# EuroEval, FQuAD (compréhension)

> Fiche du benchmark EuroEval, FQuAD (compréhension) sur Quelle IA, édition du 28 septembre 2026. Le modèle lit un texte en français et répond à une question dont la réponse s'y trouve. En tête au 28 septembre 2026 : Llama 3.1-405B (77,4 %). Notation, limites et classement des 134 modèles mesurés.

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

## À quoi il sert

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

## Comment c'est noté

La part de mots communs entre sa réponse et la réponse attendue.

## Ce qu'il ne dit pas

Une réponse juste mais formulée autrement perd des points.

## 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 67 %. Le meilleur, Llama 3.1-405B, atteint 77,4 %. 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)) : 67 %
- Score IA 76 (niveau de Claude Sonnet 4.5) : 71 %
- Score IA 100 (niveau de Claude Opus 5.5) : 75 %

## Son poids dans le score IA

0,62 % du score général. EuroEval, FQuAD (compréhension) porte 6 % de la tâche Français (10 % du score général), que se partagent 10 benchmarks.

## 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 | [Llama 3.1-405B](https://quelleia.com/modeles/llama-3-1-405b.md) | Meta AI | non précisée | 77,4 % | 116,3 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 2 | [Llama 3.1-70B](https://quelleia.com/modeles/llama-3-1-70b.md) | Meta AI | non précisée | 76,7 % | 112,0 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 3 | [Nemotron 3 Nano 30B](https://quelleia.com/modeles/nemotron-3-nano-30b.md) | NVIDIA | Sans | 76,3 % | 108,9 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 4 | [Llama 3-70B](https://quelleia.com/modeles/llama-3-70b.md) | Meta AI | non précisée | 76,1 % | 107,7 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 5 | [Qwen3-32B](https://quelleia.com/modeles/qwen3-32b.md) | Alibaba | Sans | 76 % | 106,9 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 6 | [Gemma 2 27B](https://quelleia.com/modeles/gemma-2-27b.md) | Google DeepMind | non précisée | 75,9 % | 106,3 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 7 | [Yi-1.5-34B](https://quelleia.com/modeles/yi-1-5-34b.md) | 01.AI | non précisée | 75,7 % | 105,2 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 8 | [Qwen3-14B](https://quelleia.com/modeles/qwen3-14b.md) | Alibaba | Sans | 75,6 % | 104,4 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 9 | [Llama 2-70B](https://quelleia.com/modeles/llama-2-70b.md) | Meta AI | non précisée | 75,4 % | 103,0 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 10 | [Mistral Small 3.1](https://quelleia.com/modeles/mistral-small-3-1.md) | Mistral AI | non précisée | 75 % | 100,7 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 11 | [Gemma 3n E4B](https://quelleia.com/modeles/gemma-3n-e4b.md) | Google DeepMind | non précisée | 74,5 % | 97,5 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 12 | [Ministral 3 8B](https://quelleia.com/modeles/ministral-3-8b.md) | Mistral AI | Élevée | 74,5 % | 97,3 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 13 | [Mixtral 8x7B](https://quelleia.com/modeles/mixtral-8x7b.md) | Mistral AI | non précisée | 74,5 % | 97,3 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 14 | [Llama 3.1-8B](https://quelleia.com/modeles/llama-3-1-8b.md) | Meta AI | non précisée | 74,4 % | 96,5 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 15 | [Magistral Small 1.0](https://quelleia.com/modeles/magistral-small-1-0.md) | Mistral AI | non précisée | 74,3 % | 96,3 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 16 | [Magistral Small 1.2](https://quelleia.com/modeles/magistral-small-1-2.md) | Mistral AI | non précisée | 74,2 % | 95,6 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 17 | [Mistral Small 3.2](https://quelleia.com/modeles/mistral-small-3-2.md) | Mistral AI | non précisée | 73,7 % | 92,6 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 18 | [Voxtral Small](https://quelleia.com/modeles/voxtral-small.md) | Mistral AI | non précisée | 73,6 % | 92,0 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 19 | [Llama 2-13B](https://quelleia.com/modeles/llama-2-13b.md) | Meta AI | non précisée | 73,2 % | 89,5 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 20 | [Gemma 2 9B](https://quelleia.com/modeles/gemma-2-9b.md) | Google DeepMind | non précisée | 73,1 % | 88,6 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 21 | [Mistral NeMo](https://quelleia.com/modeles/mistral-nemo.md) | Mistral AI | non précisée | 73 % | 88,0 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 22 | [GLM-5.3-Flash](https://quelleia.com/modeles/glm-5-3-flash.md) | Z.ai (Zhipu AI) | non précisée | 72,8 % | 87,0 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 23 | [Gemma 7B](https://quelleia.com/modeles/gemma-7b.md) | Google DeepMind | non précisée | 72,8 % | 86,6 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 24 | [Llama 3-8B](https://quelleia.com/modeles/llama-3-8b.md) | Meta AI | non précisée | 72,7 % | 86,0 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 25 | [Mistral Small 3](https://quelleia.com/modeles/mistral-small-3.md) | Mistral AI | non précisée | 72,4 % | 84,6 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 26 | [Qwen3-30B-A3B](https://quelleia.com/modeles/qwen3-30b-a3b.md) | Alibaba | Sans | 72,3 % | 83,9 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 27 | [Ministral 3 14B](https://quelleia.com/modeles/ministral-3-14b.md) | Mistral AI | Élevée | 72,3 % | 83,5 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 28 | [Mistral 7B v0.1](https://quelleia.com/modeles/mistral-7b-v0-1.md) | Mistral AI | non précisée | 71,9 % | 81,3 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 29 | [Claude Haiku 4.5](https://quelleia.com/modeles/claude-haiku-4-5.md) | Anthropic | non précisée | 71,8 % | 80,8 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 30 | [GPT-5.4 Mini](https://quelleia.com/modeles/gpt-5-4-mini.md) | OpenAI | Sans | 71,3 % | 77,8 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 31 | [Qwen3-8B](https://quelleia.com/modeles/qwen3-8b.md) | Alibaba | Sans | 71,1 % | 76,8 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 32 | [GPT-5.4](https://quelleia.com/modeles/gpt-5-4.md) | OpenAI | Sans | 71,1 % | 76,5 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 33 | [Qwen2.5-72B](https://quelleia.com/modeles/qwen2-5-72b.md) | Alibaba | non précisée | 71 % | 76,0 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 34 | [Qwen3-235B-A22B](https://quelleia.com/modeles/qwen3-235b-a22b.md) | Alibaba | non précisée | 71 % | 75,9 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 35 | [Claude Sonnet 4.5](https://quelleia.com/modeles/claude-sonnet-4-5.md) | Anthropic | Sans | 70,9 % | 75,4 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 36 | [Mistral 7B v0.3](https://quelleia.com/modeles/mistral-7b-v0-3.md) | Mistral AI | non précisée | 70,8 % | 75,1 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 37 | [Grok 4.1 Fast](https://quelleia.com/modeles/grok-4-1-fast.md) | xAI | Élevée | 70,7 % | 74,5 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 38 | [Ministral 3 3B](https://quelleia.com/modeles/ministral-3-3b.md) | Mistral AI | Élevée | 70,6 % | 73,8 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 39 | [EuroLLM 22B Instruct](https://quelleia.com/modeles/eurollm-22b-instruct.md) | EuroLLM | non précisée | 70,6 % | 73,4 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 40 | [Qwen3-235B-A22B-Instruct (Jul 2025)](https://quelleia.com/modeles/qwen3-235b-a22b-instruct-jul-2025.md) | Alibaba | non précisée | 70,5 % | 73,3 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 41 | [GPT-5.2](https://quelleia.com/modeles/gpt-5-2.md) | OpenAI | non précisée | 70,2 % | 71,5 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 42 | [c4ai-command-r-08-2024](https://quelleia.com/modeles/c4ai-command-r-08-2024.md) | Cohere | non précisée | 70,1 % | 71,1 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 43 | [Gemma 4 31B IT](https://quelleia.com/modeles/gemma-4-31b-it.md) | Google DeepMind | non précisée | 70,1 % | 71,0 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 44 | [Apertus 8B Instruct](https://quelleia.com/modeles/apertus-8b-instruct.md) | Swiss AI (EPFL | non précisée | 70,1 % | 70,7 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 45 | [Grok-2 (Dec 2024)](https://quelleia.com/modeles/grok-2-dec-2024.md) | xAI | non précisée | 70 % | 70,4 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 45 | [Llama-3.1-Nemotron-70B-Instruct](https://quelleia.com/modeles/llama-3-1-nemotron-70b-instruct.md) | NVIDIA | non précisée | 70 % | 70,4 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 47 | [Apertus v1.5 70B](https://quelleia.com/modeles/apertus-v1-5-70b.md) | Swiss AI (EPFL, ETH Zurich) | non précisée | 69,9 % | 69,9 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 48 | [OLMo 3.1 32B Instruct](https://quelleia.com/modeles/olmo-3-1-32b-instruct.md) | Allen Institute for AI | non précisée | 69,8 % | 69,3 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 48 | [ALIA-40b](https://quelleia.com/modeles/alia-40b.md) | Barcelona Supercomputing Center | non précisée | 69,8 % | 69,3 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 50 | [Qwen3-235B-A22B-Thinking (Jul 2025)](https://quelleia.com/modeles/qwen3-235b-a22b-thinking-jul-2025.md) | Alibaba | non précisée | 69,8 % | 68,8 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 51 | [Ministral 8B](https://quelleia.com/modeles/ministral-8b.md) | Mistral AI | non précisée | 69,7 % | 68,8 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 52 | [chutes/Qwen3-Next-80B-A3B-Instruct](https://quelleia.com/modeles/chutes-qwen3-next-80b-a3b-instruct.md) | Alibaba | non précisée | 69,7 % | 68,7 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 53 | [GPT-5 mini](https://quelleia.com/modeles/gpt-5-mini.md) | OpenAI | Faible | 69,7 % | 68,6 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 54 | [Qwen 3.8 27B](https://quelleia.com/modeles/qwen-3-8-27b.md) | Alibaba | non précisée | 69,6 % | 67,9 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 55 | [Qwen3.6 27B](https://quelleia.com/modeles/qwen3-6-27b.md) | Alibaba | non précisée | 69,5 % | 67,2 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 56 | [GPT-5.4 Nano](https://quelleia.com/modeles/gpt-5-4-nano.md) | OpenAI | Faible | 69,5 % | 67,2 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 57 | [EuroLLM 9B Instruct (2512)](https://quelleia.com/modeles/eurollm-9b-instruct-2512.md) | EuroLLM | non précisée | 69,3 % | 66,5 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 58 | [GPT-5.6 Terra](https://quelleia.com/modeles/gpt-5-6-terra.md) | OpenAI | non précisée | 69,3 % | 66,1 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 59 | [GPT-5.6 Luna](https://quelleia.com/modeles/gpt-5-6-luna.md) | OpenAI | non précisée | 69,1 % | 64,8 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 60 | [Grok-3 mini](https://quelleia.com/modeles/grok-3-mini.md) | xAI | Élevée | 68,8 % | 63,5 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 61 | [Qwen1.5-14B](https://quelleia.com/modeles/qwen1-5-14b.md) | Alibaba | non précisée | 68,6 % | 62,4 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 62 | [GPT-4.1 mini](https://quelleia.com/modeles/gpt-4-1-mini.md) | OpenAI | non précisée | 68,6 % | 62,1 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 63 | [DeepSeek-R1-Distill-Llama-70B](https://quelleia.com/modeles/deepseek-r1-distill-llama-70b.md) | DeepSeek | non précisée | 68,6 % | 62,0 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 64 | [Aya Expanse 32B](https://quelleia.com/modeles/aya-expanse-32b.md) | Cohere | non précisée | 68,5 % | 61,9 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 65 | [EuroLLM 9B Instruct](https://quelleia.com/modeles/eurollm-9b-instruct.md) | EuroLLM | non précisée | 68,5 % | 61,6 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 66 | [Gemma 3 27B](https://quelleia.com/modeles/gemma-3-27b.md) | Google DeepMind | non précisée | 68,5 % | 61,5 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 67 | [Llama 4 Scout](https://quelleia.com/modeles/llama-4-scout.md) | Meta AI | non précisée | 68,5 % | 61,5 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 68 | [Gemini 3.5 Flash-Lite](https://quelleia.com/modeles/gemini-3-5-flash-lite.md) | Google DeepMind | non précisée | 68,4 % | 61,2 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 69 | [Qwen3-4B](https://quelleia.com/modeles/qwen3-4b.md) | Alibaba | Sans | 68,3 % | 60,9 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 70 | [Gemini 3 Pro](https://quelleia.com/modeles/gemini-3-pro.md) | Google DeepMind | non précisée | 68,3 % | 60,8 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 71 | [Gemma 4 26B A4B](https://quelleia.com/modeles/gemma-4-26b-a4b.md) | Google DeepMind | non précisée | 68,2 % | 59,8 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 72 | [Reka Flash 3](https://quelleia.com/modeles/reka-flash-3.md) | Reka AI | non précisée | 68 % | 59,1 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 73 | [nvidia-nemotron-nano-9b-v2](https://quelleia.com/modeles/nvidia-nemotron-nano-9b-v2.md) | NVIDIA | non précisée | 67,9 % | 58,5 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 74 | [GPT-5.6 Sol](https://quelleia.com/modeles/gpt-5-6-sol.md) | OpenAI | non précisée | 67,8 % | 58,1 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 75 | [QwQ-32B](https://quelleia.com/modeles/qwq-32b.md) | Alibaba | non précisée | 67,8 % | 57,6 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 75 | [Gemma 3 12B](https://quelleia.com/modeles/gemma-3-12b.md) | Google DeepMind | non précisée | 67,8 % | 57,6 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 77 | [Qwen3.5-35B-A3B](https://quelleia.com/modeles/qwen3-5-35b-a3b.md) | Alibaba | non précisée | 67,7 % | 57,1 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 78 | [glm-4.7-flash](https://quelleia.com/modeles/glm-4-7-flash.md) | Z.ai (Zhipu AI) | non précisée | 67,7 % | 57,0 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 79 | [Gemini 2.5 Flash-Lite (Jun 2025)](https://quelleia.com/modeles/gemini-2-5-flash-lite-jun-2025.md) | Google DeepMind | Sans | 67,4 % | 55,9 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 80 | [granite-4.0-micro](https://quelleia.com/modeles/granite-4-0-micro.md) | IBM | non précisée | 67,4 % | 55,5 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 81 | [Claude Sonnet 4.6](https://quelleia.com/modeles/claude-sonnet-4-6.md) | Anthropic | non précisée | 67,3 % | 55,0 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 82 | [Gemini 2.5 Flash (Apr 2025)](https://quelleia.com/modeles/gemini-2-5-flash-apr-2025.md) | Google DeepMind | non précisée | 67,2 % | 54,6 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 83 | [Gemini 3.1 Flash-Lite](https://quelleia.com/modeles/gemini-3-1-flash-lite.md) | Google DeepMind | non précisée | 66,7 % | 51,6 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 84 | [Gemini 2.5 Pro (Jun 2025)](https://quelleia.com/modeles/gemini-2-5-pro-jun-2025.md) | Google DeepMind | non précisée | 66,6 % | 51,4 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 85 | [Claude 3.7 Sonnet](https://quelleia.com/modeles/claude-3-7-sonnet.md) | Anthropic | Élevée | 66,5 % | 50,9 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 86 | [qwen3-4b-instruct-2507](https://quelleia.com/modeles/qwen3-4b-instruct-2507.md) | Alibaba | non précisée | 66,3 % | 49,9 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 87 | [GPT-5](https://quelleia.com/modeles/gpt-5.md) | OpenAI | Faible | 66,3 % | 49,7 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 88 | [Gemini 2.5 Flash (Jun 2025)](https://quelleia.com/modeles/gemini-2-5-flash-jun-2025.md) | Google DeepMind | Sans | 66,3 % | 49,5 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 89 | [Phi-4 Reasoning](https://quelleia.com/modeles/phi-4-reasoning.md) | Microsoft | Élevée | 66 % | 47,9 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 90 | [Qwen3-Next-80B-A3B Thinking](https://quelleia.com/modeles/qwen3-next-80b-a3b-thinking.md) | Alibaba | Élevée | 65,9 % | 47,5 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 91 | [Gemini 3.6 Flash](https://quelleia.com/modeles/gemini-3-6-flash.md) | Google DeepMind | non précisée | 65,7 % | 46,5 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 92 | [deepseek-r1-0528-qwen3-8b](https://quelleia.com/modeles/deepseek-r1-0528-qwen3-8b.md) | DeepSeek | non précisée | 65,6 % | 46,1 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 93 | [OLMo 2 Furious 13B](https://quelleia.com/modeles/olmo-2-furious-13b.md) | Allen Institute for AI | non précisée | 65,5 % | 45,6 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 94 | [Grok 3](https://quelleia.com/modeles/grok-3.md) | xAI | non précisée | 65,5 % | 45,4 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 95 | [o3](https://quelleia.com/modeles/o3.md) | OpenAI | non précisée | 65,4 % | 44,6 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 96 | [Apertus 70B Instruct](https://quelleia.com/modeles/apertus-70b-instruct.md) | Swiss AI (EPFL, ETH Zurich) | non précisée | 65,3 % | 44,2 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 97 | [o4-mini](https://quelleia.com/modeles/o4-mini.md) | OpenAI | non précisée | 65,3 % | 44,2 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 98 | [Gemini 3.7 Flash](https://quelleia.com/modeles/gemini-3-7-flash.md) | Google DeepMind | non précisée | 65,2 % | 43,5 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 99 | [Llama 3.3 70B](https://quelleia.com/modeles/llama-3-3-70b.md) | Meta AI | non précisée | 65,1 % | 43,2 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 100 | [Qwen2.5-1.5B](https://quelleia.com/modeles/qwen2-5-1-5b.md) | Alibaba | non précisée | 65,1 % | 43,1 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 101 | [GPT-5 nano](https://quelleia.com/modeles/gpt-5-nano.md) | OpenAI | Élevée | 64,8 % | 41,8 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 102 | [Qwen3.5-2B](https://quelleia.com/modeles/qwen3-5-2b.md) | Alibaba | non précisée | 64,8 % | 41,5 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 103 | [Luciole 23B Instruct 1.1](https://quelleia.com/modeles/luciole-23b-instruct-1-1.md) | OpenLLM-France | non précisée | 64,5 % | 39,9 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 104 | [GPT-4.1](https://quelleia.com/modeles/gpt-4-1.md) | OpenAI | non précisée | 64,4 % | 39,4 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 105 | [Gemini 3 Flash](https://quelleia.com/modeles/gemini-3-flash.md) | Google DeepMind | Sans | 64,2 % | 38,4 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 106 | [GPT-6 Astra](https://quelleia.com/modeles/gpt-6-astra.md) | OpenAI | non précisée | 63,8 % | 36,4 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 107 | [Qwen3-1.7B](https://quelleia.com/modeles/qwen3-1-7b.md) | Alibaba | non précisée | 63,6 % | 35,1 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 108 | [o3-mini](https://quelleia.com/modeles/o3-mini.md) | OpenAI | non précisée | 63,4 % | 34,0 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 109 | [gpt-oss-20b](https://quelleia.com/modeles/gpt-oss-20b.md) | OpenAI | Moyenne | 63,2 % | 33,2 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 110 | [gpt-oss-120b](https://quelleia.com/modeles/gpt-oss-120b.md) | OpenAI | non précisée | 63,1 % | 32,5 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 111 | [Luciole 8B Instruct 1.1](https://quelleia.com/modeles/luciole-8b-instruct-1-1.md) | OpenLLM-France | non précisée | 61,6 % | 25,0 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 112 | [Llama 3.2 3B](https://quelleia.com/modeles/llama-3-2-3b.md) | Meta AI | non précisée | 61 % | 22,0 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 113 | [Llama 2-7B](https://quelleia.com/modeles/llama-2-7b.md) | Meta AI | non précisée | 59,2 % | 13,1 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 114 | [DeepSeek-R1-Distill-Qwen-14B](https://quelleia.com/modeles/deepseek-r1-distill-qwen-14b.md) | DeepSeek | non précisée | 58,4 % | 8,9 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 115 | [Gemma 2B](https://quelleia.com/modeles/gemma-2b.md) | Google DeepMind | non précisée | 57,9 % | 6,2 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 116 | [Qwen3.5-0.8B](https://quelleia.com/modeles/qwen3-5-0-8b.md) | Alibaba | non précisée | 57,1 % | 2,4 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 117 | [Phi-2](https://quelleia.com/modeles/phi-2.md) | Microsoft | non précisée | 55,9 % | -3,3 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 118 | [DeepSeek-R1-Distill-Qwen-32B](https://quelleia.com/modeles/deepseek-r1-distill-qwen-32b.md) | DeepSeek | non précisée | 53,8 % | -13,6 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 119 | [Mistral 7B v0.2](https://quelleia.com/modeles/mistral-7b-v0-2.md) | Mistral AI | non précisée | 50,8 % | -28,3 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 120 | [Qwen3-0.6B](https://quelleia.com/modeles/qwen3-0-6b.md) | Alibaba | non précisée | 49,6 % | -34,2 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 121 | [DeepSeek-R1-Distill-Qwen-7B](https://quelleia.com/modeles/deepseek-r1-distill-qwen-7b.md) | DeepSeek | non précisée | 47,4 % | -44,5 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 122 | [Falcon 2 11B](https://quelleia.com/modeles/falcon-2-11b.md) | Technology Innovation Institute | non précisée | 47,1 % | -46,0 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 123 | [Llama 3.2 1B](https://quelleia.com/modeles/llama-3-2-1b.md) | Meta AI | non précisée | 44,7 % | -57,7 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 124 | [Qwen3.5-9B](https://quelleia.com/modeles/qwen3-5-9b.md) | Alibaba | non précisée | 42,4 % | -69,3 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 125 | [DeepSeek-R1-Distill-Llama-8B](https://quelleia.com/modeles/deepseek-r1-distill-llama-8b.md) | DeepSeek | non précisée | 40,9 % | -76,6 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 126 | [Gemma 3 4B](https://quelleia.com/modeles/gemma-3-4b.md) | Google DeepMind | non précisée | 38,6 % | -88,0 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 127 | [Qwen3.5-4B](https://quelleia.com/modeles/qwen3-5-4b.md) | Alibaba | non précisée | 38 % | -91,0 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 128 | [Phi-4](https://quelleia.com/modeles/phi-4.md) | Microsoft | non précisée | 37,5 % | -93,6 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 129 | [GLM-4.5-Air](https://quelleia.com/modeles/glm-4-5-air.md) | Z.ai (Zhipu AI) | Sans | 34,3 % | -110,7 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 130 | [Gemma 3 270M](https://quelleia.com/modeles/gemma-3-270m.md) | Google DeepMind | non précisée | 28,7 % | -142,2 | 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 | 25,6 % | -160,6 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 132 | [Salamandra 7B Instruct](https://quelleia.com/modeles/salamandra-7b-instruct.md) | Barcelona Supercomputing Center | non précisée | 18,2 % | -213,3 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 133 | [Gemma 3 1B](https://quelleia.com/modeles/gemma-3-1b.md) | Google DeepMind | non précisée | 16,9 % | -224,0 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 134 | [Phi-4 Mini](https://quelleia.com/modeles/phi-4-mini.md) | Microsoft | Élevée | 9,8 % | -300,4 | https://euroeval.com/leaderboards/Monolingual/french/ |

## En bref

**Que mesure EuroEval, FQuAD (compréhension) ?** Le modèle lit un texte en français et répond à une question dont la réponse s'y trouve. Sur Quelle IA, il est rangé dans la tâche Français.

**Comment EuroEval, FQuAD (compréhension) est-il noté ?** La part de mots communs entre sa réponse et la réponse attendue. Le test est devenu facile : d'après sa courbe d'étalonnage, un modèle de score IA 51 y obtient déjà environ 67 %.

**Qui est en tête sur EuroEval, FQuAD (compréhension) ?** Llama 3.1-405B (Meta AI) est en tête d'EuroEval, FQuAD (compréhension) avec 77,4 %, dans l'édition du 28 septembre 2026. Suivent Llama 3.1-70B (76,7 %) et Nemotron 3 Nano 30B (76,3 %). 134 modèles y sont mesurés.

**Quelles sont les limites d'EuroEval, FQuAD (compréhension) ?** Une réponse juste mais formulée autrement perd des points. Au 28 septembre 2026, le benchmark est actif.

**Combien pèse EuroEval, FQuAD (compréhension) dans le score IA ?** EuroEval, FQuAD (compréhension) 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.

**Qui maintient EuroEval, FQuAD (compréhension) ?** 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, Allociné (sentiment)](https://quelleia.com/benchmarks/euroeval_allocine.md) : 134 modèles · 0,62 % du score, saturé
- [EuroEval, ELTeC (noms propres)](https://quelleia.com/benchmarks/euroeval_eltec.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