Gemini 4 Carbon en tête de l'indice V5 d'Artificial Analysis, mais la course à la vidéo se joue ailleurs

Le chiffre le plus récent est 59. C'est le score de Gemini 4 Carbon sur l'Intelligence Index V5 d'Artificial Analysis, d'après le rapport de Tom's Hardware du 3 novembre. Il devance Claude Opus 5.5 d'un point et GPT-6 Astra d'OpenAI de deux. Le modèle de Google arrive aussi en tête du test d'hallucination AA-Omniscience v1.1 de la même société.

Ce sont des scores de modèles de langage. Le sujet ici est la génération vidéo par IA, et sur ce terrain le tableau est plus mince et plus étrange que le titre ne le laisse croire. Les éléments datés les plus frais sont une étude de marché, un lancement de produit et une série de communiqués d'éditeurs. Les modèles qui génèrent arrivent surtout par des mentions indirectes. La date concrète la plus récente est le 3 novembre, quand Precedence Research a publié une étude de marché sur les générateurs d'anime par IA et que Kling3.io a annoncé Kling 4.0, selon les titres de contexte. Ni l'une ni l'autre n'est un benchmark évalué par les pairs.

Ce que le benchmark a réellement mesuré

L'article de Tom's Hardware mérite une lecture attentive, parce qu'il sépare le score d'intelligence des chiffres de coût. Gemini 4 Carbon (high) coûte 7,76 dollars par tâche sur le test de l'Intelligence Index. C'est un peu moins cher que Gemini 3.8 Flash (high), et bien en dessous de Claude Fable 5.1 à 12,99 dollars par tâche. Cela reste plus cher que GPT 5 Astra d'OpenAI et environ six fois le coût par tâche de GPT 6.1 Sol (max). Face au modèle à poids ouverts DeepSeek V4.1 Flash, l'écart atteint environ 13 fois, même si ce modèle plafonne à 32.

Google réserve le premier accès aux défenseurs cyber via son programme Fairwind, avec une disponibilité plus large ensuite. Le résultat sur les hallucinations mérite une réserve que l'article fournit lui-même : même le meilleur modèle obtient 54 sur une échelle allant de -100 à +100. Être en tête sur le rappel ne fait pas de lui un narrateur fiable.

« Même le meilleur n'a obtenu que 54 sur l'échelle de -100 à +100, ce qui suggère que les meilleurs modèles de pointe en 2026 restent loin d'une restitution fiable et constante de l'information. »

Ce cadrage compte pour quiconque achète des outils vidéo. Les acheteurs jugent les clips générés à l'œil, pas sur un classement. Les éléments liés à la vidéo s'appuient sur des affirmations d'éditeurs plutôt que sur des tests indépendants. The Register rapportait le 3 novembre que les analystes de Gartner Mark Petty et Raymond Paquet prévoient que les modèles à poids ouverts traiteront 90% des étapes de workflow agentique en entreprise d'ici 2030. Cela coûterait un quart du prix du modèle fermé le moins cher, et jusqu'à un vingtième d'un modèle de pointe exécuté à chaque étape. Les analystes reconnaissent que les modèles ouverts actuels « peuvent être plus verbeux et réessayer plus souvent », si bien que l'économie réelle se rapproche de cinq ou six fois.

Cette pression sur les prix sert de toile de fond à chaque lancement de modèle génératif. Si le travail de routine migre vers les poids ouverts, les laboratoires fermés vendent la partie coûteuse : la recherche, le raisonnement difficile et les outils créatifs de marque qui viennent par-dessus.

L'argument des spécialistes, et ceux qui le portent

Il Sole 24 Ore soutenait le 1er novembre que les systèmes spécialisés gardent une place à côté des généralistes. Son exemple est Translated, l'entreprise de services linguistiques basée à Rome, qui a publié Lara 3 en octobre pour la traduction professionnelle. Les tests internes de Translated ont fait vérifier en aveugle par des relecteurs humains 16 800 traductions de l'anglais vers 21 langues. Les relecteurs ont jugé 82% des sorties de Lara 3 utilisables sans retouche, contre 69% pour GPT-5.6 Sol. Le journal précise que l'entreprise a organisé les tests et les a limités à ces contenus. C'est la réserve à accoler à tout benchmark d'éditeur.

La même logique vaut pour la vidéo. Un modèle qui maîtrise la typographie et le contrôle de la mise en page vaut plus pour une équipe de marque qu'un généraliste mieux noté sur un indice. Le modèle 4.5 d'Ideogram en est un exemple, centré sur le texte et la composition plutôt que sur une large compétence.

Sous tout cela reste la facture d'électricité. L'analyse d'Ember d'octobre 2026, relayée par pv magazine le 3 novembre, constate que les centres de données représentent déjà environ 19% de la demande de pointe en Irlande, et projette 24% d'ici 2030. Le décalage de charge pourrait réduire la pointe irlandaise d'environ 100 MW, soit 1,5%. La production et le stockage derrière le compteur pourraient apporter près de cinq fois plus de soulagement, avec des réductions potentielles allant jusqu'à 2,7 GW au Texas. Un grand centre de données a besoin de 200 MW à 500 MW et se construit en 18 à 24 mois ; les extensions de réseau prennent quatre à dix ans.

L'IA physique avance aussi. Tutor Intelligence a annoncé le 2 novembre avoir levé 75 000 000 dollars en série B, menée par Andreessen Horowitz, pour des robots entraînés avec des données du monde réel et des tuteurs humains à distance. Le PDG Josh Gruenstein a déclaré que l'entreprise « a du mal à construire des robots assez vite ».

Rien de tout cela ne tranche quel modèle vidéo l'emportera. Cela explique en revanche pourquoi le rythme des sorties s'accélère pendant que l'évaluation indépendante prend du retard.