un modèle ou une application d'IA accomplit une tâche en l'exécutant sur un ensemble de cas de test et en notant les sorties selon des critères définis, par du code, par des humains ou par un autre modèle.

Sources