# DeepResearch Bench > Fiche du benchmark DeepResearch Bench sur Quelle IA, édition du 28 septembre 2026. 91 tâches de recherche sur le web : trouver un chiffre, compiler un jeu de données, vérifier une affirmation, retrouver une source. En tête au 28 septembre 2026 : Claude Opus 4.6 (55,3 %). Notation, limites et classement des 24 modèles mesurés. Page : https://quelleia.com/benchmarks/deepresearch_bench/ Source du benchmark : https://evals.futuresearch.ai/ Mainteneur : FutureSearch Tâche : Agents État : actif ## À quoi il sert Sur Quelle IA, DeepResearch Bench sert à noter la tâche Agents : c'est l'un de ses 9 benchmarks. Il départage surtout les modèles dont le score IA approche 93. ## Comment c'est noté Note moyenne de 0 à 1, selon la tâche (précision, rappel ou réponse juste), sur une copie figée du web et 50 actions au plus. ## Ce qu'il ne dit pas Les écarts entre modèles sont faibles, de 0,35 à 0,55. Le web figé ne reflète pas une recherche en conditions réelles. ## Qui le tient FutureSearch. ## Comment lire le score Chaque trait est un modèle, placé à son meilleur score. Un modèle qui obtient 50 % a un score IA d'environ 93. Le meilleur, Claude Opus 4.6, atteint 55,3 %. Le benchmark sera dit saturé quand un modèle atteindra 95 %. Ce que le benchmark attend à chaque niveau, d'après sa courbe d'étalonnage : - Score IA 51 (niveau de GPT-4o (Nov 2024)) : 38 % - Score IA 76 (niveau de Claude Sonnet 4.5) : 45 % - Score IA 100 (niveau de Claude Opus 5.5) : 52 % ## Son poids dans le score IA 1,67 % du score général. DeepResearch Bench porte 11 % de la tâche Agents (15 % du score général), que se partagent 9 benchmarks. ## Classement (24 modèles mesurés · 41 mesures, édition du 28 septembre 2026) Un modèle par ligne, à sa meilleure configuration. « Suggère » : le score IA que cette seule mesure indique. | Rang | Modèle | Éditeur | Réflexion | Score publié | Suggère | Source | | --- | --- | --- | --- | --- | --- | --- | | 1 | [Claude Opus 4.6](https://quelleia.com/modeles/claude-opus-4-6.md) | Anthropic | Élevée | 55,3 % | 111,5 | https://evals.futuresearch.ai/#drb | | 2 | [Claude Sonnet 4.6](https://quelleia.com/modeles/claude-sonnet-4-6.md) | Anthropic | Élevée | 54,9 % | 110,1 | https://evals.futuresearch.ai/#drb | | 3 | [Claude Opus 4.5](https://quelleia.com/modeles/claude-opus-4-5.md) | Anthropic | Élevée | 54,8 % | 109,7 | https://evals.futuresearch.ai/#drb | | 4 | [GPT-5.5](https://quelleia.com/modeles/gpt-5-5.md) | OpenAI | Élevée | 54 % | 106,8 | https://evals.futuresearch.ai/#drb | | 5 | [Claude Sonnet 4.5](https://quelleia.com/modeles/claude-sonnet-4-5.md) | Anthropic | Budget | 52,6 % | 101,8 | https://epoch.ai/benchmarks | | 6 | [Claude Opus 4.8](https://quelleia.com/modeles/claude-opus-4-8.md) | Anthropic | Élevée | 50,2 % | 93,3 | https://evals.futuresearch.ai/#drb | | 7 | [Gemini 3 Flash](https://quelleia.com/modeles/gemini-3-flash.md) | Google DeepMind | Faible | 49,8 % | 91,9 | https://evals.futuresearch.ai/#drb | | 8 | [GPT-5](https://quelleia.com/modeles/gpt-5.md) | OpenAI | Faible | 49,6 % | 91,2 | https://evals.futuresearch.ai/#drb | | 9 | [Claude Opus 4.1](https://quelleia.com/modeles/claude-opus-4-1.md) | Anthropic | non précisée | 48,3 % | 86,6 | https://evals.futuresearch.ai/#drb | | 10 | [Gemini 3.1 Pro](https://quelleia.com/modeles/gemini-3-1-pro.md) | Google DeepMind | Élevée | 47,8 % | 84,8 | https://evals.futuresearch.ai/#drb | | 11 | [Grok 4](https://quelleia.com/modeles/grok-4.md) | xAI | non précisée | 47,3 % | 83,0 | https://evals.futuresearch.ai/#drb | | 12 | [Claude Opus 4](https://quelleia.com/modeles/claude-opus-4.md) | Anthropic | Budget | 46,8 % | 81,2 | https://evals.futuresearch.ai/#drb | | 13 | [Claude Sonnet 4](https://quelleia.com/modeles/claude-sonnet-4.md) | Anthropic | Budget | 46,6 % | 80,5 | https://evals.futuresearch.ai/#drb | | 14 | [Gemini 3 Pro](https://quelleia.com/modeles/gemini-3-pro.md) | Google DeepMind | Faible | 46,3 % | 79,4 | https://evals.futuresearch.ai/#drb | | 15 | [Claude Haiku 4.5](https://quelleia.com/modeles/claude-haiku-4-5.md) | Anthropic | Faible | 45,5 % | 76,6 | https://evals.futuresearch.ai/#drb | | 16 | [o3](https://quelleia.com/modeles/o3.md) | OpenAI | Moyenne | 45,2 % | 75,5 | https://evals.futuresearch.ai/#drb | | 17 | [Claude 3.7 Sonnet](https://quelleia.com/modeles/claude-3-7-sonnet.md) | Anthropic | Budget | 43,6 % | 69,8 | https://epoch.ai/benchmarks | | 18 | [GPT-5.1](https://quelleia.com/modeles/gpt-5-1.md) | OpenAI | Faible | 42,8 % | 66,9 | https://evals.futuresearch.ai/#drb | | 18 | [Gemini 2.5 Pro (Jun 2025)](https://quelleia.com/modeles/gemini-2-5-pro-jun-2025.md) | Google DeepMind | non précisée | 42,8 % | 66,9 | https://epoch.ai/benchmarks | | 20 | [GPT-5.2](https://quelleia.com/modeles/gpt-5-2.md) | OpenAI | Faible | 41,1 % | 60,7 | https://evals.futuresearch.ai/#drb | | 21 | [Gemini 3.1 Flash-Lite](https://quelleia.com/modeles/gemini-3-1-flash-lite.md) | Google DeepMind | Faible | 37,3 % | 46,5 | https://evals.futuresearch.ai/#drb | | 22 | [GPT-5.4 Mini](https://quelleia.com/modeles/gpt-5-4-mini.md) | OpenAI | Faible | 36,3 % | 42,7 | https://evals.futuresearch.ai/#drb | | 23 | [GPT-5.4](https://quelleia.com/modeles/gpt-5-4.md) | OpenAI | Faible | 35,1 % | 38,1 | https://evals.futuresearch.ai/#drb | | 23 | [DeepSeek-R1 (May 2025)](https://quelleia.com/modeles/deepseek-r1-may-2025.md) | DeepSeek | non précisée | 35,1 % | 38,1 | https://epoch.ai/benchmarks | ## En bref **Que mesure DeepResearch Bench ?** 91 tâches de recherche sur le web : trouver un chiffre, compiler un jeu de données, vérifier une affirmation, retrouver une source. Sur Quelle IA, il est rangé dans la tâche Agents. **Comment DeepResearch Bench est-il noté ?** Note moyenne de 0 à 1, selon la tâche (précision, rappel ou réponse juste), sur une copie figée du web et 50 actions au plus. Un modèle qui obtient 50 % a un score IA d'environ 93. **Qui est en tête sur DeepResearch Bench ?** Claude Opus 4.6 (Anthropic) est en tête de DeepResearch Bench avec 55,3 %, dans l'édition du 28 septembre 2026. Suivent Claude Sonnet 4.6 (54,9 %) et Claude Opus 4.5 (54,8 %). 24 modèles y sont mesurés. **Quelles sont les limites de DeepResearch Bench ?** Les écarts entre modèles sont faibles, de 0,35 à 0,55. Le web figé ne reflète pas une recherche en conditions réelles. Au 28 septembre 2026, le benchmark est actif. **Combien pèse DeepResearch Bench dans le score IA ?** DeepResearch Bench compte pour 1,67 % du score général, dans l'édition du 28 septembre 2026. Il porte 11 % de la tâche Agents (15 % du score général), que se partagent 9 benchmarks. **Qui maintient DeepResearch Bench ?** FutureSearch. Sa page de référence : evals.futuresearch.ai. ## Les autres benchmarks de la tâche Agents - [Vending-Bench 2](https://quelleia.com/benchmarks/vending_bench_2.md) : 56 modèles · 1,67 % du score - [METR Time Horizons (taux de réussite)](https://quelleia.com/benchmarks/metr_time_horizons.md) : 41 modèles · 1,67 % du score - [BALROG](https://quelleia.com/benchmarks/balrog.md) : 37 modèles · 1,67 % du score - [APEX-Agents](https://quelleia.com/benchmarks/apex_agents.md) : 34 modèles · 1,67 % du score - [EBR-bench (Earthborne Rangers)](https://quelleia.com/benchmarks/ebr_bench.md) : 23 modèles · 1,67 % du score - [Remote Labor Index](https://quelleia.com/benchmarks/remote_labor_index.md) : 13 modèles · 1,67 % du score - [PostTrainBench](https://quelleia.com/benchmarks/posttrainbench.md) : 11 modèles · 1,67 % du score - [OSWorld 2.0](https://quelleia.com/benchmarks/osworld_2.md) : 9 modèles · 1,67 % du score - [TheAgentCompany](https://quelleia.com/benchmarks/the_agent_company.md) : 14 modèles · hors score, archivé - [GDPval](https://quelleia.com/benchmarks/gdpval.md) : 11 modèles · hors score, archivé - [OSWorld](https://quelleia.com/benchmarks/osworld.md) : 9 modèles · hors score, archivé Source : Quelle IA, édition du 28 septembre 2026. https://quelleia.com