Aller au contenu
Heure mondialeEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portail sur l'IA et la technologieactualités · analyses · entretiens · fond technique

Rechercher
EN DIRECT
›

Les nouveaux modèles d'IA dépassent leurs propres données d'entraînement

Dix des 20 modèles d'IA actuels recensés par le tracker stale.jock.pl affichent une date limite d'entraînement que leur laboratoire publie réellement. Plusieurs sont même sortis des mois après la date figurant sur leur propre annonce de lancement.

IA & modèlesExpliquéSophie LeclercPublié le: 27 septembre 20263 min de lectureSources 1
Les nouveaux modèles d'IA dépassent leurs propres données d'entraînement

Le site, signalé sur Hacker News le 16 septembre, suit deux dates par modèle : le jour où le laboratoire l'a livré et le jour où il a cessé de lire. Il recense 20 modèles répartis dans 8 laboratoires et compte en direct dans le navigateur depuis chacune de ces dates.

L'écart, voilà l'histoire. GPT-6 Astra, sorti chez OpenAI le 3 septembre 2026, a une date limite d'entraînement au 30 avril 2026. Son frère GPT-6 Sol est arrivé le 22 septembre avec une limite au 20 avril, et GPT-6 Luna le même jour avec une limite au 18 mai. Claude Opus 5.5 d'Anthropic, sorti le 22 septembre, s'arrête à juin 2026. Claude Sonnet 5, disponible le 30 juin, a cessé de lire en janvier.

Pour la moitié de la liste, la réponse est simplement inconnue. Large 3, Small 4 et Medium 3.5 de Mistral AI, Qwen3.8-Max et Qwen3.8-Flash d'Alibaba, Muse Glimmer et Muse Spark 1.3 de Meta, V4-Pro et V4.1-Flash de DeepSeek, ainsi que Gemini 3.8 Flash de Google DeepMind n'affichent aucune date limite établie. La page reste prudente sur ce que cela signifie : une case vide correspond à ce que les sources vérifiées des fournisseurs n'ont pas permis d'établir, pas à la preuve que le laboratoire n'en a jamais publié.

Pourquoi la date compte plus que le numéro de version

La formulation du site est directe. Un modèle peut sortir en septembre et avoir cessé de lire en avril. Le jour du lancement, il a donc cinq mois de retard, avant même que quiconque lui tape une invite.

Les outils de recherche n'y changent rien, selon la page. Quand un modèle fait une recherche, il lit quelques pages, s'en sert dans une réponse et oublie. Ouvrez une nouvelle conversation : la date limite revient. La décision de déclencher une recherche repose aussi sur les mêmes poids qui portent le fait périmé, si bien que les erreurs tombent là où le modèle est le plus sûr de lui. La page indique avoir mesuré cela sur 2 000 appels répartis sur 16 modèles, chacun disposant d'un outil de recherche web. Les modèles de pointe décidaient correctement presque à chaque fois. Les plus faibles énonçaient des faits établis qui avaient changé et cherchaient sur le web le point d'ébullition de l'eau.

J'ai donné un bouton de recherche à 16 modèles d'IA et leur ai demandé qui est le roi de Norvège. Cinq ont nommé un homme mort.

C'est la phrase du site, et l'illustration la plus nette du problème. Un modèle qui ignore qu'un monarque est mort ne décidera pas de vérifier de façon fiable.

Le contournement vise les agents, pas les humains

La page publie les mêmes données sous forme de models.json, avec la date de sortie, la date limite publiée et un lien source par modèle. Elle suggère de coller un court bloc d'instructions dans un fichier AGENTS.md ou CLAUDE.md pour qu'un agent le récupère avant de désigner un modèle comme actuel.

Du côté des laboratoires, les dates limites publiées sont inégales. Cinq des huit laboratoires, Anthropic, Google DeepMind, Meta, OpenAI et xAI, ont une date limite publiée pour au moins un modèle de la liste. Dix des 20 modèles en portent une. Les autres non.

La page propose aussi un auto-test sommaire : demander au modèle sa propre date limite d'entraînement. Celui qui répond, ou qui admet une incertitude, se comporte bien. Celui qui invente une date avec assurance vous a appris quelque chose. La mise en garde du site est qu'un modèle est une mauvaise source sur les modèles : vérifiez la réponse dans le tableau plutôt que de la croire.

Commentaires 0

Sources

1
  1. 01Show HN: How Stale Is Your AI? Release age and training cutoff for 20 modelsEN

Tous 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.

Sophie Leclerc

Sophie Leclerc

IA, modèles et technologies

Sophie Leclerc couvre les technologies, l'IA et les modèles ainsi que les médias et l'internet pour FLASH24, en travaillant à partir des dépôts de code, des articles scientifiques et des documents techniques plutôt que des annonces. Elle vérifie chaque chiffre en remontant aux jeux de données d'origine et en comparant les versions successives des modèles. Elle interroge régulièrement des ingénieurs et des chercheurs, et suit les calendriers de publication des principales conférences du secteur. Son intérêt personnel pour l'auto-hébergement et les réseaux domestiques nourrit directement sa couverture des infrastructures et des modèles ouverts. Elle ne publie pas de performance annoncée sans méthode de mesure vérifiable.

Rédaction →

Commentaires

0
  1. Aucun commentaire — soyez le premier.

Écrire un commentaire

Les commentaires sont publics. Nous ne publions ni insultes, ni spam, ni publicité.