Artificial Analysis est une plateforme indépendante de benchmarks qui note les modèles d'IA sur leur intelligence, leur vitesse et leur coût, des modèles de langage aux générateurs de vidéo et de voix. La consultation du site ne coûte rien, une API gratuite et des formules payantes complètent l'ensemble pour les entreprises. Lancé publiquement début 2024 après des débuts dans un sous-sol de Sydney, le projet suit aujourd'hui plus de 600 modèles de langage et sert de référence aux développeurs comme à la presse spécialisée. Le site reste en anglais, mais un classement dédié mesure les performances des modèles en français.
L'Intelligence Index, la mesure vedette du site, agrège neuf évaluations en un score de 0 à 100, de GDPval-AA v2 à GPQA Diamond en passant par Terminal-Bench. Les sorties marquantes passent sur le banc dans les 24 heures, ce qui fait du tableau de bord un réflexe les jours d'annonce, aussi bien pour les grands modèles de langage que pour la génération d'images ou de musique.
La vitesse compte autant que le score. La plateforme interroge les API réelles huit fois par jour pour mesurer le débit en tokens et la latence, puis détaille les prix par million de tokens chez chaque hébergeur. Vous hésitez entre deux fournisseurs pour le même modèle en poids ouverts, le graphique prix contre vitesse tranche en dix secondes. Les arènes d'images et de vidéos, elles, reposent sur des votes en aveugle convertis en classement Elo.
| Volet | Ce qui est mesuré | Détail vérifié |
|---|---|---|
| Intelligence Index | Neuf évaluations agrégées | Score de 0 à 100 |
| Performance des API | Débit et latence réels | Tests huit fois par jour |
| Prix | Coût par million de tokens | Entrée, sortie et cache détaillés |
| Arènes médias | Image, vidéo, voix, musique | Votes en aveugle, classement Elo |
| Multilingue | Raisonnement dans seize langues | Français inclus |
Aucun fournisseur ne peut payer pour améliorer un résultat, modifier la méthodologie ou figurer dans un classement, la règle est écrite noir sur blanc. L'idée est d'ailleurs née d'un agacement, quand Google avait présenté son premier Gemini Ultra avec une méthode de test différente de celle des rivaux pour paraître devant GPT-4.
Face aux votes humains de LMArena, le site joue le juge au chronomètre (les préférences des internautes récompensent parfois la mise en page plus que le fond). Les deux approches se complètent, et beaucoup d'équipes croisent les deux avant d'arrêter leur choix.
Tout se consulte dans le navigateur sans inscription. Pour aller plus loin, un compte gratuit sur la plateforme Insights débloque une clé API donnant accès aux métriques principales, scores, vitesses et prix, avec attribution obligatoire et usage interne uniquement.
Reste la question du portefeuille pour les entreprises. Les formules payantes ajoutent des limites relevées, des données média détaillées et des droits de redistribution pour intégrer ces chiffres dans un produit. Aucun essai gratuit n'existe sur ces formules, et les montants à jour se lisent directement sur la page tarifs du site officiel.
Oui, la consultation des classements et des graphiques sur le site est entièrement gratuite, sans compte. Une API gratuite permet aussi de récupérer les métriques principales, à condition de créer une clé et de citer la source. Les formules payantes visent les entreprises, avec des données plus fines, des limites relevées et des droits de redistribution.
Les deux, car ils ne mesurent pas la même chose. LMArena classe les modèles selon des votes de préférence humains, forcément subjectifs, tandis qu'Artificial Analysis publie des mesures techniques, scores d'évaluations, vitesse et prix. Croiser les deux avant de choisir un modèle reste la pratique la plus courante chez les développeurs.
Une politique d'indépendance stricte encadre le site, aucun labo ne peut payer pour un résultat, un changement de méthodologie ou une inscription. Les évaluations tournent en interne sur des copies des jeux de test, et l'équipe estime l'intervalle de confiance de son Intelligence Index à moins de 1 %.
Non, cette suite d'évaluations se déroule en anglais uniquement. Un index multilingue séparé teste en revanche le raisonnement des modèles dans seize langues, dont le français, avec un classement dédié par langue. Pratique pour vérifier qu'un modèle brillant en anglais ne s'effondre pas dans la nôtre.
Verdict : Une source neutre plutôt que les diapositives des labos, voilà tout l'intérêt. Développeurs, DSI et curieux qui préfèrent choisir un modèle sur des mesures vérifiées plutôt que sur des annonces y reviendront chaque semaine.
GPT-5.3-Codex 
Claude Code 
Playground OpenAI 
