L’automatisation efficace, ça commence par choisir le bon moteur. Dernière surprise du secteur : une évaluation indépendante menée par OpenAI place Claude Opus 4.1 d’Anthropic largement en tête pour automatiser les vraies tâches pros du quotidien. De quoi revoir certaines habitudes…

Des benchmarks traditionnels aux usages réels

Depuis plusieurs années, les benchmarks en intelligence artificielle (IA) servent de référence pour comparer les performances des modèles. Ces évaluations reposent sur des exercices standards, mais elles sont souvent éloignées des conditions réelles d’utilisation, notamment dans les environnements professionnels. Face à ce décalage, OpenAI a décidé d’innover avec un nouveau protocole d’évaluation : GDPval. Ce système vise à mesurer l’efficacité des IA sur des missions directement inspirées du monde du travail, en les confrontant aux résultats d’experts humains issus de 44 professions différentes.

GDPval, un test tourné vers le concret

GDPval – un clin d’œil assumé au PIB (Produit Intérieur Brut) – a pour ambition de proposer une mesure basée sur des preuves tangibles, loin des simples spéculations théoriques. Pour y parvenir, OpenAI a confié à son équipe de recherche économique et à l’économiste de Harvard David Deming la tâche de développer ce protocole. L’étude a été menée pour le compte du National Bureau of Economic Research (NBER). Les missions testées sont très variées et reflètent des situations quotidiennes rencontrées dans la vie professionnelle : rédaction d’un e-mail à un client insatisfait, optimisation de la disposition d’un stand pour une foire, ou encore audit d’anomalies sur des bons de commande.

Claude Opus 4.1, la surprise venue d’Anthropic

À la surprise générale, les résultats de l’évaluation GDPval n’ont pas consacré le modèle de la maison OpenAI. Le grand gagnant est Claude Opus 4.1, développé par Anthropic. Avec un taux de réussite global de 47,6 %, ce modèle surpasse non seulement « ChatGPT-5 high » (38,8 %) et « ChatGPT o3 high » (34,1 %), mais également Grok et Gemini. Même la dernière génération de ChatGPT-4o reste loin derrière, avec seulement 12,4 %. Claude se distingue en particulier dans huit des neuf grands secteurs évalués, comme la fonction publique, la santé ou encore l’aide sociale, confirmant sa polyvalence et sa robustesse dans des tâches concrètes.

Transparence et repositionnement stratégique pour OpenAI

Publier une étude plaçant un concurrent en tête peut sembler paradoxal de la part d’OpenAI. Pourtant, cette démarche s’inscrit dans la logique affichée par l’entreprise : miser sur la transparence pour favoriser la confiance. « Notre mission est de faire en sorte que l’intelligence artificielle générale bénéficie à toute l’humanité », déclare OpenAI. En partageant sans détour ces résultats, l’organisation cherche à démontrer son engagement à fournir une évaluation sincère des capacités réelles des modèles. Mais cette publication pourrait aussi marquer un tournant stratégique : constater que Claude surclasse GPT-5 sur des tâches concrètes oblige OpenAI à réévaluer ses priorités et à renforcer ses propres modèles dans les usages professionnels.

Une nouvelle ère pour l’évaluation des IA

Avec GDPval, OpenAI introduit un changement majeur dans la manière dont les IA sont évaluées. Au lieu de se limiter à des benchmarks théoriques, ce protocole reflète la capacité des modèles à répondre aux besoins réels des entreprises et des institutions. Les résultats montrent qu’un acteur externe, Anthropic, s’impose comme leader dans ce domaine précis, tandis qu’OpenAI conserve une position forte mais challengée. Pour les utilisateurs, cette étude envoie un signal clair : la prochaine étape de la compétition entre IA se jouera sur la pertinence dans des contextes concrets et professionnels, et non plus seulement sur des scores académiques.

• Source TechRadar

Tatianah Razafindrabe

Rédactrice web pour Kavyro, je vous aide à décrypter l’actualité IA et automatisation, simplement et sans jargon. Pour me contacter : partenariat@kavyro.com