Deux dates suffisent à dire si un modèle d'IA est périmé, et seuls 10 laboratoires sur 20 publient les deux

La page, stale.jock.pl, est apparue comme soumission Show HN le 16 septembre. Son principe tient en une phrase : un modèle peut sortir en septembre et avoir cessé de lire en avril. L'écart est donc inscrit dans les poids avant même qu'on tape une invite. Les mêmes données sont proposées en models.json pour que les agents les récupèrent.

Cinq des huit laboratoires publient une date limite pour au moins un modèle listé : Anthropic, Google DeepMind, Meta, OpenAI et xAI. Une case vide dans le tableau signifie que les sources consultées chez l'éditeur n'ont pas permis d'établir de date limite, précise la page, et non que le laboratoire n'en a jamais publié. Mistral, Alibaba et DeepSeek figurent dans le tableau sans date limite établie pour les modèles affichés.

L'écart, modèle par modèle

GPT-6 Astra d'OpenAI est sorti le 3 septembre 2026, avec des données d'entraînement qui s'arrêtent au 30 avril 2026 : quatre mois d'écart. GPT-6 Sol, sorti le 22 septembre, s'arrête au 20 avril. GPT-6 Luna, même date de sortie, s'arrête au 18 mai. Claude Opus 5.5 d'Anthropic est sorti le 22 septembre avec une date limite de juin 2026 ; Claude Fable 5.1 est sorti le 1er septembre, également juin 2026. Llama 4 de Meta, sorti le 5 avril 2025, a une date limite d'août 2024.

Le décalage le plus long du tableau revient à Gemini 3.1 Pro : sorti le 19 février 2026, date limite janvier 2025, treize mois. Mistral Large 3, Mistral Small 4, Mistral Medium 3.5, Qwen3.8-Max, Qwen3.8-Flash, Muse Glimmer, Muse Spark 1.3, DeepSeek V4-Pro et DeepSeek V4.1-Flash sont tous listés sans date limite publiée. Aucun écart ne peut donc être calculé pour eux à partir de cette source.

La page soutient que les outils de recherche ne règlent pas le problème. Quand un modèle cherche, il lit quelques pages, s'en sert dans une réponse, puis oublie. Ouvrez une nouvelle conversation : nous sommes de nouveau en avril. La recherche doit en outre être déclenchée par le modèle, avec les mêmes poids qui portent le fait périmé. Le site revendique une mesure 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 répondu de mémoire à des questions tranchées après que la réponse avait changé, et ont cherché sur le web le point d'ébullition de l'eau. La page indique aussi que lorsque 16 modèles ont été interrogés sur l'identité du roi de Norvège, cinq ont nommé un homme mort.

Pourquoi le second chiffre manque

Ce silence a une logique commerciale. Une date de sortie est un événement marketing, elle donne lieu à une publication de lancement. Une date limite est un aveu sur ce que le modèle ne sait pas. Un laboratoire qui la publie donne aux concurrents et aux clients un moyen de mesurer l'écart dès le premier jour. Dix sur vingt, voilà le résultat.

La page propose un contournement à ceux qui construisent des agents : ajouter quelques lignes dans le fichier AGENTS.md ou CLAUDE.md que l'agent lit déjà. Il y est demandé d'aller chercher le JSON avant de présenter un modèle, une version ou une date comme actuels, et de traiter tout élément assorti d'une date comme non vérifié tant qu'il n'a pas été contrôlé. L'export contient la date de sortie, la date limite publiée et un lien source par modèle. Il est régénéré avec la page, si bien que l'agent lit les dates du jour plutôt que celles inscrites dans ses poids. Le libellé est sur la page, prêt à copier.

La limite évidente est que la page est le récit d'un modèle sur des modèles, et elle le dit elle-même. Pour vérifier un seul modèle, elle conseille de lui demander directement sa date limite d'entraînement. Un modèle bien élevé répond, ou dit qu'il n'est pas sûr. Un modèle qui invente une date assurée vous a appris quelque chose d'utile sur lui-même. Vérifiez la réponse dans le tableau avant de vous y fier.

Aucun audit indépendant des 20 dates n'est proposé sur la page en dehors des documents de laboratoire liés, un par modèle. Quiconque s'appuie sur ces chiffres pour une décision de mise en production devrait suivre ces liens : ce sont les cases vides qui bougeront le plus probablement en premier.