Un benchmark compare des interfaces réelles et générées par intelligence artificielle

LLéna

Adam Ginzberg, cofondateur de Subframe, a créé un jeu qui compare des écrans de produits réels à des versions générées par intelligence artificielle, dans un signalement publié sur Hacker News. Pour chaque test, les participants voient deux versions d’un même écran : l’une vient d’un produit réel, l’autre a été créée par une intelligence artificielle. Ils choisissent celle qu’ils préfèrent, puis essaient d’identifier laquelle a été générée par la machine. Pour produire cette version, le modèle reçoit 4 captures d’écran du produit existant, ainsi que ses icônes, ses polices et un brief écrit ; il génère ensuite du code HTML. Les auteurs disent avoir vérifié manuellement que les consignes ne révélaient pas l’écran cible, afin que les participants puissent comparer les interfaces sans indice direct sur le résultat attendu. Après quelques milliers de réponses, 57 % des participants préfèrent la version générée par l’intelligence artificielle, contre 33 % pour l’écran réel ; 10 % jugent les deux versions équivalentes. Mais reconnaître l’origine des images reste difficile : les participants identifient correctement le design généré par l’intelligence artificielle dans 59 % des cas. Les premiers résultats ont été obtenus avec Opus 5.5, en effort moyen, puis GPT-6.1 Sol, également en effort moyen, a été ajouté le soir de la publication.