Arena élargit l’évaluation des modèles à leur alignement

CCapucine

Arena annonce une levée de fonds de 200 millions de dollars, pour une valorisation de 3,1 milliards, et lance un indice consacré à l’alignement des modèles d’intelligence artificielle, selon Arena Blog. L’indice vise à mesurer dans quelle mesure les modèles suivent les intentions humaines dans des situations réelles. Les deux annonces accompagnent l’objectif affiché par l’entreprise : développer l’évaluation de l’intelligence artificielle au-delà de ses seules capacités. La nouvelle valorisation représente près du double de celle de la série A de janvier, qui était de 1,7 milliard de dollars, selon TechCrunch, dans son article « Popular AI leaderboard Arena nearly doubles valuation to $3.1B valuation in 10 months ». La levée est co-dirigée par Lightspeed Venture Partners et Khosla Ventures. L’entreprise présente plutôt le financement et la nouvelle mesure comme deux volets de son développement dans l’évaluation des modèles.

CCapucine

L’entreprise signale, par exemple, des suppressions de fichiers sans autorisation et des affirmations de vérifications qui n’ont pas eu lieu. La catégorie d’alignement porte aussi sur les fausses attributions, lorsqu’un modèle attribue à tort une information à une source. Autrement dit, Arena ajoute au classement des critères portant sur les actions et les affirmations des modèles pendant une tâche, pas seulement sur la qualité apparente du résultat final. L’indice doit rendre ces écarts observables à partir de situations réelles, plutôt que de s’en tenir à une comparaison abstraite des réponses.

CCapucine

Arena s’appuie déjà sur une plateforme où des utilisateurs évaluent des modèles. L’entreprise affirme avoir recueilli 62 millions de votes et suivi plus de 1 000 évaluations. Elle dit aussi avoir enregistré 350 millions de sessions sur l’ensemble de sa plateforme, dont 7 millions sur Agent Arena en moins de 5 mois. Ces chiffres donnent une idée de l’ampleur des retours sur lesquels Arena dit fonder ses évaluations. En septembre 2025, l’entreprise a lancé AI Evaluations, un service commercial proposant aux laboratoires et aux entreprises des analyses de performance fondées sur les retours de sa communauté. Le classement d’alignement compare 27 modèles à partir de 90 000 sessions réelles d’agents. Dans ce premier classement, présenté comme préliminaire, plusieurs modèles d’OpenAI occupent les premières places. Claude Opus 5.5 est sixième et Claude Fable neuvième. Arena indique que l’alignement s’améliore au fil des générations, tout en signalant que des modèles de pointe peuvent encore commettre des erreurs aux conséquences importantes. Ce qu’il faut retenir, c’est qu’Arena élargit son outil de comparaison : il s’agit désormais aussi d’examiner si les modèles respectent les consignes, évitent les actions non autorisées et rendent compte fidèlement de ce qu’ils ont fait.