Une date de sortie n'est pas une date limite d'entraînement : le retard des 20 modèles d'IA

La page stale.jock.pl retient deux dates par modèle : le jour où le laboratoire l'a mis en ligne, et le jour où il a cessé de lire. Les deux compteurs avancent en direct. C'est la seconde qui détermine ce que le modèle sait vraiment.

GPT-6 Astra, sorti chez OpenAI le 3 septembre 2026, en donne un exemple. Ses données d'entraînement s'arrêtent au 30 avril 2026. Le jour du lancement, le modèle avait donc déjà quatre mois de retard sur tout ce qui s'est passé ensuite. Il continuera d'en prendre, parce que rien ne bouge dans les poids quand le monde change. Le tracker relève le même schéma sur toute la liste : Llama 4 de Meta est sorti le 5 avril 2025 avec une limite d'août 2024, Claude Sonnet 5 d'Anthropic le 30 juin 2026 avec une limite de janvier 2026, GPT-6 Sol le 22 septembre 2026 avec une limite au 20 avril 2026. Chaque nom renvoie au document du laboratoire d'où vient la date, selon le site.

La moitié de la liste est vide.

Dix des 20 modèles portent une limite publiée. Les dix autres, dont Mistral Large 3, Qwen3.8-Max, DeepSeek V4-Pro et Muse Glimmer, n'en affichent aucune : les sources des fournisseurs consultées n'en établissent pas, indique la page. Ce n'est pas la preuve qu'un laboratoire n'en a jamais publié. C'est la preuve que le tracker ne l'a pas trouvée. Voilà un fait différent, et plus gênant pour qui veut comparer des modèles sur leur fraîcheur.

La recherche ne comble pas l'écart

L'objection évidente : les modèles cherchent désormais sur le web, donc la limite importe moins. L'auteur du tracker la rejette. La recherche lit quelques pages pour une réponse et les oublie, soutient la page, si bien qu'un nouveau chat repart d'avril. Pire, la recherche doit être déclenchée par le modèle lui-même, avec les mêmes poids qui portent le fait périmé. Les ratés tombent donc exactement là où le modèle semble le plus sûr. La page cite un test de plus de 2 000 appels sur 16 modèles, chacun doté d'un outil de recherche web : les modèles de pointe ont tranché correctement presque à chaque fois, les plus faibles ont énoncé des faits qui avaient changé sans vérifier, et ont cherché sur le web des choses comme le point d'ébullition de l'eau. Dans un exemple, cinq modèles ont désigné un homme mort comme roi de Norvège.

Il y a là un point méthodologique inconfortable. Un modèle à qui l'on demande sa propre date limite d'entraînement est un mauvais témoin, dit la page : un modèle qui invente une date avec assurance vous a appris quelque chose d'utile sur lui-même. La vérification recommandée est externe.

Le tracker fournit les mêmes données sous forme de models.json, avec la date de sortie, la limite publiée et un lien source par modèle. Il suggère de coller quelques lignes dans l'AGENTS.md ou le CLAUDE.md d'un agent, pour qu'il récupère le fichier avant de désigner un modèle ou une version comme actuel. Le fichier est régénéré en même temps que la page : l'agent lit les dates du jour, pas celles inscrites dans ses poids. La liste des 20 modèles couvre 8 laboratoires, et 5 d'entre eux ont une limite publiée pour au moins un modèle de la page : Anthropic, Google DeepMind, Meta, OpenAI et xAI.

Pour ceux qui suivent les benchmarks, la conséquence pratique est simple. Un classement qui compare des modèles sortis à quelques semaines d'intervalle compare aussi des modèles entraînés à plusieurs mois d'intervalle, et l'écart n'apparaît pas dans le score.