GDPx veut mesurer les vrais usages des modèles d’IA

SemiAnalysis a publié GDPx, un benchmark conçu pour mesurer les capacités agentiques des modèles d’IA sur des domaines jugés les plus rentables, du code à la finance en passant par le cyber, la biologie, le droit et la conception de puces. Selon la publication du 2 novembre 2026, le meilleur modèle n’atteint que 12 % de score, soit 1 sur 7. Le signal est clair : les classements généraux disent peu de choses sur la valeur réelle d’un modèle lorsqu’il faut agir, décider et enchaîner des tâches complexes.

Un benchmark qui regarde là où l’argent pourrait se concentrer

GDPx, pour “General Agentic Benchmark”, a été construit avec au moins un partenaire de données spécialisé par domaine, puis finalisé par SemiAnalysis. L’idée affichée est simple : si les premiers grands revenus de l’IA doivent venir de secteurs à haut retour sur investissement, alors il faut tester les modèles sur ces terrains précis, pas seulement sur des scores abstraits ou des moyennes économiques. Le benchmark couvre notamment la recherche scientifique, le matériel, la cybersécurité, la biologie, la finance, le droit, le trading quantitatif, la conception de puces, le génie logiciel, les matériaux et l’alignement.

Cette approche tranche avec les évaluations qui agrègent tout dans un seul indicateur. SemiAnalysis estime qu’un benchmark fondé sur la part du PIB ou sur des nomenclatures d’emplois type SOC/O*NET manque la cible, car il dilue les usages où l’IA peut déjà générer une valeur forte. En clair, un modèle peut être bon partout sans être utile là où les budgets se débloquent. Et parfois, le tableau de bord fait un peu la courbe de température d’un frigo : rassurant, mais pas très parlant pour la production.

Les scores révèlent surtout des écarts entre usages

Le chiffre mis en avant par SemiAnalysis est brutal : le meilleur modèle n’obtient que 12 % sur GDPx. La société précise aussi que certains modèles, comme Opus 5.5 et GPT-6 Astra, ont vu leur score global pénalisé par leurs filtres de sécurité. En retirant les domaines cyber, biologie et alignement, là où ces classifieurs peuvent parfois se déclencher, le classement change [à vérifier], ce qui rappelle qu’un benchmark n’est jamais neutre dans sa construction.

Autre point saillant : selon SemiAnalysis, Muse Wonder Full serait aujourd’hui le meilleur modèle disponible pour le cyber, avec une avance significative. La publication insiste donc sur un angle rarement mis en avant dans les classements grand public : la sécurité et les garde-fous peuvent modifier la lecture d’un résultat, surtout quand certains cas d’usage sont sensibles ou fortement régulés.

Pourquoi ce benchmark compte pour le marché de l’IA

GDPx parle moins de “qui est le plus intelligent” que de “qui sait vraiment faire le travail”. Pour les entreprises, cela change la manière d’acheter, de tester et de déployer des modèles. Un outil généraliste peut impressionner en démonstration, mais s’il chute dès qu’il faut gérer des séquences d’actions dans un environnement métier, la facture devient vite salée. Les éditeurs, eux, devront probablement composer avec des évaluations plus fines, plus sectorielles et plus proches des usages où se jouent les revenus.

SemiAnalysis indique avoir travaillé avec des partenaires de données spécialisés sur chaque domaine, tout en assurant la QA finale et l’itération des tâches. Ce montage donne à GDPx une portée pratique, mais aussi une limite : comme tout benchmark récent, il faudra le confronter à d’autres tests, à d’autres équipes et à des versions futures de modèles. Pour autant, l’initiative pointe un mouvement net du marché : la bataille ne se joue plus seulement sur la taille des modèles, mais sur leur capacité à produire des résultats utiles dans des secteurs à forte valeur ajoutée.