# EuroEval, Allociné (sentiment)

> Fiche du benchmark EuroEval, Allociné (sentiment) sur Quelle IA, édition du 28 septembre 2026. Le modèle dit si une critique de film en français est positive ou négative. En tête au 28 septembre 2026 : o3 (98,2 %). Notation, limites et classement des 134 modèles mesurés.

Page : https://quelleia.com/benchmarks/euroeval_allocine/
Source du benchmark : https://euroeval.com/leaderboards/Monolingual/french/
Mainteneur : EuroEval
Tâche : Français
État : saturé

## À quoi il sert

Sur Quelle IA, EuroEval, Allociné (sentiment) sert à noter la tâche Français : c'est l'un de ses 10 benchmarks.

## Comment c'est noté

Un score d'accord avec la bonne réponse, de 0 à 100.

## Ce qu'il ne dit pas

Épreuve facile : presque tous les modèles récents dépassent 90.

## Qui le tient

EuroEval.

## Comment lire le score

Chaque trait est un modèle, placé à son meilleur score. Le test est devenu facile : d'après sa courbe d'étalonnage, un modèle de score IA 51 y obtient déjà environ 94 %. Le meilleur, o3, atteint 98,2 %. Le seuil de saturation (95 %) est franchi : au sommet, les meilleurs modèles ne se départagent plus.

Ce que le benchmark attend à chaque niveau, d'après sa courbe d'étalonnage :

- Score IA 51 (niveau de GPT-4o (Nov 2024)) : 94 %
- Score IA 76 (niveau de Claude Sonnet 4.5) : 97 %
- Score IA 100 (niveau de Claude Opus 5.5) : 98 %

## Son poids dans le score IA

0,62 % du score général. EuroEval, Allociné (sentiment) porte 6 % de la tâche Français (10 % du score général), que se partagent 10 benchmarks. Saturé, il garde ce poids, mais il ne départage presque plus les meilleurs modèles.

## Classement (134 modèles mesurés · 190 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 | [o3](https://quelleia.com/modeles/o3.md) | OpenAI | non précisée | 98,2 % | 108,2 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 2 | [GPT-5](https://quelleia.com/modeles/gpt-5.md) | OpenAI | Élevée | 97,3 % | 89,2 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 3 | [Gemini 3.5 Flash-Lite](https://quelleia.com/modeles/gemini-3-5-flash-lite.md) | Google DeepMind | non précisée | 97 % | 83,8 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 4 | [Ministral 3 14B](https://quelleia.com/modeles/ministral-3-14b.md) | Mistral AI | non précisée | 96,9 % | 82,3 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 5 | [GPT-5.4 Mini](https://quelleia.com/modeles/gpt-5-4-mini.md) | OpenAI | Élevée | 96,8 % | 80,1 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 5 | [Grok 4.1 Fast](https://quelleia.com/modeles/grok-4-1-fast.md) | xAI | Élevée | 96,8 % | 80,1 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 7 | [GPT-6 Astra](https://quelleia.com/modeles/gpt-6-astra.md) | OpenAI | non précisée | 96,7 % | 78,7 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 7 | [GPT-5.6 Sol](https://quelleia.com/modeles/gpt-5-6-sol.md) | OpenAI | non précisée | 96,7 % | 78,7 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 7 | [Gemini 3 Pro](https://quelleia.com/modeles/gemini-3-pro.md) | Google DeepMind | non précisée | 96,7 % | 78,7 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 7 | [Gemini 3 Flash](https://quelleia.com/modeles/gemini-3-flash.md) | Google DeepMind | Élevée | 96,7 % | 78,7 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 11 | [Ministral 3 8B](https://quelleia.com/modeles/ministral-3-8b.md) | Mistral AI | non précisée | 96,6 % | 77,7 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 12 | [Grok 3](https://quelleia.com/modeles/grok-3.md) | xAI | non précisée | 96,5 % | 75,4 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 12 | [GPT-5 nano](https://quelleia.com/modeles/gpt-5-nano.md) | OpenAI | Élevée | 96,5 % | 75,4 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 14 | [Gemini 3.6 Flash](https://quelleia.com/modeles/gemini-3-6-flash.md) | Google DeepMind | non précisée | 96,3 % | 73,2 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 14 | [Claude Sonnet 4.6](https://quelleia.com/modeles/claude-sonnet-4-6.md) | Anthropic | non précisée | 96,3 % | 73,2 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 16 | [GPT-4.1 mini](https://quelleia.com/modeles/gpt-4-1-mini.md) | OpenAI | non précisée | 96,2 % | 72,1 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 17 | [Gemma 4 31B IT](https://quelleia.com/modeles/gemma-4-31b-it.md) | Google DeepMind | non précisée | 96,2 % | 71,1 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 18 | [GLM-5.3-Flash](https://quelleia.com/modeles/glm-5-3-flash.md) | Z.ai (Zhipu AI) | non précisée | 96,1 % | 70,2 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 19 | [Luciole 23B Instruct 1.1](https://quelleia.com/modeles/luciole-23b-instruct-1-1.md) | OpenLLM-France | non précisée | 96,1 % | 70,1 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 20 | [GPT-4.1](https://quelleia.com/modeles/gpt-4-1.md) | OpenAI | non précisée | 96 % | 69,4 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 21 | [GPT-5 mini](https://quelleia.com/modeles/gpt-5-mini.md) | OpenAI | Élevée | 96 % | 69,3 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 21 | [o4-mini](https://quelleia.com/modeles/o4-mini.md) | OpenAI | non précisée | 96 % | 69,3 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 23 | [GPT-5.4](https://quelleia.com/modeles/gpt-5-4.md) | OpenAI | Sans | 96 % | 69,2 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 24 | [Claude Haiku 4.5](https://quelleia.com/modeles/claude-haiku-4-5.md) | Anthropic | non précisée | 95,9 % | 68,3 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 25 | [gpt-oss-120b](https://quelleia.com/modeles/gpt-oss-120b.md) | OpenAI | non précisée | 95,8 % | 67,1 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 26 | [Qwen3.5-35B-A3B](https://quelleia.com/modeles/qwen3-5-35b-a3b.md) | Alibaba | non précisée | 95,8 % | 66,2 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 27 | [Claude Sonnet 4.5](https://quelleia.com/modeles/claude-sonnet-4-5.md) | Anthropic | Élevée | 95,7 % | 65,8 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 28 | [GPT-5.2](https://quelleia.com/modeles/gpt-5-2.md) | OpenAI | non précisée | 95,7 % | 65,5 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 29 | [Qwen 3.8 27B](https://quelleia.com/modeles/qwen-3-8-27b.md) | Alibaba | non précisée | 95,5 % | 63,6 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 29 | [Gemma 4 26B A4B](https://quelleia.com/modeles/gemma-4-26b-a4b.md) | Google DeepMind | non précisée | 95,5 % | 63,6 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 31 | [glm-4.7-flash](https://quelleia.com/modeles/glm-4-7-flash.md) | Z.ai (Zhipu AI) | non précisée | 95,3 % | 61,1 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 32 | [Qwen3.6 27B](https://quelleia.com/modeles/qwen3-6-27b.md) | Alibaba | non précisée | 95,2 % | 60,4 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 33 | [GPT-5.6 Terra](https://quelleia.com/modeles/gpt-5-6-terra.md) | OpenAI | non précisée | 95,1 % | 59,5 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 34 | [Gemini 2.5 Pro (Jun 2025)](https://quelleia.com/modeles/gemini-2-5-pro-jun-2025.md) | Google DeepMind | non précisée | 95,1 % | 59,1 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 34 | [Yi-1.5-34B](https://quelleia.com/modeles/yi-1-5-34b.md) | 01.AI | non précisée | 95,1 % | 59,1 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 36 | [Qwen3.5-9B](https://quelleia.com/modeles/qwen3-5-9b.md) | Alibaba | non précisée | 95,1 % | 58,8 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 37 | [Gemma 3 27B](https://quelleia.com/modeles/gemma-3-27b.md) | Google DeepMind | non précisée | 95 % | 58,0 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 38 | [Gemini 3.7 Flash](https://quelleia.com/modeles/gemini-3-7-flash.md) | Google DeepMind | non précisée | 95 % | 57,9 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 39 | [Gemma 2 27B](https://quelleia.com/modeles/gemma-2-27b.md) | Google DeepMind | non précisée | 95 % | 57,8 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 40 | [OLMo 3.1 32B Instruct](https://quelleia.com/modeles/olmo-3-1-32b-instruct.md) | Allen Institute for AI | non précisée | 95 % | 57,6 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 41 | [Qwen3-235B-A22B-Thinking (Jul 2025)](https://quelleia.com/modeles/qwen3-235b-a22b-thinking-jul-2025.md) | Alibaba | non précisée | 94,9 % | 57,2 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 42 | [Mistral Small 3.1](https://quelleia.com/modeles/mistral-small-3-1.md) | Mistral AI | non précisée | 94,9 % | 57,0 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 43 | [chutes/Qwen3-Next-80B-A3B-Instruct](https://quelleia.com/modeles/chutes-qwen3-next-80b-a3b-instruct.md) | Alibaba | non précisée | 94,8 % | 56,0 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 44 | [Claude 3.7 Sonnet](https://quelleia.com/modeles/claude-3-7-sonnet.md) | Anthropic | Élevée | 94,7 % | 55,4 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 45 | [Llama 3.1-70B](https://quelleia.com/modeles/llama-3-1-70b.md) | Meta AI | non précisée | 94,7 % | 55,3 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 46 | [Llama 3.3 70B](https://quelleia.com/modeles/llama-3-3-70b.md) | Meta AI | non précisée | 94,7 % | 55,2 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 47 | [Qwen3-Next-80B-A3B Thinking](https://quelleia.com/modeles/qwen3-next-80b-a3b-thinking.md) | Alibaba | Élevée | 94,7 % | 55,0 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 48 | [Qwen2.5-72B](https://quelleia.com/modeles/qwen2-5-72b.md) | Alibaba | non précisée | 94,7 % | 54,8 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 49 | [EuroLLM 22B Instruct](https://quelleia.com/modeles/eurollm-22b-instruct.md) | EuroLLM | non précisée | 94,6 % | 54,2 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 50 | [Qwen3-235B-A22B-Instruct (Jul 2025)](https://quelleia.com/modeles/qwen3-235b-a22b-instruct-jul-2025.md) | Alibaba | non précisée | 94,6 % | 54,0 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 51 | [Llama-3.1-Nemotron-70B-Instruct](https://quelleia.com/modeles/llama-3-1-nemotron-70b-instruct.md) | NVIDIA | non précisée | 94,6 % | 53,9 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 52 | [Qwen3-32B](https://quelleia.com/modeles/qwen3-32b.md) | Alibaba | Sans | 94,5 % | 53,3 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 53 | [Mistral 7B v0.3](https://quelleia.com/modeles/mistral-7b-v0-3.md) | Mistral AI | non précisée | 94,5 % | 53,1 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 54 | [Qwen3-14B](https://quelleia.com/modeles/qwen3-14b.md) | Alibaba | Sans | 94,5 % | 53,0 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 54 | [Llama 3.1-405B](https://quelleia.com/modeles/llama-3-1-405b.md) | Meta AI | non précisée | 94,5 % | 53,0 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 56 | [Gemma 2 9B](https://quelleia.com/modeles/gemma-2-9b.md) | Google DeepMind | non précisée | 94,5 % | 52,8 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 57 | [Llama 3-70B](https://quelleia.com/modeles/llama-3-70b.md) | Meta AI | non précisée | 94,4 % | 52,7 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 58 | [Magistral Small 1.2](https://quelleia.com/modeles/magistral-small-1-2.md) | Mistral AI | non précisée | 94,4 % | 52,5 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 59 | [QwQ-32B](https://quelleia.com/modeles/qwq-32b.md) | Alibaba | non précisée | 94,3 % | 51,8 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 60 | [Nemotron 3 Nano 30B](https://quelleia.com/modeles/nemotron-3-nano-30b.md) | NVIDIA | non précisée | 94,3 % | 51,7 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 61 | [Gemini 2.5 Flash (Jun 2025)](https://quelleia.com/modeles/gemini-2-5-flash-jun-2025.md) | Google DeepMind | Sans | 94,3 % | 51,4 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 62 | [GPT-5.4 Nano](https://quelleia.com/modeles/gpt-5-4-nano.md) | OpenAI | Élevée | 94,3 % | 51,3 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 63 | [Mistral Small 3.2](https://quelleia.com/modeles/mistral-small-3-2.md) | Mistral AI | non précisée | 94,3 % | 51,2 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 64 | [EuroLLM 9B Instruct (2512)](https://quelleia.com/modeles/eurollm-9b-instruct-2512.md) | EuroLLM | non précisée | 94,3 % | 51,0 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 65 | [Phi-4](https://quelleia.com/modeles/phi-4.md) | Microsoft | non précisée | 94,2 % | 50,7 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 66 | [Grok-3 mini](https://quelleia.com/modeles/grok-3-mini.md) | xAI | Élevée | 94,1 % | 49,8 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 66 | [Reka Flash 3](https://quelleia.com/modeles/reka-flash-3.md) | Reka AI | non précisée | 94,1 % | 49,8 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 68 | [DeepSeek-R1-Distill-Llama-70B](https://quelleia.com/modeles/deepseek-r1-distill-llama-70b.md) | DeepSeek | non précisée | 94,1 % | 49,6 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 68 | [Mixtral 8x7B](https://quelleia.com/modeles/mixtral-8x7b.md) | Mistral AI | non précisée | 94,1 % | 49,6 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 68 | [OLMo 2 Furious 13B](https://quelleia.com/modeles/olmo-2-furious-13b.md) | Allen Institute for AI | non précisée | 94,1 % | 49,6 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 71 | [Gemini 3.1 Flash-Lite](https://quelleia.com/modeles/gemini-3-1-flash-lite.md) | Google DeepMind | non précisée | 94,1 % | 49,5 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 72 | [Llama 3-8B](https://quelleia.com/modeles/llama-3-8b.md) | Meta AI | non précisée | 94 % | 48,8 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 73 | [Voxtral Small](https://quelleia.com/modeles/voxtral-small.md) | Mistral AI | non précisée | 93,9 % | 47,9 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 74 | [GPT-5.6 Luna](https://quelleia.com/modeles/gpt-5-6-luna.md) | OpenAI | non précisée | 93,9 % | 47,8 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 75 | [Qwen3-235B-A22B](https://quelleia.com/modeles/qwen3-235b-a22b.md) | Alibaba | non précisée | 93,9 % | 47,6 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 76 | [Mistral Small 3](https://quelleia.com/modeles/mistral-small-3.md) | Mistral AI | non précisée | 93,8 % | 47,4 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 77 | [GLM-4.5-Air](https://quelleia.com/modeles/glm-4-5-air.md) | Z.ai (Zhipu AI) | Élevée | 93,8 % | 47,3 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 78 | [Magistral Small 1.0](https://quelleia.com/modeles/magistral-small-1-0.md) | Mistral AI | non précisée | 93,6 % | 45,3 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 79 | [Llama 4 Scout](https://quelleia.com/modeles/llama-4-scout.md) | Meta AI | non précisée | 93,6 % | 45,1 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 79 | [Llama 3.1-8B](https://quelleia.com/modeles/llama-3-1-8b.md) | Meta AI | non précisée | 93,6 % | 45,1 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 81 | [Llama 2-70B](https://quelleia.com/modeles/llama-2-70b.md) | Meta AI | non précisée | 93,5 % | 44,9 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 82 | [ALIA-40b](https://quelleia.com/modeles/alia-40b.md) | Barcelona Supercomputing Center | non précisée | 93,4 % | 43,9 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 83 | [Apertus v1.5 70B](https://quelleia.com/modeles/apertus-v1-5-70b.md) | Swiss AI (EPFL, ETH Zurich) | non précisée | 93,3 % | 43,2 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 84 | [Qwen3-30B-A3B](https://quelleia.com/modeles/qwen3-30b-a3b.md) | Alibaba | Sans | 93,3 % | 43,1 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 84 | [Mistral NeMo](https://quelleia.com/modeles/mistral-nemo.md) | Mistral AI | non précisée | 93,3 % | 43,1 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 86 | [Aya Expanse 32B](https://quelleia.com/modeles/aya-expanse-32b.md) | Cohere | non précisée | 93,3 % | 42,9 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 87 | [Qwen1.5-14B](https://quelleia.com/modeles/qwen1-5-14b.md) | Alibaba | non précisée | 93,2 % | 42,7 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 88 | [Falcon 2 11B](https://quelleia.com/modeles/falcon-2-11b.md) | Technology Innovation Institute | non précisée | 93,2 % | 42,3 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 89 | [Gemma 3 12B](https://quelleia.com/modeles/gemma-3-12b.md) | Google DeepMind | non précisée | 93,2 % | 42,3 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 90 | [o3-mini](https://quelleia.com/modeles/o3-mini.md) | OpenAI | non précisée | 93,1 % | 42,0 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 91 | [DeepSeek-R1-Distill-Qwen-32B](https://quelleia.com/modeles/deepseek-r1-distill-qwen-32b.md) | DeepSeek | non précisée | 93,1 % | 41,7 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 92 | [Gemma 3n E4B](https://quelleia.com/modeles/gemma-3n-e4b.md) | Google DeepMind | non précisée | 93,1 % | 41,6 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 93 | [Mistral 7B v0.1](https://quelleia.com/modeles/mistral-7b-v0-1.md) | Mistral AI | non précisée | 93,1 % | 41,4 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 94 | [Gemini 2.5 Flash-Lite (Jun 2025)](https://quelleia.com/modeles/gemini-2-5-flash-lite-jun-2025.md) | Google DeepMind | Sans | 93,1 % | 41,3 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 94 | [Qwen3-8B](https://quelleia.com/modeles/qwen3-8b.md) | Alibaba | non précisée | 93,1 % | 41,3 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 96 | [Luciole 8B Instruct 1.1](https://quelleia.com/modeles/luciole-8b-instruct-1-1.md) | OpenLLM-France | non précisée | 93 % | 41,0 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 97 | [EuroLLM 9B Instruct](https://quelleia.com/modeles/eurollm-9b-instruct.md) | EuroLLM | non précisée | 93 % | 40,8 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 98 | [Qwen3.5-4B](https://quelleia.com/modeles/qwen3-5-4b.md) | Alibaba | non précisée | 93 % | 40,6 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 99 | [Ministral 8B](https://quelleia.com/modeles/ministral-8b.md) | Mistral AI | non précisée | 92,8 % | 39,5 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 100 | [Apertus 70B Instruct](https://quelleia.com/modeles/apertus-70b-instruct.md) | Swiss AI (EPFL, ETH Zurich) | non précisée | 92,8 % | 39,5 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 101 | [deepseek-r1-0528-qwen3-8b](https://quelleia.com/modeles/deepseek-r1-0528-qwen3-8b.md) | DeepSeek | non précisée | 92,3 % | 36,3 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 102 | [Llama 3.2 3B](https://quelleia.com/modeles/llama-3-2-3b.md) | Meta AI | non précisée | 92,3 % | 36,1 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 103 | [Grok-2 (Dec 2024)](https://quelleia.com/modeles/grok-2-dec-2024.md) | xAI | non précisée | 92,1 % | 34,6 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 104 | [Qwen3-4B](https://quelleia.com/modeles/qwen3-4b.md) | Alibaba | Élevée | 92 % | 34,3 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 105 | [granite-4.0-micro](https://quelleia.com/modeles/granite-4-0-micro.md) | IBM | non précisée | 91,9 % | 33,4 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 106 | [DeepSeek-R1-Distill-Qwen-14B](https://quelleia.com/modeles/deepseek-r1-distill-qwen-14b.md) | DeepSeek | non précisée | 91,9 % | 33,2 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 107 | [Qwen3.5-2B](https://quelleia.com/modeles/qwen3-5-2b.md) | Alibaba | non précisée | 91,9 % | 33,1 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 108 | [Mistral 7B v0.2](https://quelleia.com/modeles/mistral-7b-v0-2.md) | Mistral AI | non précisée | 91,7 % | 32,3 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 109 | [Llama 2-13B](https://quelleia.com/modeles/llama-2-13b.md) | Meta AI | non précisée | 91,5 % | 31,0 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 110 | [qwen3-4b-instruct-2507](https://quelleia.com/modeles/qwen3-4b-instruct-2507.md) | Alibaba | non précisée | 91,5 % | 30,8 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 111 | [Ministral 3 3B](https://quelleia.com/modeles/ministral-3-3b.md) | Mistral AI | Élevée | 91,1 % | 28,2 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 112 | [Apertus 8B Instruct](https://quelleia.com/modeles/apertus-8b-instruct.md) | Swiss AI (EPFL | non précisée | 91 % | 27,6 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 113 | [Gemma 3 4B](https://quelleia.com/modeles/gemma-3-4b.md) | Google DeepMind | non précisée | 91 % | 27,6 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 114 | [c4ai-command-r-08-2024](https://quelleia.com/modeles/c4ai-command-r-08-2024.md) | Cohere | non précisée | 90,9 % | 27,4 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 115 | [gpt-oss-20b](https://quelleia.com/modeles/gpt-oss-20b.md) | OpenAI | Moyenne | 90,5 % | 24,7 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 116 | [nvidia-nemotron-nano-9b-v2](https://quelleia.com/modeles/nvidia-nemotron-nano-9b-v2.md) | NVIDIA | non précisée | 90,4 % | 24,4 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 117 | [Gemma 7B](https://quelleia.com/modeles/gemma-7b.md) | Google DeepMind | non précisée | 90,1 % | 22,7 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 118 | [Llama 3.2 1B](https://quelleia.com/modeles/llama-3-2-1b.md) | Meta AI | non précisée | 89,8 % | 21,2 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 119 | [Gemma 2B](https://quelleia.com/modeles/gemma-2b.md) | Google DeepMind | non précisée | 89,2 % | 17,9 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 120 | [Qwen3-1.7B](https://quelleia.com/modeles/qwen3-1-7b.md) | Alibaba | non précisée | 86,9 % | 7,7 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 121 | [Gemma 3 1B](https://quelleia.com/modeles/gemma-3-1b.md) | Google DeepMind | non précisée | 84,3 % | -2,6 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 122 | [DeepSeek-R1-Distill-Llama-8B](https://quelleia.com/modeles/deepseek-r1-distill-llama-8b.md) | DeepSeek | non précisée | 83,8 % | -4,4 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 123 | [Qwen2.5-1.5B](https://quelleia.com/modeles/qwen2-5-1-5b.md) | Alibaba | non précisée | 82,9 % | -7,3 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 124 | [DeepSeek-R1-Distill-Qwen-7B](https://quelleia.com/modeles/deepseek-r1-distill-qwen-7b.md) | DeepSeek | non précisée | 81,6 % | -11,5 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 125 | [Qwen3.5-0.8B](https://quelleia.com/modeles/qwen3-5-0-8b.md) | Alibaba | non précisée | 81,6 % | -11,6 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 126 | [Llama 2-7B](https://quelleia.com/modeles/llama-2-7b.md) | Meta AI | non précisée | 78 % | -22,3 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 127 | [Qwen3-0.6B](https://quelleia.com/modeles/qwen3-0-6b.md) | Alibaba | non précisée | 75,7 % | -28,6 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 128 | [Salamandra 7B Instruct](https://quelleia.com/modeles/salamandra-7b-instruct.md) | Barcelona Supercomputing Center | non précisée | 53,1 % | -76,9 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 129 | [Phi-4 Mini](https://quelleia.com/modeles/phi-4-mini.md) | Microsoft | Élevée | 48,5 % | -85,6 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 130 | [Gemma 3 270M](https://quelleia.com/modeles/gemma-3-270m.md) | Google DeepMind | non précisée | 41,1 % | -99,9 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 131 | [DeepSeek-R1-Distill-Qwen-1.5B](https://quelleia.com/modeles/deepseek-r1-distill-qwen-1-5b.md) | DeepSeek | non précisée | 36,9 % | -108,6 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 132 | [Phi-4 Reasoning](https://quelleia.com/modeles/phi-4-reasoning.md) | Microsoft | Élevée | 35 % | -112,4 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 133 | [Phi-4-Reasoning-plus](https://quelleia.com/modeles/phi-4-reasoning-plus.md) | Microsoft | non précisée | 12,6 % | -175,5 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 134 | [Phi-2](https://quelleia.com/modeles/phi-2.md) | Microsoft | non précisée | 7,6 % | -202,6 | https://euroeval.com/leaderboards/Monolingual/french/ |

## En bref

**Que mesure EuroEval, Allociné (sentiment) ?** Le modèle dit si une critique de film en français est positive ou négative. Sur Quelle IA, il est rangé dans la tâche Français.

**Comment EuroEval, Allociné (sentiment) est-il noté ?** Un score d'accord avec la bonne réponse, de 0 à 100. Le test est devenu facile : d'après sa courbe d'étalonnage, un modèle de score IA 51 y obtient déjà environ 94 %.

**Qui est en tête sur EuroEval, Allociné (sentiment) ?** o3 (OpenAI) est en tête d'EuroEval, Allociné (sentiment) avec 98,2 %, dans l'édition du 28 septembre 2026. Suivent GPT-5 (97,3 %) et Gemini 3.5 Flash-Lite (97 %). 134 modèles y sont mesurés.

**Quelles sont les limites d'EuroEval, Allociné (sentiment) ?** Épreuve facile : presque tous les modèles récents dépassent 90. Au 28 septembre 2026, le benchmark est saturé.

**Combien pèse EuroEval, Allociné (sentiment) dans le score IA ?** EuroEval, Allociné (sentiment) compte pour 0,62 % du score général, dans l'édition du 28 septembre 2026. Il porte 6 % de la tâche Français (10 % du score général), que se partagent 10 benchmarks. Saturé, il garde ce poids, mais il ne départage presque plus les meilleurs modèles.

**Qui maintient EuroEval, Allociné (sentiment) ?** EuroEval. Sa page de référence : euroeval.com/leaderboards/Monolingual/french.

## Les autres benchmarks de la tâche Français

- [Arena, questions en français](https://quelleia.com/benchmarks/arena_francais.md) : 224 modèles · 2,5 % du score
- [compar:IA](https://quelleia.com/benchmarks/comparia.md) : 114 modèles · 2,5 % du score
- [EuroEval, ScaLA (grammaire)](https://quelleia.com/benchmarks/euroeval_scala_fr.md) : 136 modèles · 0,62 % du score
- [EuroEval, ELTeC (noms propres)](https://quelleia.com/benchmarks/euroeval_eltec.md) : 134 modèles · 0,62 % du score
- [EuroEval, FQuAD (compréhension)](https://quelleia.com/benchmarks/euroeval_fquad.md) : 134 modèles · 0,62 % du score
- [EuroEval, HellaSwag (bon sens)](https://quelleia.com/benchmarks/euroeval_hellaswag_fr.md) : 134 modèles · 0,62 % du score
- [EuroEval, OrangeSum (résumé)](https://quelleia.com/benchmarks/euroeval_orange_sum.md) : 69 modèles · 0,62 % du score
- [EuroEval, INCLUDE (connaissances)](https://quelleia.com/benchmarks/euroeval_include_fr.md) : 64 modèles · 0,62 % du score
- [EuroEval, MultiLoKo (connaissances locales)](https://quelleia.com/benchmarks/euroeval_multiloko_fr.md) : 64 modèles · 0,62 % du score

Source : Quelle IA, édition du 28 septembre 2026. https://quelleia.com