Qui mène la course à l’IA en mai 2026 ? Le duel des géants

* Les scores SWE-Bench Pro pour Gemini 3.5 Flash, Grok 4.3 et DeepSeek V4 Pro proviennent d'un seul test tiers . Les chiffres officiels de Google peuvent différer.

Tarifs et performances techniques

L'analyse : qui domine et dans quel domaine ?

Le podium par spécialité

• Claude Opus 4.8 (Anthropic) est le champion du code agentique (SWE-Bench Pro), du raisonnement multidisciplinaire (Humanity's Last Exam), du travail de connaissance (score Elo de 1890) et de l'analyse financière . Il se classe 2ᵉ sur 119 modèles sur les classements provisoires .
• GPT-5.5 (OpenAI) excelle en codage terminal (Terminal-Bench) avec un score jusqu'à 82.7%, en raisonnement visuel abstrait (ARC-AGI-2 à 85%) et en mathématiques avancées (FrontierMath, GPQA Diamond) .
• Gemini 3.5 Flash (Google) est le maître de l'orchestration d'outils (MCP Atlas à 83.6%). Sa vitesse est sidérante : ~289 tokens par seconde, soit 4 fois plus rapide que ses concurrents, pour un coût dérisoire .
• DeepSeek V4 Pro est le nouveau roi des compétitions de code, avec un score Elo Codeforces de 3206 et 93.5% sur LiveCodeBench, tout en rivalisant sur SWE-bench Verified à 80.6%, pour un coût bien inférieur .
• Grok 4.3 (xAI) est compétitif et très rapide (159-207 tps) avec des prix agressifs, mais reste en retrait sur la plupart des benchmarks agentiques .
• Claude Opus 4.7, son prédécesseur, reste très bon mais se fait désormais dépasser par Opus 4.8 sur tous les indicateurs clés .

Les nuances importantes à garder en tête

• Attention aux sources. Les données proviennent des laboratoires eux-mêmes et de testeurs indépendants, qui utilisent des protocoles différents. Un même test peut donner des scores variables, comme Terminal-Bench pour GPT-5.5 (78.2% selon Google, 82.7% selon OpenAI).
• SWE-Bench Pro vs. Verified, ce n'est pas la même chose. Le test "Pro" est bien plus difficile (changements complexes sur plusieurs fichiers) que le "Verified" (corrections de bugs simples).
• DeepSeek, Grok et Gemini 3.5 Flash sont nettement moins chers au token, ce qui les rend imbattables pour un usage intensif ou nécessitant de la vitesse.
• Gemini 3.5 Flash est un modèle optimisé pour l'efficacité (gamme "Flash"), pas un concurrent direct des modèles "frontière" les plus lourds. Pourtant, il rivalise très bien dans de nombreux domaines, pour une fraction du prix.

Ce qui reste à éclaircir

• Il n'existe aucun test standardisé unique qui évalue les six modèles exactement dans les mêmes conditions. L'image globale est donc une mosaïque de tests qui se chevauchent mais ne sont pas parfaitement identiques.
• Grok 4.3 et DeepSeek V4 Pro ont moins de données publiques sur les tâches agentiques et à long contexte que les trois grands laboratoires américains.
• Claude Opus 4.8 sort tout juste (28 mai 2026). Les résultats indépendants sont encore rares, on s'appuie donc surtout sur les chiffres donnés par Anthropic.

Les sources les plus fiables

1. Pages officielles : Anthropic, OpenAI (introducing-gpt-5-5), Google DeepMind (fiche modèle gemini-3-5-flash).
2. Évaluation du NIST (institut américain) sur DeepSeek V4 Pro .
3. Analyse de l'Université Duke sur Gemini 3.5 Flash .
4. Agrégateurs tiers : dev.to , BenchLM.ai , Artificial Analysis .