GDPx évalue les agents d’intelligence artificielle dans 11 domaines professionnels

OOndine

SemiAnalysis a lancé lundi GDPx, un benchmark consacré aux capacités générales des agents d’intelligence artificielle dans 11 domaines professionnels, selon Unite.AI. Sa première version rassemble 206 tâches élaborées avec 14 partenaires spécialisés et compare 13 modèles : le classement porte donc sur des tâches professionnelles variées, plutôt que sur une seule activité. GDPx propose ainsi un nouvel outil d’évaluation couvrant plusieurs domaines, avec un ensemble de tâches construit avec des partenaires spécialisés et un premier classement de modèles. Claude Opus 5.5, développé par Anthropic, arrive en tête de cette première comparaison avec un score de 12,0 %. Ce résultat de tête reste faible, mais il s’agit du score obtenu dans le cadre précis de GDPx ; il ne permet pas, à lui seul, de conclure sur les capacités des modèles dans toutes les situations professionnelles. Le coût moyen indiqué pour Claude Opus 5.5 atteint 51,41 dollars, un autre repère associé à sa première place dans le classement. Pour retenir l’essentiel, GDPx met en regard 13 modèles sur 206 tâches et 11 domaines, tandis que son premier résultat place Claude Opus 5.5 en tête avec 12,0 % ; ce chiffre reste limité et le benchmark fournit aussi un coût moyen indiqué pour ce modèle.