Méthodologie

D'où viennent les prix

Chaque prix est relevé sur la page tarifaire officielle du fournisseur, jamais sur un agrégateur tiers. La date de vérification est enregistrée avec le prix, et le lien vers la source est conservé pour chaque entrée.

Les prix sont exprimés en dollars américains par million de jetons. Quand un fournisseur applique une tarification par palier (un tarif plus élevé au-delà d'une certaine longueur de contexte), les deux paliers sont stockés, et la page du modèle les affiche séparément.

Le tarif « mixte » utilisé pour les classements suppose un ratio de trois jetons d'entrée pour un jeton de sortie, ce qui correspond à peu près à un usage conversationnel. Votre propre ratio peut différer : utilisez les prix d'entrée et de sortie bruts si c'est le cas.

Pourquoi certaines cases sont vides

Une case vide signifie que la donnée n'est pas publiée, et non qu'elle vaut zéro. Nous ne remplaçons jamais une mesure manquante par un zéro : cela classerait un modèle non mesuré en dessous d'un modèle réellement mauvais, ce qui est pire que d'admettre notre ignorance.

C'est particulièrement vrai pour les modèles à poids ouverts, qui n'ont pas de prix d'API hébergée. Leur coût d'exécution dépend de votre matériel, et ce n'est pas la même chose qu'un service gratuit.

Comment les scores sont calculés

Les résultats de benchmark proviennent des évaluations indépendantes d'Artificial Analysis, menées de la même façon pour chaque modèle (indice d'intelligence, GPQA Diamond, Humanity's Last Exam, Terminal-Bench Hard, SciCode, τ²-Bench, contexte long, respect des consignes, raisonnement visuel), avec le réglage de raisonnement testé affiché sur chaque fiche. La vitesse est leur débit de sortie médian mesuré.

Les scores de 0 à 100 sont dérivés de ces résultats, normalisés par rapport à l'échelle déclarée de chaque test, puis moyennés par axe en pondérant selon l'importance du test.

Cinq axes : qualité, raisonnement, code, vitesse et rapport qualité-prix. Le rapport qualité-prix est la qualité par dollar, ramenée à 100 pour le meilleur ratio du catalogue.

Comment l'assistant classe les modèles

En deux temps. D'abord l'élimination : un modèle incapable de répondre à une exigence ferme est retiré, pas rétrogradé. Ensuite le classement : les modèles restants sont notés sur les axes dont votre tâche dépend.

Aucun modèle d'IA n'intervient dans ce classement. Tout est calculé à partir des données publiées, ce qui rend chaque recommandation reproductible et vérifiable.

Pondération par les données disponibles. Un modèle évalué sur un seul axe ne devrait pas obtenir un score parfait simplement parce qu'il domine cet axe. Les scores sont donc ramenés vers une valeur neutre proportionnellement aux données manquantes, et chaque recommandation indique la part de sa note réellement étayée par des mesures.

Limites

Environ 90 modèles de langage ont des résultats indépendants ; les modèles d'image, de vidéo et de voix n'en ont pas encore. Un modèle peut être excellent sans figurer encore dans aucun classement. Ces modèles apparaissent séparément, signalés comme non évalués, plutôt que d'être masqués.

Les prix et les capacités changent souvent. Vérifiez toujours sur la page du fournisseur avant de vous engager.

Dernière vérification le 27 oct. 2026