Densité d'intelligence des 71 LLMs pour des modèles plus intelligents et plus denses

Nous avons suivi 71 LLMs publiés entre février 2023 et mai 2026 et recueilli 10 benchmarks publics pour mesurer la densité d'intelligence. Nous avons divisé le score de capacité par la ressource que le modèle consomme (paramètres actifs, calcul d'entraînement et prix d'inférence).

Aperçu de la densité d'intelligence des LLM

Pour calculer la densité d'intelligence, nous avons exécuté les étapes suivantes :

• Efficacité des ressources : nous avons divisé la capacité de chaque modèle par deux métriques de ressources :
  • Paramètres actifs : un proxy pour le coût de mémoire et de service (pour les modèles à poids ouverts).
  • Prix d'inférence : rentabilité du marché basée sur la tarification API mixte par million de tokens.
  • Note sur le calcul d'entraînement (FLOP) : nous avons initialement inclus un troisième axe, le calcul d'entraînement (FLOP), mais l'avons retiré car sa pente négative sur les benchmarks Standard saturés entraînait un creux contre-intuitif dans le composite 2023-2024.
• Regroupement des benchmarks : pour empêcher la saturation des scores de masquer les gains d'efficacité, nous avons évalué les capacités sur deux ères de benchmarks distinctes :
  • Benchmarks Standard (2023-2024) : MMLU (5-shot), GSM8K (8-shot CoT), HellaSwag (10-shot), ARC Challenge (25-shot), HumanEval (0-shot pass@1).
  • Benchmarks avancés (2024-2026) : MMLU-Pro, GPQA Diamond, AIME 2025, LiveCodeBench, SWE-bench Verified.
• Indexation en chaîne : nous avons calculé la croissance d'une année sur l'autre au sein de groupes de benchmarks correspondants et les avons enchaînés de manière multiplicative à partir d'une base 2023 de 100 pour tracer la tendance cumulée.

Voir la méthodologie pour l'approche de notation et les ventilations par ressource.

Résultats de densité d'intelligence des LLM

À la mi-2026, l'écosystème de l'IA a fourni près de 15× plus d'intelligence par unité de ressource (paramètres et dollars) que la base de 2023. Deux points à noter lors de la lecture de la tendance :

• Le bond 2024-2025 (+362 %) surestime le gain réel : les benchmarks avancés étaient nouveaux en 2024 et une poignée de modèles y avaient des scores, de sorte que la base 2024 est artificiellement basse. L'essentiel de la « montée » provient du remplissage du panel, pas d'un bond d'efficacité sur un an.
• Le gain 2025-2026 (+105 %) est le véritable signal : il est mesuré sur beaucoup plus de modèles et il est porté par de petites sorties à poids ouverts comme Qwen 3.6-35B-A3B et DeepSeek V4 Flash, qui égalent la capacité des modèles fermés de pointe à une fraction de la taille et du coût.

Capacité des LLM

Le graphique de densité montre l'efficacité. Pour la mettre en contexte, nous avons également mesuré la capacité brute sur la même période : à quel point ces modèles sont-ils réellement devenus plus intelligents avant tout ajustement lié aux ressources ?

Capacité indexée à 100 en 2023, moyennée sur l'ensemble des modèles publiés chaque année.

Les axes et l'infobulle fonctionnent comme pour le graphique de densité, avec l'axe Y qui suit les performances brutes des benchmarks plutôt que la densité.

Un score de capacité de 100 en 2023 est passé à 468 en 2026, soit une amélioration d'environ 4.7×. Année par année :

• 2024 (+88 %) : progrès rapide sur les benchmarks standard avant leur saturation.
• 2025 (+105 %) : même progrès rapide, mesuré sur les benchmarks avancés plus difficiles qui ont remplacé les benchmarks standard.
• 2026 (+22 %) : le ralentissement est un signe précoce que les benchmarks avancés commencent également à saturer.

En comparant les deux graphiques côte à côte :

• La capacité a progressé de 4.7× tandis que la densité d'intelligence a progressé de 8.9×.
• Les modèles sont devenus à la fois plus intelligents et plus efficaces. Ils n'ont pas besoin de proportionnellement plus de paramètres, de calcul d'entraînement ou d'argent pour fonctionner.

À noter : le chiffre de capacité de 4.7× est une ampleur crédible. Le chiffre de densité de 8.9× est plus fragile (le groupe avancé de 2024 comporte moins de points de données, ce qui amplifie le taux de croissance de cette année-là) ; il faut donc le considérer comme un signal directionnel plutôt que comme un multiplicateur précis.

Quel LLM présente la densité d'intelligence la plus élevée ?

La densité d'intelligence dépend de la ressource mesurée et du groupe de benchmarks utilisé pour la notation. Le leader change pour chaque combinaison.

Densité par paramètre actif (poids ouverts)

Cette vue mesure l'efficacité avec laquelle un modèle concentre la capacité dans ses poids. Les paramètres actifs sont importants car les modèles Mixture-of-Experts (MoE) acheminent chaque token à travers une fraction des poids totaux. DeepSeek V3 a 671B de paramètres au total, mais 37B actifs par token, et le chiffre de 37B reflète le coût de service effectif.

Leaders des benchmarks Standard

• LLaMA 3.1 8B (juil. 2024) : 100.0
• LLaMA 3 8B (avr. 2024) : 85.0
• LLaMA 4 Maverick (avr. 2025) : 55.9
• Mixtral 8x7B (déc. 2023) : 47.4
• Mistral 7B (sept. 2023) : 46.3

Leaders des benchmarks avancés

• Qwen 3.6-35B-A3B (avr. 2026) : 100.0 (3B paramètres actifs ; le score repose sur un seul benchmark, SWE-bench Verified à 73,4 %, à interpréter en conséquence)
• GPT-OSS 20B (août 2025) : 85.2 (3.6B paramètres actifs)
• GPT-OSS 120B (août 2025) : 64.4 (5.1B paramètres actifs)
• Qwen 3.5 9B (mars 2026) : 35.2 (9B paramètres denses)
• DeepSeek V4 Flash (avr. 2026) : 26.0

Le classement des benchmarks standard n'a plus bougé depuis fin 2024 parce que les benchmarks ont saturé, et non parce que le progrès s'est arrêté. GPT-4 a obtenu 90.2 aux benchmarks standard au début de 2023, mais 17.3 aux benchmarks avancés.

Densité par FLOP d'entraînement (poids ouverts)

Cette vue récompense la curation des données, les choix d'architecture et les recettes d'entraînement plutôt que les dépenses brutes.

Remarque : la densité par FLOP sur les benchmarks standard semble diminuer avec le temps. Il s'agit d'un artefact de saturation, pas d'une baisse de l'efficacité d'entraînement. Les benchmarks plus anciens ne mesurent plus les gains récents, de sorte que les scores de capacité se compressent tandis que le calcul d'entraînement continue de croître.

Leaders des benchmarks Standard

• Mistral 7B (sept. 2023) : 100.0 (toujours la référence du panel, plus de deux ans plus tard)
• LLaMA 3 8B (avr. 2024) : 40.8
• LLaMA 1 (févr. 2023) : 37.0
• DeepSeek V2 (mai 2024) : 32.6
• Mixtral 8x7B (déc. 2023) : 27.1

Leaders des benchmarks avancés

• Qwen 3.5 9B (mars 2026) : 100.0
• Qwen 3.6-35B-A3B (avr. 2026) : 28.4
• DeepSeek V4 Flash (avr. 2026) : 6.4

Le résultat de Qwen 3.5 (9B) est remarquable : un modèle dense de 9B entraîné avec environ 1.5 × 10²³ FLOP obtient 81.2 en capacité sur les benchmarks avancés. Son calcul d'entraînement est environ un ordre de grandeur inférieur à celui de DeepSeek V4 Pro, mais l'écart de capacité est plus faible.

Densité par dollar d'inférence

La densité par dollar est l'axe sur lequel les modèles à poids ouverts et les modèles fermés de pointe peuvent être directement comparés, car la tarification des API est publiquement vérifiable. Nous utilisons les prix stabilisés pour le chiffre principal afin que les baisses post-lancement soient reflétées.

Leaders des benchmarks Standard

• Mistral Small 3 24B (janv. 2025) : 100.0 à $0,10 / $0,30 par million de tokens via Mistral et son API propriétaire
• Gemini 1.5 Flash (mai 2024) : 99.3 (modèle à poids fermé le mieux noté après sa baisse de prix d'août 2024)
• DeepSeek V2 (mai 2024) : 66.0 à $0,27 / $1,10 par million de tokens
• DeepSeek V3 (déc. 2024) : 30.9
• DeepSeek R1 (janv. 2025) : 17.8

Leaders des benchmarks avancés

• GPT-OSS 120B (août 2025) : 100.0 (la référence de prix est la médiane multi-fournisseurs d'OpenRouter, car OpenAI n'hébergeait pas le modèle sur une API de première partie)
• GPT-OSS 20B (août 2025) : 80.0
• DeepSeek V4 Flash (avr. 2026) : 44.0 à $0,06 / $0,42 par million de tokens via DeepSeek et son API propriétaire
• DeepSeek V3.2 (déc. 2025) : 22.5
• Mistral Small 3 24B (janv. 2025) : 20.9
• DeepSeek V4 Pro (avr. 2026) : 16.0 au prix mixte de $0,54, avec une capacité de 97.8 sur les benchmarks avancés. Cela place V4 Pro à 2.2 points de capacité de Claude Opus 4.7 à environ 1/18 du prix mixte ($0,54 contre $10,00).

L'écart des modèles fermés de pointe ne s'est pas réduit

Les modèles de raisonnement fermés d'Anthropic, d'OpenAI et de Google se regroupent entre 0 et 6 sur la densité par dollar des benchmarks avancés tout au long de la période du panel. GPT-4 en mars 2023 a obtenu 0.0. Claude Opus 4.7 en avril 2026 a obtenu 0.9.

Les laboratoires fermés ont réduit les prix absolus :

• Claude Opus est passé de $30 à $10 par million de tokens entre Opus 4 et Opus 4.5.
• Le modèle o3 d'OpenAI est passé de $10/$40 au lancement à $2/$8 stabilisés.
• Gemini 1.5 Flash a baissé d'environ 78 %.

Mais l'écart relatif avec les leaders de densité à poids ouverts est resté d'environ 30 à 50× sur la période. DeepSeek a fixé ses prix autour de $0,18 par million en 2024 (V2) et autour de $0,18 par million en 2026 (V4 Flash). Le plancher de prix des modèles à poids ouverts n'a pas bougé, et celui des modèles fermés phares n'a pas assez bougé pour combler l'écart. La concurrence sur les prix se joue sur la génération précédente, où d'anciens modèles fermés sont maintenus en vie comme alternatives bon marché, et non à la frontière.

La nouvelle direction : les benchmarks agentiques

Les benchmarks avancés utilisés pour mesurer les performances de l'IA commencent à perdre de leur efficacité, tout comme les anciennes suites de tests qu'ils ont remplacées. Les laboratoires rapportent désormais des résultats sur des benchmarks agentiques, tels que SWE-Bench Pro, Terminal-Bench, OSWorld-Verified et Finance Agent, plutôt que sur les anciens tests de raisonnement. De nombreuses sorties récentes de modèles de pointe rapportent presque exclusivement des résultats sur ces LLM agentiques benchmarks, sans scores sur les benchmarks de raisonnement suivis par notre panel principal.

Pour suivre cette évolution, nous avons ajouté un troisième groupe de benchmarks, Agentic, aux côtés des groupes Standard et Avancé. Il combine trois benchmarks de l'AIM LLM Index :

• Terminal-Bench 4.0 : accomplir des tâches agentiques dans un terminal
• AIM-Agentic-RAG : orienter chaque question vers la bonne base de données parmi 11
• AIM-Text-to-SQL : écrire du SQL correct une fois la bonne base de données sélectionnée

Les scores sont combinés selon la même méthode que les autres groupes : chaque benchmark est transformé en score z, les scores z disponibles d'un modèle sont moyennés, et le résultat est remis à l'échelle de 0 à 100. Un modèle doit disposer d'au moins deux des trois benchmarks pour être inclus.

Capacité agentique et densité agentique par dollar, par date de sortie. Les scores vont de 0 à 100 par rapport aux modèles du graphique ; un 0 désigne donc le modèle plus faible du groupe, et non un échec. Parmi les modèles représentés :

• Capacité agentique la plus élevée : Claude Opus 5.5 (100), Gemini 4 Argon (97.4), Claude Sonnet 5.5 (79.9) et GPT-6 Astra (65.2).
• Densité agentique par dollar la plus élevée : Gemini 4 Argon (100), Claude Sonnet 5.5 (82.1), GPT-6.1 Sol (53.8) et Claude Opus 5.5 (51.4).
• Le prix modifie le classement : GPT-6 Astra et Claude Fable 5.1 se situent en milieu de peloton sur la capacité, mais à $20 par 1M tokens, ils tombent en bas du classement de la densité par dollar (13.4 et 12.3).

Explorez les benchmarks Agentic en consultant les benchmarks de codage agentique, la recherche agentique et la supervision agentique.

Difficultés de comparaison des performances agentiques

Évaluer et comparer les résultats des benchmarks agentiques présente plusieurs difficultés clés :

• Accent sur les métriques de capacité : nous pouvons afficher les scores de capacité, car les données de ressources nécessaires pour mesurer la densité (nombre de paramètres, calcul d'entraînement et tarification vérifiée par modèle) restent incomplètes ou non divulguées par les laboratoires fermés.
• Sensibilité au niveau du système : les scores des benchmarks mesurent l'ensemble du système, et non le seul modèle d'IA. Comme les scores dépendent fortement de l'« échafaudage » (le framework logiciel environnant), le même modèle peut produire des résultats très différents selon le harnais d'agent utilisé.
• Protocole de standardisation : pour garantir une comparaison équitable, ce rapport trace exclusivement les données SWE-Bench Pro issues d'un environnement standardisé unique (le classement SEAL de Scale). Les autres scores rapportés par les laboratoires utilisent des harnais différents et ne sont pas directement comparables.
• Exclusion de Claude Opus 4.8 : bien qu'Opus 4.8 auto-déclare un score record de 69,2 % sur SWE-Bench Pro, il a été testé sur le harnais interne d'Anthropic et n'a pas encore été évalué par SEAL de Scale. Pour maintenir une stricte cohérence des données, nous mentionnons son score ici plutôt que de le représenter graphiquement.

SWE-Bench Pro provient du harnais standardisé SEAL de Scale. Les autres colonnes sont déclarées par les laboratoires sur des harnais variés et ne sont pas directement comparables entre les lignes. Les tirets signifient qu'aucun score vérifié n'a été trouvé.

Ces trois modèles ont été exécutés avec le harnais mini-swe-agent ; ils sont donc exclus du graphique en nuage de points afin de le garder comparable.

Méthodologie de la densité d'intelligence

Couverture du panel

• Modèles : 71 LLMs publiés de février 2023 à avril 2026. 37 modèles ont des scores sur les benchmarks standard et 54 ont des scores sur les benchmarks avancés. Les modèles sans un groupe de benchmarks complet sont exclus des calculs de densité de ce groupe.
• Benchmarks : 10 benchmarks publics, tous déclarés par les laboratoires et traçables jusqu'à une source primaire. Nous n'avons réexécuté aucun benchmark.
• Ressources : pour chaque modèle, nous avons divisé son score de capacité par trois ressources indépendamment :
  • Paramètres actifs : un proxy pour le coût de mémoire et de service. Limité aux modèles à poids ouverts, car les laboratoires à poids fermés (OpenAI, Anthropic, Google) ne divulguent pas le nombre de paramètres.
  • Calcul d'entraînement (FLOP) : un proxy pour l'efficacité d'entraînement. Également limité aux modèles à poids ouverts. Les chiffres de FLOP sont surtout des estimations d'Epoch IA et doivent être interprétés comme directionnels.
  • Prix d'inférence : le prix qu'un acheteur paie réellement à l'API. La capacité est divisée par le prix mixte par million de tokens selon un ratio entrée-sortie de 3:1. Les modèles ouverts comme fermés participent, car la tarification des API est publiquement vérifiable.

Pourquoi deux groupes de benchmarks ?

Les modèles publiés en 2024 ont saturé les benchmarks standard que les laboratoires d'IA utilisaient depuis 2020. Une fois que les modèles de pointe atteignent 90 % ou plus sur un benchmark, le test ne distingue plus les modèles forts des modèles plus forts. Les laboratoires ont réagi en introduisant des benchmarks plus difficiles.

Nous traitons ce changement comme une rupture nette pour deux raisons :

• Premièrement, mélanger des benchmarks faciles et difficiles dans un même score de capacité permettrait à un score saturé sur un benchmark facile de masquer un score faible sur un benchmark difficile. Un modèle qui obtient 85 sur MMLU-Pro est plus fort qu'un modèle qui obtient 85 sur MMLU. Traiter les deux comme équivalents compresse la plage de scores et récompense les benchmarks plus anciens.
• Deuxièmement, les deux suites ont des distributions de scores différentes : les benchmarks standard se regroupent en haut (la plupart des modèles de pointe au-dessus de 85), tandis que les benchmarks avancés présentent une dispersion plus large (les meilleurs modèles autour de 90, le milieu autour de 50, les modèles plus faibles en dessous de 30). Un calcul de score z sur les deux à la fois fausserait l'estimation de la variance.

Nous calculons la capacité pour chaque groupe indépendamment :

• Benchmarks Standard (2023-2024) : MMLU (5-shot), GSM8K (8-shot chaîne de pensée), HellaSwag (10-shot), ARC Challenge (25-shot), HumanEval (0-shot pass@1).
• Benchmarks avancés (2024-2026) : MMLU-Pro, GPQA Diamond, AIME 2025, LiveCodeBench, SWE-bench Verified.

Un score de 90 aux benchmarks standard n'est pas équivalent à 90 aux benchmarks avancés. Pour tout modèle publié à partir de fin 2024, les benchmarks avancés constituent la référence pertinente.

Formule de capacité

Pour chaque benchmark b et chaque modèle m :

Nous utilisons l'écart type de la population (division par N, et non par N−1). Cela correspond au calcul pandas d'origine avec ddof=0 et garantit que l'ajout d'un seul nouveau modèle ne modifie pas rétroactivement l'estimation de la variance.

Nous moyennons ensuite les scores z disponibles pour chaque modèle au sein de chaque groupe de benchmarks et les remettons à l'échelle min-max sur un score relatif au panel de 0 à 100.

Formule de densité

Pour chaque vue de densité :

Le dénominateur change selon la vue : paramètres actifs en milliards, FLOP d'entraînement divisé par 10²⁴, ou prix mixte par million de tokens.

Méthodologie de l'indice en chaîne

Les deux graphiques d'indice en haut de l'article (Densité d'intelligence et Capacité) montrent une croissance cumulée en une seule ligne indexée à 100 en 2023, sur le modèle du format de rendement cumulé du S&P 500. Nous enchaînons les taux de croissance d'une année sur l'autre à travers la transition des benchmarks plutôt que de tracer des valeurs absolues.

Étape 1. Calculer la moyenne annuelle de la métrique pour chaque groupe de benchmarks :

Pour l'indice de densité d'intelligence, la métrique est la moyenne par ligne des trois scores de densité de chaque modèle (Combined Density A ou B). Pour l'indice de capacité, la métrique est le score de capacité relatif au panel (Capability_A ou Capability_B).

Étape 2. Pour chaque transition d'une année à l'autre, calculer la croissance au sein d'un même groupe de benchmarks. Les deux années doivent provenir du même groupe :

Étape 3. Enchaîner de manière multiplicative à partir d'une base 2023 de 100 :

Sélection des groupes par transition :

• 2023 - 2024 : benchmarks Standard (le groupe Avancé compte 1 modèle en 2023, trop peu pour calculer une moyenne stable)
• 2024 - 2025 : benchmarks avancés (les benchmarks Standard ont saturé fin 2024 ; le groupe Avancé compte 16 modèles en 2024 et 27 en 2025)
• 2025 - 2026 : benchmarks avancés (les benchmarks Standard ne sont pas rapportés pour 2026)

L'indice en chaîne suppose que les populations sous-jacentes sont comparables d'une année à l'autre au sein d'un groupe. Notre panel est hétérogène (modèles différents chaque année, avec des couvertures de benchmarks différentes), de sorte que les valeurs enchaînées doivent être lues comme un résumé directionnel plutôt que comme un multiplicateur précis.

Principes fondamentaux d'évaluation pour la mesure de la densité d'intelligence

• Benchmarks standard de l'industrie : nous n'introduisons aucun benchmark personnalisé.
• Sources primaires : chaque score de benchmark est traçable jusqu'à l'article de sortie du modèle, sa fiche de modèle ou son annonce officielle. Lorsque la source primaire n'a pas rapporté de benchmark, la cellule est laissée vide plutôt qu'imputée.
• Indicateurs de couverture (N) : pour chaque modèle, nous indiquons le nombre de benchmarks contribuant à son score de capacité dans chaque groupe. Les modèles avec N=1 reçoivent un score plus bruité que les modèles avec N=5. Le cas N=1 s'applique à Qwen 3.6 35B A3B (SWE-bench Verified) et à quelques sorties fermées phares de 2026.

Sources de tarification pour les modèles à poids fermés

La tarification est la partie de l'indice la plus sensible aux cohortes. Nous utilisons la hiérarchie suivante :

1. Annonce de lancement du laboratoire (privilégiée) : prix indiqué dans le billet de lancement du laboratoire, la documentation de l'API ou la couverture de presse contemporaine.
2. Médiane multi-fournisseurs d'Artificial Analysis (solution de repli pour les modèles à poids ouverts) : utilisée pour trois lignes Llama 3.1 (8B, 70B, 405B) et pour les lignes GPT-OSS, car aucune API de première partie n'existe.
3. Modèles sans couverture : 22 lignes sur 69 n'ont pas de prix par dollar enregistré. Elles apparaissent dans les graphiques de capacité et par paramètre, mais sont absentes des graphiques par dollar.

Nous suivons deux trajectoires de prix : le prix de lancement (prix de première partie le jour de la sortie) et le prix stabilisé (prix de première partie actuel, ou le dernier avant l'abandon). Six modèles du panel ont vu leur prix modifié après le lancement :

• Gemini 1.5 Pro : $3,50/$10,50 à $1,25/$5,00 (octobre 2024)
• GPT-4o : $5,00/$15,00 à $2,50/$10,00 (octobre 2024)
• Gemini 1.5 Flash : $0,35/$1,05 à $0,075/$0,30 (août 2024)
• Claude 3.5 Haiku : $1,00/$5,00 à $0,80/$4,00 (décembre 2024)
• o3 : $10,00/$40,00 à $2,00/$8,00 (juin 2025)

La densité par dollar mise en avant utilise la tarification stabilisée. Pour 37 lignes tarifées sur 43, les prix de lancement et stabilisés sont identiques.

Rythme de mise à jour

Nous actualisons l'indice chaque mois. Chaque actualisation ajoute de nouvelles lignes de modèles pour toute sortie de pointe ou notable du mois précédent, met à jour les tarifs lorsque les laboratoires ont ajusté leurs prix, complète les benchmarks nouvellement rapportés pour les lignes existantes et recalcule les scores z sur l'ensemble du panel. Les nouvelles entrées de modèles déplacent la moyenne et l'écart type de chaque benchmark, de sorte que les scores existants de 0 à 100 bougent avec le panel. Les instantanés historiques sont conservés.

Limites de l'évaluation de la densité d'intelligence

• Optimisme des laboratoires : les scores des benchmarks proviennent des laboratoires eux-mêmes. Les ré-exécutions indépendantes aboutissent généralement à des scores inférieurs de 5 à 13 points. Les courbes de tendance sont informatives sur la direction, mais pas précises au point près.
• Modes raisonnement et non-raisonnement non séparés : les modèles publiés en 2025 et 2026 prennent en charge des options de réflexion étendue qui peuvent faire varier les scores de mathématiques et de codage de 5 à 15 points. Nous utilisons les scores du mode par défaut lorsqu'ils sont identifiables.
• Les chiffres de FLOP d'entraînement sont surtout des estimations : une poignée de lignes ont des FLOP confirmés par les laboratoires. Le reste est extrapolé à partir des paramètres divulgués et des tokens d'entraînement, principalement via Epoch IA.
• Nombre de paramètres des modèles fermés inconnu : la densité par paramètre et par FLOP est vide pour les lignes fermées de pointe. Les modèles fermés participent à la densité par dollar.
• Scores relatifs au panel : les scores de densité sont remis à l'échelle min-max au sein du panel. Un nouveau modèle avec un ratio brut plus élevé déplace le score 0-100 de tous les modèles existants. Pour comparer les versions du panel, utilisez les ratios bruts sous-jacents plutôt que les scores remis à l'échelle.

Ne manquez pas nos benchmarks et analyses basées sur les données. Le bouton ouvre Google ; sélectionner AIMultiple confirme que vous souhaitez voir AIMultiple plus souvent dans les résultats de recherche Google.

Ajouter comme source préférée

Qu'est-ce que la densité d'intelligence ?

La densité d'intelligence représente une nouvelle métrique pour évaluer la quantité de connaissances et de capacité de raisonnement qu'un modèle peut concentrer dans une seule unité de mémoire ou de calcul. Elle mesure l'architecture du modèle en évaluant l'efficacité avec laquelle chaque paramètre génère de la valeur.

Dans ce cadre, l'axe des x représente souvent le nombre de paramètres du modèle tandis que l'axe des y suit les performances sur des tâches difficiles. Une densité élevée apparaît lorsque les modèles démontrent des capacités supérieures sans exiger le coût de calcul massif associé aux modèles plus grands. Ce processus prouve que l'intelligence ne dépend pas uniquement de la quantité de données ni de l'échelle de l'entraînement, mais plutôt de la façon dont les logiciels et les algorithmes organisent cette information.

Auparavant, la communauté de l'IA s'appuyait sur la mise à l'échelle des paramètres des modèles pour atteindre des performances supérieures, ce qui aboutissait à des systèmes massifs et gourmands en ressources. Avec ce changement de cap, l'optimisation algorithmique est privilégiée par rapport au volume brut afin de produire davantage d'intelligence à partir de modèles plus petits.

Pourquoi est-il important de mesurer la densité d'intelligence ?

Les systèmes efficaces doivent optimiser le temps d'inférence et l'utilisation de la mémoire. Identifier le point à partir duquel davantage de tokens ou de calcul supplémentaire ne produit plus de gains significatifs aide l'industrie à comprendre les limites supérieures des grands modèles de langage actuels. Les principales raisons de mesurer la densité d'intelligence peuvent être résumées ainsi :

• La communauté de l'IA sous-estime les coûts à long terme de la maintenance de modèles surdimensionnés dans les centres de données.
• La création de valeur dans les applications pratiques dépend du rapport entre la qualité de la sortie et la puissance nécessaire pour la produire.
• La loi de Moore pour le matériel ne peut pas soutenir la croissance des modèles de langue sans progrès correspondant dans la manière de les optimiser.
• L'apprentissage par renforcement et une meilleure distribution des données permettent aux outils de nouvelle génération d'atteindre des benchmarks autrefois réservés aux seuls humains. En savoir plus sur l'apprentissage par renforcement et les autres types de techniques de LLM fine-tuning .

Même si les modèles plus grands restent importants pour explorer de nouvelles frontières, la densité d'un système détermine son utilité réelle dans le monde réel. Ce contexte aide à considérer l'intelligence comme un résultat concentré de l'entraînement plutôt que comme un sous-produit de la taille brute.

Pour aller plus loin

La densité d'intelligence est une façon de comparer les LLM. D'autres dimensions sont couvertes dans des analyses distinctes :

• Benchmarks de latence : pour le délai jusqu'au premier token et le nombre de tokens par seconde, consultez notre LLM benchmark de latence.
• Benchmarks par tâche : pour le raisonnement financier, consultez notre benchmark LLM financier. Pour le codage, consultez notre benchmark de codage IA.

Citez ce benchmark

Choisissez le format qui correspond à votre lieu de publication. Coller la version avec lien dans votre CMS préserve le lien retour.

@misc{simsek2026,
  author = {Şimşek, Hazal},
  title  = {{Densité d'intelligence des 71 LLMs pour des modèles plus intelligents et plus denses}},
  year   = {2026},
  month  = oct,
  howpublished    = {\url{https://aimultiple.com/intelligence-density}},
  note   = {AIMultiple. Consulté le 23 octobre 2026}
}

Journal des modifications

3 mises à jour

2026

1. 7 juil

   Ajout de Claude Fable 5 et GLM 5.2 au classement des benchmarks agentiques.

2. 6 juil

   Calcul d'entraînement (FLOP) supprimé comme métrique de ressource de densité d'intelligence.

3. 15 juin

   Remplacé le commentaire des résultats de densité d'intelligence par la méthodologie de calcul et des réserves sur les bases 2024-2025.

Hazal Şimşek

Analyste sectorielle

Suivre

Hazal est analyste sectorielle chez AIMultiple, spécialisée dans l'intelligence des processus (y compris le process mining) et l'automatisation d'entreprise (y compris l'automatisation IT et l'automatisation low-code/no-code).

Voir le profil complet

Soyez le premier à commenter

Votre adresse courriel ne sera pas publiée. Tous les champs sont obligatoires. Les commentaires sont laissés dans leur langue d'origine.

Nom

Adresse email

Commentaire

0/450

Publier un commentaire