GDPx, le nouveau test de SemiAnalysis : même Claude Opus 5.5, premier, ne réussit que 12 %
Le cabinet SemiAnalysis a publié le 2 novembre GDPx, un banc d'essai de 206 tâches d'agents dans 11 domaines à forte valeur (conception de puces, cybersécurité, biologie, finance, droit…). Claude Opus 5.5 arrive en tête avec 12,0, devant Gemini 4 Carbon (10,9) et GPT-6 Astra (9,6). Les filtres de sécurité des modèles pèsent sur le classement.
Le cabinet d’analyse SemiAnalysis a publié le 2 novembre 2026 GDPx, un banc d’essai pour agents d’IA qui se veut le successeur de GDPval, le test d’OpenAI sorti en septembre 2025. Verdict de la version 1.0 : aucun modèle ne dépasse 12 %. Claude Opus 5.5 arrive premier avec 12,0, devant Gemini 4 Carbon (10,9) et GPT-6 Astra (9,6).
206 tâches dans les métiers où l’IA doit rapporter
GDPx compte 206 tâches dans 11 domaines choisis parce que, selon SemiAnalysis, les premiers revenus massifs de l’IA viendront des secteurs qui peuvent utiliser l’IA la plus avancée avec un fort retour sur investissement : conception de puces, cybersécurité, biologie, finance, droit, trading quantitatif, auto-amélioration récursive, conception matérielle, science des matériaux, alignement et génie logiciel. L’administration, l’immobilier ou l’assurance sont volontairement écartés.
La différence avec GDPval tient aux environnements. Au lieu d’un énoncé détaillé et d’un fichier joint, chaque tâche plonge l’agent dans un monde simulé : une salle de données de rachat d’entreprise d’environ 4 000 fichiers en finance, des services informatiques en fonctionnement bâtis autour de failles inédites en cybersécurité, des sessions de logiciels de CAO en conception matérielle. Les tâches ont été fournies par 14 entreprises spécialisées qui fabriquent des environnements d’entraînement pour les laboratoires. Chaque modèle a jusqu’à 8 heures par tâche, dans son environnement natif quand il existe (Claude Code, Codex, Antigravity), et le score retenu est la réussite au premier essai, moyennée sur trois tentatives, avec le même poids pour chaque domaine.
Un classement très inégal selon les domaines
| Modèle | Score GDPx |
|---|---|
| Claude Opus 5.5 | 12,0 |
| Gemini 4 Carbon | 10,9 |
| GPT-6 Astra | 9,6 |
| Muse Wonder Full | 9,0 |
| Claude Fable 5.1 | 8,5 |
| GPT 6.1 Sol | 8,4 |
| Claude Sonnet 5.5 | 8,2 |
| Gemini 4 Argon | 7,3 |
| Grok 4.7 | 3,9 |
| GLM 5.3 | 2,7 |
Extrait du classement général publié sur le site de GDPx, consulté le 2 novembre 2026.
Derrière la moyenne, les profils sont très « pointus ». Selon SemiAnalysis, Opus 5.5 gagne en trading quantitatif, en conception matérielle et en conception de puces ; Gemini 4 Carbon en biologie et, de peu, en génie logiciel ; GPT-6 Astra en auto-amélioration récursive et en science des matériaux. En finance et en droit, les tâches sont si dures que presque tous les modèles obtiennent zéro avec la notation binaire prévue : le classement y affiche donc un score partiel.
Les filtres de sécurité faussent la donne
SemiAnalysis souligne que les scores d’Opus 5.5 et de GPT-6 Astra sont pénalisés par leurs classificateurs de sécurité, qui se déclenchent parfois en cybersécurité, en biologie et en alignement. Le cabinet publie donc un second classement sans ces trois domaines. Il estime aussi que Muse Wonder Full est aujourd’hui le meilleur modèle disponible en cybersécurité, et attribue la victoire de Gemini 4 Carbon en biologie probablement à des filtres moins stricts. Gemini 4 Carbon, annoncé fin octobre avec un accès d’abord restreint, n’est pas encore accessible à tous.
Notre lecture
GDPx a le mérite de mesurer ce que les entreprises achètent vraiment : un agent qui doit d’abord trouver l’information dans un environnement réaliste avant de produire un livrable. Des scores autour de 10 % rappellent que l’autonomie sur des tâches expertes de plusieurs heures reste loin. Deux réserves s’imposent : les tâches sont surtout privées et fournies par des vendeurs de données aux laboratoires, et les résultats n’ont pas été reproduits. Le point le plus utile pour un acheteur est ailleurs : avec des filtres de sécurité qui coûtent des points dans certains domaines, le « meilleur modèle » dépend autant de la politique de modération de son éditeur que de ses capacités brutes.
Sources
- GDPx — site officiel et classement (SemiAnalysis) Source primaire
- SemiAnalysis — GDPx: Measuring Frontier Model Capabilities Across the Most Valuable Domains (2 novembre 2026) Source primaire
Une source primaire émane directement de l'entreprise, du laboratoire ou de l'organisme concerné. Une source secondaire rapporte l'information sans en être l'auteur : nous la signalons comme telle. Une erreur ? Consultez notre politique de correction.
