Observatoire de l’IA au travail

Évolution des capacités des modèles.

Quelle longueur de tâche un modèle d’IA peut-il mener seul à bien, et à quelle vitesse cette longueur augmente-t-elle ?

L’organisme d’évaluation METR mesure la durée, pour un expert humain, des tâches qu’un modèle réussit seul une fois sur deux. Sa mise à jour du 20 novembre 2026 porte sur quinze modèles publics d’OpenAI et d’Anthropic.

De 7 minutes à 40 heures.

Trois chiffres et une courbe : où en étaient les modèles, où ils en sont, et à quel rythme ils progressent.

Hier · modèle de mai 2024

7 minutes

GPT-4o, le plus ancien des modèles testés, réussissait une fois sur deux des tâches de cette durée.

Aujourd’hui · modèles de septembre 2026

≈ 40 heures

Durée mesurée pour GPT-6 Astra et Claude Opus 5.5 : environ 340 fois plus qu’en mai 2024. L’incertitude est forte : de 13 à 2 645 heures pour GPT-6 Astra.

Tendance

×2 en 3,6 mois

Rythme de doublement mesuré de mai 2024 à septembre 2026. Les modèles sortis depuis et les modèles internes des laboratoires ne sont pas mesurés.

Durée des tâches réussies une fois sur deux, par date de sortie du modèle

Échelle logarithmique. Traits verticaux : intervalle de confiance à 80 %.

D’après METR, mise à jour de novembre 2026 (CC BY) : données et constats de METR, adaptés et traduits. Chiffres relevés le 22 novembre 2026.

Voir les valeurs par modèle
Horizon temporel à 50 % sur les séries de tâches TH1.1 et TH2 réunies (METR, novembre 2026)
Modèle et date de sortieHorizon à 50 %Intervalle à 95 %
GPT-4omai 20247 min4 à 14 min
o1décembre 202435 min16 à 66 min
GPT-5août 20253 h1,6 à 5,6 h
Claude Opus 4.5novembre 20255 h2,4 à 8,5 h
Claude Opus 4.6février 20266 h3,2 à 12 h
GPT-5.4mars 20266 h3,3 à 9,9 h
Claude Opus 4.7avril 20268 h4,3 à 16 h
GPT-5.5avril 202611 h6,1 à 19 h
Claude Opus 4.8mai 202612 h6,1 à 21 h
Claude Fable 5juin 202616 h8,9 à 32 h
GPT-5.6 Soljuillet 202612 h6,6 à 21 h
Claude Opus 5juillet 202620 h9,4 à 86 h
Claude Fable 5.1septembre 202630 h12 à 308 h
GPT-6 Astraseptembre 202640 h13 à 2 645 h
Claude Opus 5.5septembre 202639 h12 à 1 253 h

METR, rapport du 20 novembre 2026 · METR, définition de l’horizon temporel

Forces et faiblesses des modèles actuels.

Fort en code.

Sur les tâches de programmation et d’optimisation, les modèles égalent ou dépassent le plus souvent des humains qualifiés.

Moins bon sur les tâches coûteuses.

Un horizon 2,9 fois plus court sur les tâches les plus coûteuses à transformer en environnements d’entraînement.

Moins bon en jugement.

Sans retour concret sur le résultat, leur jugement reste moins bon que celui des humains.

Ce que la mesure ne dit pas.

Cette mesure porte sur des tâches, pas sur des métiers. Trois précautions de lecture.

Une durée humaine.

L’horizon temporel est le temps qu’il faut à un expert humain pour la tâche, pas le temps pendant lequel le modèle travaille seul. Un modèle va en général plus vite sur les tâches qu’il réussit.

Des tâches surtout logicielles.

Programmation, optimisation, apprentissage automatique, jeux et quelques tâches de recherche : la série ne couvre pas la diversité des métiers. Elle mesure des tâches, pas le travail réel.

Une mesure de plus en plus fragile.

Les modèles ont saturé la première série de tâches en un an. Pour la nouvelle, la durée humaine est le plus souvent estimée, pas mesurée, et les intervalles de confiance des derniers modèles sont très larges.