Classement des LLM
Classements publics des performances des LLM. LMSYS Chatbot Arena (plus de 1,5 million de votes humains), HuggingFace Open LLM Leaderboard, Artificial Analysis (latence, coût et qualité). La façon standard de comparer les modèles.
Chatbot Arena : test A/B en aveugle entre modèles, les utilisateurs votent, classement Elo. En tête en 2025 : Claude 4.7 Opus, GPT-5 et Gemini 2.5 Ultra, quasiment à égalité. Le classement HuggingFace repose sur des benchmarks standardisés (MMLU, GPQA, HellaSwag, etc.) appliqués aux modèles à poids ouverts. Vellum et Artificial Analysis suivent coût, vitesse et qualité chez les fournisseurs d'API. Réserve actuelle : la qualité des classements s'est dégradée — de nombreux benchmarks sont contaminés (présents dans les données d'entraînement) ou manipulés artificiellement. Bonne pratique : construire sa propre suite d'évaluation pour les décisions spécifiques à son domaine plutôt que de se fier uniquement aux classements.