Modèles et capacités
L'AISI britannique publie des résultats d'évaluation reproductibles via les « Evaluation Cards »
UK AI Security Institute
- Source
- Document primaire consulté
- Preuve
- Preuve actuelle non établie · dernière preuve du 25 septembre 2026
- Revue
- Contre-revue à compléter
Contre-vérification à compléter : La contre-vérification de cette version n’est pas établie. Lire la méthode
Le 22 septembre, l'UK AI Security Institute et la coalition EvalEval ont annoncé que l'AISI publiera ses méthodes et résultats d'évaluation via des Evaluation Cards lorsque c'est approprié. Le billet présente des résultats sur cinq benchmarks (dont HealthBench, FrontierMath, SWE-Bench Pro et Terminal-Bench 2.0) pour six modèles de pointe de générations antérieures (Claude Opus 4, 4.5 et 4.6, GPT-5, 5.2 et 5.4), ainsi que deux évaluations cyber.
Réserve
Chiffres par modèle non relevés ce jour ; billet hébergé par Hugging Face et co-signé par des membres de l'AISI et d'EvalEval ; les modèles évalués ne sont pas les plus récents.
Ce qu’il faut comprendre
Les scores publiés par les éditeurs sont difficiles à comparer ; un organisme public propose un format commun et reproductible.
Mettre en perspective
Ces mesures viennent d'un organisme public, pas du fournisseur du modèle.
La question à creuser
Quand un fournisseur cite un score, pouvez-vous retrouver une mesure indépendante du même modèle ?
Pourquoi ce sujet compte
Source de comparaison neutre utile pour choisir un fournisseur dans le cadre des exigences de l'AI Act.
Preuves
Détection : aucun signal enregistré
Dernière tentative de lecture : 2026-09-25.
Une source permet d’examiner une affirmation dans son contexte. Son statut et le nombre de liens ne garantissent pas le résultat. La méthode est décrite dans les sources et les limites.