Comparaison IA 2026 : Qui est en tête ?

Le 3 septembre 2026, OpenAI a lancé GPT-6 Astra et son président Greg Brockman a clôturé la présentation avec « Bienvenue dans l’ère de l’AGI. » Le même jour, ARC Prize, l’organisation qui gère le test ARC-AGI-3, a mesuré le modèle à 99,9 % dans sa meilleure configuration, contre 30 % pour le précédent meilleur score. En sept semaines, Google a répondu avec Gemini 4 Argon, Anthropic avec Claude Fable 5.1 et Opus 5.5, Mistral avec un modèle d’un trillion de paramètres, et Qubic a publié un score obtenu sans une seule carte graphique. Cette comparaison classe sept systèmes sur ce qui peut être vérifié : scores publiés, prix, ouverture, puissance de calcul et gouvernance.

Comment cette comparaison a-t-elle été construite ?

Cinq critères vérifiables, aucune opinion. Le premier est le score sur ARC-AGI-3, un test où le modèle doit apprendre les règles de jeux inconnus en y jouant, conçu par François Chollet et administré par ARC Prize sur un ensemble de tâches semi-privé. Nous utilisons les scores « vérifiés » publiés sur arcprize.org, et ARC-AGI-2 lorsque ARC-AGI-3 manque. Le second est le prix public de l’API par million de tokens. Le troisième est l’ouverture : poids téléchargeables ou non. Le quatrième est la puissance de calcul déclarée. Le cinquième est la gouvernance : qui décide, qui audite.

Ce cadre étend celui de notre comparaison des cryptos IA, qui refusait déjà de classer par capitalisation boursière. Ici, nous refusons de classer par communiqué de presse.

GPT-6 Astra : le plus puissant, le plus cher, le plus surveillé

Les chiffres d’abord. Sur ARC-AGI-3, Astra passe de 62,7 % en harnais standard à 99,9 % lorsque le harnais conserve son état de raisonnement, à un coût d’évaluation de 18 817 $ dans la meilleure configuration et jusqu’à 49 791 $ dans la pire (ARC Prize, 3 septembre). Une fois les règles du jeu comprises, le modèle utilise moins d’actions que le médian humain sur 96 % des niveaux. ARC Prize ajoute deux phrases à peine reprises dans les communiqués : saturer le test « ne représenterait pas une preuve d’atteindre l’AGI, » et les environnements testés restent beaucoup plus simples que le monde réel.

Le modèle a été entraîné sur plus de 100 000 GPU sur le site Stargate d’OpenAI au Texas, la plus grande session d’entraînement de l’histoire de l’entreprise, et c’est le premier qu’OpenAI classe au niveau « critique » pour la cybersécurité, signifiant capable en théorie de trouver et exploiter des vulnérabilités inconnues sans guidage humain pas à pas (Axios, 3 septembre). D’où un accès progressif : un cercle restreint d’organisations, puis les abonnés payants et l’API, les utilisateurs gratuits patientant.

Greg Brockman, président d’OpenAI, le 3 septembre : « Je pense que ça pourrait être ce modèle. » Puis : « Bienvenue dans l’ère de l’AGI. » Trois jours plus tard, le patron de Nvidia Jensen Huang a déclaré à son tour que « l’AGI est arrivée. » Le détail juridique importe : le contrat original entre OpenAI et Microsoft liait une déclaration d’AGI à des changements dans les droits d’accès et le partage des revenus ; un amendement daté du 27 avril 2026 a supprimé cette clause. Brockman peut désormais parler d’AGI comme d’un « concept mission ou concept spirituel » sans conséquence contractuelle.

Gemini 4 Argon et Claude : les challengers jouent une autre partition

Gemini 4 Argon, annoncé le 30 septembre, est le seul autre modèle proche de la saturation : 97,3 % sur ARC-AGI-3 en provider adapter, 91,3 % sur ARC-AGI-2, vérifié le 13 octobre, avec une réserve d’ARC Prize sur des exécutions incomplètes en harnais standard à cause de problèmes API (fiche ARC Prize). Son arme : le prix : 2 $ par million de tokens entrants et 10 $ pour la sortie durant la période de lancement, cinq fois moins que GPT-6 Astra, puis 4 $ et 20 $ (9to5Google, 30 septembre).

Google le déploie d’abord aux défenseurs cyber via son programme Fairwind, avec une version dépourvue de protections cybersécurité réservée aux défenseurs de confiance.

Anthropic a choisi de ne pas publier de score ARC-AGI-3 pour Claude Fable 5.1, lancé le 15 septembre, ni pour Claude Opus 5.5, lancé le 22 septembre. Sur ARC-AGI-2, les deux modèles sont vérifiés à 90,0 % et 93,3 %, derrière les 95 % de GPT-6 (fiche ARC Prize).

Anthropic met en avant d’autres mesures, un long travail agentique et des tâches scientifiques en terminal, et facture Fable 5.1 au même tarif qu’Astra, 10 et 50 $ (annonce Anthropic). Une particularité : Claude Mythos 5.1 est le même modèle avec des protections allégées en cybersécurité et biologie, disponible uniquement aux organisations US agréées. Trois développeurs, trois manières de traiter le même problème, un modèle trop puissant pour être ouvert à tous.

Grok, DeepSeek, Mistral : la course à l’ouverture

Derrière les trois premiers, l’écart est net. Grok 4.7, vérifié le 21 septembre, atteint 10,1 % sur ARC-AGI-3 et 61,4 % sur ARC-AGI-2 ; Grok 5 est annoncé depuis des mois sans date vérifiable. DeepSeek V4.1 Flash, vérifié le 10 septembre, marque 3,3 % et 72,9 %, mais appartient à une famille publiée en poids ouverts, ce qui en fait le meilleur modèle téléchargeable du tableau sur ARC-AGI-2.

Mistral Large 4 est un cas différent : pas encore de score, mais une promesse. Annoncé le 6 octobre sous le surnom « Le Chonk, » le modèle compte 1 trillion de paramètres, a été entraîné sur environ 4 000 GPU Nvidia, « deux à trois fois moins que nos concurrents chinois » selon Pierre Stock, VP science de Mistral, et ses poids doivent être publiés dans les trois semaines après test de sécurité (TechCrunch, 6 octobre). Emmanuel Macron le voit comme « une troisième voie en IA. » La vérification viendra le jour où ARC Prize publiera sa fiche.

L’autre voie : l’intelligence sans centre de données 

Un objet d’une nature différente, à comparer avec précaution. Neuraxon n’est pas un grand modèle de langage. C’est un réseau d’unités simples qui coordonnent et se spécialisent, inspiré par la « société de l’esprit » de Marvin Minsky, que le cadre évolutionnaire Aigarth améliore à partir des réseaux générés par les mineurs du réseau Qubic. Le calcul ne provient pas d’un centre de données mais d’une preuve de travail utile, qui redirige la puissance des mineurs vers l’entraînement, un mécanisme détaillé dans Qubic : Transformer chaque cycle CPU en valeur réelle.

Le 22 septembre, Qubic a publié un score de 0,38 sur ARC-AGI-3, en hausse depuis 0,13 au début, après 141 cycles d’améliorations évolutionnaires et 450 000 tentatives, sur processeurs ordinaires, sans GPU ni modèle de langage intégré (récap Qubic). Dans son analyse du 26 septembre, l’équipe scientifique du projet est elle-même la première à poser les limites : les évaluations se font sur « quelques CPU, » et un réseau distribué reste « beaucoup moins capable sur les tâches linguistiques » qu’un modèle entraîné sur 100 000 GPU (Qubic, Neuraxon Intelligence Academy vol. 13).

Trois précautions de lecture.

Le 0,38 n’est pas un score vérifié par ARC Prize et son protocole ne correspond pas à celui de l’ensemble semi-privé : il ne peut être aligné sur les 99,9 % d’Astra. Il n’existe pas d’API Neuraxon comparable à ChatGPT ou Claude. Et la thèse de Qubic n’est pas « nous sommes en avance, » mais « l’AGI est une organisation émergente, distribuée et vérifiable, pas un modèle franchissant un seuil. » C’est une position autant sur la gouvernance que sur la technique, et c’est sur ce critère que le projet se distingue du tableau : code de référence ouvert, calcul fourni par des milliers de machines, résultats présentés en conférences plutôt qu’en keynotes.

Ce que le classement ne dit pas

Un test saturé cesse de mesurer. ARC-AGI-3 a été conçu pour résister aux modèles de 2025 ; deux systèmes le dépassent désormais à plus de 97 %, et ARC Prize avertit que cela ne prouve pas l’AGI. Comparer différents harnais revient à comparer des coureurs avec et sans vent arrière : Astra marque 62,7 % ou 99,9 % selon que son état de raisonnement est conservé.

Le coût n’apparaît presque jamais dans les communiqués. Évaluer Astra a coûté jusqu’à 50 000 $ en appels API, alors que les 500 humains du groupe de référence étaient payés environ 12,78 $ par partie tentée. Et OpenAI reconnaît elle-même qu’Astra est plus difficile à surveiller dans les tests d’évasion de contrôle, un recul qualifié de sérieux par l’entreprise. Amelia Glaese, VP recherche d’OpenAI : « Quand les modèles peuvent faire plus de choses de manière autonome, nous devons pouvoir leur faire davantage confiance.« 

Les prochaines dates sont fixées. Mistral doit publier les poids Large 4 d’ici fin octobre ; Google élargit Gemini 4 Argon aux développeurs ; Anthropic n’a pas annoncé de passage ARC-AGI-3 pour Fable 5.1 ; Qubic présentera l’état de sa preuve de travail utile lors d’une keynote à la TUM Blockchain Conference à Munich le 29 octobre. Le tableau sera mis à jour à chaque fiche vérifiée par ARC Prize.

Ering N.

Independent author, specialized in decentralized artificial intelligence and crypto ecosystems. I analyze projects by what they actually do, not by the noise around them. Openly a supporter of the Qubic project: my articles about Qubic and its direct competitors carry a disclosure.