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.
Aussi appelé : arena, LLM leaderboard, model leaderboard
Par Divya Sharma · Vérifié le 15 nov. 2026 · Notre méthode
Les leaderboards transforment les résultats de benchmarks en tableau. Certains classent les modèles sur un seul benchmark d'IA, comme un test de code ou d'embedding. D'autres combinent de nombreux benchmarks en un seul indice, comme l'Artificial Analysis Index. D'autres encore, appelés arènes, classent les modèles selon la fréquence à laquelle les gens préfèrent leurs réponses lors de comparaisons côte à côte à l'aveugle.
Arènes
La plus connue est Chatbot Arena (voir LMArena). Les utilisateurs discutent avec deux modèles anonymes et votent pour la meilleure réponse. L'article qui la décrit explique qu'elle utilise la comparaison par paires et des votes collectés auprès du public, et qu'elle était devenue l'un des leaderboards de LLM les plus cités. Les votes sont convertis en scores avec un classement de type Elo. Les arènes captent ce que les gens apprécient dans une conversation ouverte, ce qui échappe aux tests fixes, mais elles récompensent aussi le style, la longueur et la mise en forme.
Comment en lire un
Vérifiez ce qui est mesuré et qui a fait passer les tests : les responsables du leaderboard, ou les créateurs de modèles qui publient leurs propres chiffres. Regardez les intervalles de confiance ; des modèles séparés de quelques points sont souvent à égalité statistique. Vérifiez la date, car les classements changent vite. Méfiez-vous de la contamination des benchmarks et des modèles réglés pour le format d'un leaderboard.
Nos propres classements rassemblent les scores publics par tâche. Traitez tout leaderboard comme une première liste restreinte, puis testez les quelques premiers sur vos propres données.
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.
- Classement Elo (arènes de modèles)
- Dans les arènes de modèles, un classement Elo est un score calculé à partir de nombreux votes en face-à-face entre paires de modèles, de sorte que l'écart entre deux scores prédit à quelle fréquence la réponse d'un modèle sera préférée à celle de l'autre.
- LMArena
- LMArena, d'abord connue sous le nom de Chatbot Arena, est une plateforme publique qui classe les modèles d'IA à partir de votes humains participatifs : les utilisateurs voient deux modèles anonymes répondre au même prompt et choisissent la meilleure réponse.
- 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.
- Contamination des benchmarks
- Il y a contamination d'un benchmark quand un modèle a vu ses questions ou ses réponses de test pendant l'entraînement, si bien que son score sur ce benchmark surestime sa capacité à traiter de nouveaux problèmes du même type.