Deux dates suffisent à mesurer la vétusté d'un modèle d'IA, et seuls 10 laboratoires sur 20 publient les deux
Une page de suivi mise en ligne le 16 septembre recense les dates de sortie et les dates limites d'entraînement de 20 modèles actuels issus de 8 laboratoires, et compte les jours écoulés depuis chaque date en direct. Sur les 20, seuls 10 affichent une date limite que le laboratoire publie réellement.

La page, stale.jock.pl, est apparue comme soumission Show HN le 16 septembre. Son point de départ est simple : un modèle peut sortir en septembre et avoir cessé de lire en avril. L'écart est donc déjà inscrit dans le produit avant même qu'on tape une requête. Les mêmes données sont proposées en models.json pour que les agents puissent les récupérer.
Cinq des huit laboratoires ont une date limite publiée pour au moins un modèle de la liste : 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 une 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 présentés.
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, soit quatre mois d'écart. GPT-6 Sol, sorti le 22 septembre, s'arrête au 20 avril. GPT-6 Luna, à la 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 et oublie ; ouvrez une nouvelle conversation et nous revoilà en avril. La recherche doit en outre être déclenchée par le modèle, avec les mêmes poids qui portent l'information périmée. Le site revendique une mesure de plus de 2 000 appels sur 16 modèles, chacun disposant d'un outil de recherche web : les modèles de pointe ont tranché correctement presque à chaque fois, tandis que les plus faibles répondaient de mémoire à des questions dont la réponse avait changé et cherchaient sur le web le point d'ébullition de l'eau. La page indique aussi que, lorsqu'on a demandé à 16 modèles qui est le roi de Norvège, cinq ont cité un homme mort.
Pourquoi le second chiffre manque
Ce silence a une logique commerciale. Une date de sortie est un événement marketing et donne lieu à une annonce. Une date limite d'entraînement est un aveu sur ce que le modèle ne sait pas. Un laboratoire qui la publie offre 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 pour ceux qui construisent des agents : ajouter quelques lignes dans le fichier AGENTS.md ou CLAUDE.md que l'agent lit déjà. Il s'agit de lui demander de récupérer le JSON avant de présenter un modèle, une version ou une date comme actuels, et de considérer comme non vérifié tout élément assorti d'une date tant qu'il n'a pas été contrôlé. L'export contient la date de sortie, la date limite publiée et un lien de source pour chaque modèle. Il est régénéré en même temps que la page, si bien que l'agent lit les dates du jour et non celles inscrites dans ses poids. Le texte est sur la page, prêt à être copié.
La limite évidente est que la page est le récit d'un modèle sur des modèles, et elle le dit elle-même. Son conseil pour vérifier un seul modèle consiste à 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 avec assurance vous a appris quelque chose d'utile sur lui-même. Confrontez la réponse au tableau avant de lui faire confiance.
Aucun audit indépendant des 20 dates n'est proposé sur la page en dehors des documents des laboratoires liés, un par modèle. Quiconque s'appuie sur ces chiffres pour une décision de mise en production devrait suivre ces liens, car les cases vides sont celles qui bougeront le plus vite.
Sources
1Tous les chiffres et citations de ce texte proviennent des sources citées ci-dessous.
Les contenus ont été préparés par l'équipe de rédaction, assistée par l'IA.
Commentaires
0- Aucun commentaire — soyez le premier.