# EuroEval, INCLUDE (connaissances)

> Fiche du benchmark EuroEval, INCLUDE (connaissances) sur Quelle IA, édition du 28 septembre 2026. Des questions à choix multiples de connaissances, posées en français. En tête au 28 septembre 2026 : Gemini 3 Flash (87,7 %). Notation, limites et classement des 64 modèles mesurés.

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

## À quoi il sert

Sur Quelle IA, EuroEval, INCLUDE (connaissances) sert à noter la tâche Français : c'est l'un de ses 10 benchmarks. Il départage surtout les modèles dont le score IA approche 41.

## Comment c'est noté

La part de bonnes réponses, corrigée du hasard.

## Ce qu'il ne dit pas

Mesure ce que le modèle sait, en français. Sa rédaction n'est pas évaluée.

## Qui le tient

EuroEval.

## 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 41. Le meilleur, Gemini 3 Flash, atteint 87,7 %. 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)) : 57 %
- Score IA 76 (niveau de Claude Sonnet 4.5) : 73 %
- Score IA 100 (niveau de Claude Opus 5.5) : 84 %

## Son poids dans le score IA

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

## Classement (64 modèles mesurés · 86 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 | [Gemini 3 Flash](https://quelleia.com/modeles/gemini-3-flash.md) | Google DeepMind | Élevée | 87,7 % | 111,9 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 2 | [Gemini 3.7 Flash](https://quelleia.com/modeles/gemini-3-7-flash.md) | Google DeepMind | non précisée | 84,9 % | 103,3 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 3 | [GPT-5.6 Sol](https://quelleia.com/modeles/gpt-5-6-sol.md) | OpenAI | non précisée | 84,1 % | 101,3 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 4 | [Gemini 3.6 Flash](https://quelleia.com/modeles/gemini-3-6-flash.md) | Google DeepMind | non précisée | 84 % | 100,9 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 5 | [GPT-5 mini](https://quelleia.com/modeles/gpt-5-mini.md) | OpenAI | non précisée | 80,8 % | 92,8 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 6 | [Grok 4.1 Fast](https://quelleia.com/modeles/grok-4-1-fast.md) | xAI | Élevée | 79,7 % | 90,3 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 7 | [GLM-5.3-Flash](https://quelleia.com/modeles/glm-5-3-flash.md) | Z.ai (Zhipu AI) | non précisée | 79,2 % | 89,4 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 8 | [GPT-5.4 Mini](https://quelleia.com/modeles/gpt-5-4-mini.md) | OpenAI | Faible | 79,2 % | 89,3 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 9 | [GPT-6 Astra](https://quelleia.com/modeles/gpt-6-astra.md) | OpenAI | non précisée | 78,8 % | 88,5 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 10 | [GPT-4.1](https://quelleia.com/modeles/gpt-4-1.md) | OpenAI | non précisée | 76,9 % | 84,3 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 11 | [GPT-5.6 Terra](https://quelleia.com/modeles/gpt-5-6-terra.md) | OpenAI | non précisée | 75,6 % | 81,8 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 12 | [Qwen3.6 27B](https://quelleia.com/modeles/qwen3-6-27b.md) | Alibaba | non précisée | 75,4 % | 81,4 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 13 | [Claude Sonnet 4.5](https://quelleia.com/modeles/claude-sonnet-4-5.md) | Anthropic | Élevée | 75,2 % | 81,0 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 14 | [Qwen 3.8 27B](https://quelleia.com/modeles/qwen-3-8-27b.md) | Alibaba | non précisée | 74,8 % | 80,3 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 15 | [Claude Sonnet 4.6](https://quelleia.com/modeles/claude-sonnet-4-6.md) | Anthropic | non précisée | 73,9 % | 78,5 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 16 | [Qwen3.5-35B-A3B](https://quelleia.com/modeles/qwen3-5-35b-a3b.md) | Alibaba | non précisée | 73,6 % | 78,1 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 17 | [Mistral Small 3.2](https://quelleia.com/modeles/mistral-small-3-2.md) | Mistral AI | non précisée | 72,8 % | 76,5 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 18 | [GPT-5.4](https://quelleia.com/modeles/gpt-5-4.md) | OpenAI | Sans | 72,2 % | 75,5 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 19 | [GPT-5.4 Nano](https://quelleia.com/modeles/gpt-5-4-nano.md) | OpenAI | Élevée | 72 % | 75,2 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 20 | [Gemma 4 26B A4B](https://quelleia.com/modeles/gemma-4-26b-a4b.md) | Google DeepMind | non précisée | 72 % | 75,1 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 21 | [gpt-oss-120b](https://quelleia.com/modeles/gpt-oss-120b.md) | OpenAI | non précisée | 71,3 % | 73,9 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 22 | [GPT-5.6 Luna](https://quelleia.com/modeles/gpt-5-6-luna.md) | OpenAI | non précisée | 71,3 % | 73,9 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 23 | [Mistral Small 3.1](https://quelleia.com/modeles/mistral-small-3-1.md) | Mistral AI | non précisée | 70,5 % | 72,4 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 24 | [Qwen2.5-72B](https://quelleia.com/modeles/qwen2-5-72b.md) | Alibaba | non précisée | 70,4 % | 72,3 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 25 | [Gemini 3.1 Flash-Lite](https://quelleia.com/modeles/gemini-3-1-flash-lite.md) | Google DeepMind | non précisée | 69,2 % | 70,3 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 26 | [Nemotron 3 Nano 30B](https://quelleia.com/modeles/nemotron-3-nano-30b.md) | NVIDIA | non précisée | 69,2 % | 70,1 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 27 | [gpt-oss-20b](https://quelleia.com/modeles/gpt-oss-20b.md) | OpenAI | Moyenne | 67,9 % | 68,1 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 28 | [Gemma 4 31B IT](https://quelleia.com/modeles/gemma-4-31b-it.md) | Google DeepMind | non précisée | 67,8 % | 67,9 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 29 | [Llama 3.3 70B](https://quelleia.com/modeles/llama-3-3-70b.md) | Meta AI | non précisée | 67,4 % | 67,2 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 30 | [Gemini 2.5 Flash-Lite (Jun 2025)](https://quelleia.com/modeles/gemini-2-5-flash-lite-jun-2025.md) | Google DeepMind | Élevée | 66,9 % | 66,3 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 31 | [Qwen3.5-9B](https://quelleia.com/modeles/qwen3-5-9b.md) | Alibaba | non précisée | 64,5 % | 62,6 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 32 | [Qwen3-32B](https://quelleia.com/modeles/qwen3-32b.md) | Alibaba | Sans | 64,5 % | 62,5 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 33 | [Qwen3-14B](https://quelleia.com/modeles/qwen3-14b.md) | Alibaba | Sans | 63,8 % | 61,5 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 34 | [Qwen3.5-4B](https://quelleia.com/modeles/qwen3-5-4b.md) | Alibaba | non précisée | 63,1 % | 60,4 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 35 | [Ministral 3 8B](https://quelleia.com/modeles/ministral-3-8b.md) | Mistral AI | Élevée | 62,6 % | 59,6 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 36 | [Gemma 3 27B](https://quelleia.com/modeles/gemma-3-27b.md) | Google DeepMind | non précisée | 61,9 % | 58,5 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 37 | [Qwen3-4B](https://quelleia.com/modeles/qwen3-4b.md) | Alibaba | Élevée | 61,3 % | 57,6 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 38 | [EuroLLM 22B Instruct](https://quelleia.com/modeles/eurollm-22b-instruct.md) | EuroLLM | non précisée | 60,8 % | 56,8 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 39 | [Llama 3.1-70B](https://quelleia.com/modeles/llama-3-1-70b.md) | Meta AI | non précisée | 59,9 % | 55,4 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 40 | [GPT-5.2](https://quelleia.com/modeles/gpt-5-2.md) | OpenAI | non précisée | 59,9 % | 55,4 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 41 | [GPT-5 nano](https://quelleia.com/modeles/gpt-5-nano.md) | OpenAI | non précisée | 59,4 % | 54,8 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 42 | [Claude Haiku 4.5](https://quelleia.com/modeles/claude-haiku-4-5.md) | Anthropic | non précisée | 57,8 % | 52,3 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 43 | [Gemma 3 12B](https://quelleia.com/modeles/gemma-3-12b.md) | Google DeepMind | non précisée | 57,5 % | 51,8 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 44 | [glm-4.7-flash](https://quelleia.com/modeles/glm-4-7-flash.md) | Z.ai (Zhipu AI) | non précisée | 56,4 % | 50,3 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 45 | [Qwen3-8B](https://quelleia.com/modeles/qwen3-8b.md) | Alibaba | Sans | 54,3 % | 47,3 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 46 | [Gemini 3.5 Flash-Lite](https://quelleia.com/modeles/gemini-3-5-flash-lite.md) | Google DeepMind | non précisée | 54,3 % | 47,2 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 47 | [Ministral 3 3B](https://quelleia.com/modeles/ministral-3-3b.md) | Mistral AI | non précisée | 50,8 % | 42,1 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 48 | [Ministral 3 14B](https://quelleia.com/modeles/ministral-3-14b.md) | Mistral AI | non précisée | 49,9 % | 40,8 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 49 | [EuroLLM 9B Instruct](https://quelleia.com/modeles/eurollm-9b-instruct.md) | EuroLLM | non précisée | 45,6 % | 34,6 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 50 | [Luciole 23B Instruct 1.1](https://quelleia.com/modeles/luciole-23b-instruct-1-1.md) | OpenLLM-France | non précisée | 45,3 % | 34,2 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 51 | [Llama 3.1-8B](https://quelleia.com/modeles/llama-3-1-8b.md) | Meta AI | non précisée | 42,9 % | 30,7 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 52 | [Apertus v1.5 70B](https://quelleia.com/modeles/apertus-v1-5-70b.md) | Swiss AI (EPFL, ETH Zurich) | non précisée | 38,8 % | 24,5 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 53 | [EuroLLM 9B Instruct (2512)](https://quelleia.com/modeles/eurollm-9b-instruct-2512.md) | EuroLLM | non précisée | 37,9 % | 23,2 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 54 | [Luciole 8B Instruct 1.1](https://quelleia.com/modeles/luciole-8b-instruct-1-1.md) | OpenLLM-France | non précisée | 36,8 % | 21,4 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 55 | [Gemma 3 4B](https://quelleia.com/modeles/gemma-3-4b.md) | Google DeepMind | non précisée | 35,6 % | 19,5 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 56 | [Llama 3.2 3B](https://quelleia.com/modeles/llama-3-2-3b.md) | Meta AI | non précisée | 31,4 % | 12,7 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 57 | [Qwen3-1.7B](https://quelleia.com/modeles/qwen3-1-7b.md) | Alibaba | Sans | 29,4 % | 9,3 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 58 | [Salamandra 7B Instruct](https://quelleia.com/modeles/salamandra-7b-instruct.md) | Barcelona Supercomputing Center | non précisée | 27,4 % | 5,9 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 59 | [Qwen3.5-2B](https://quelleia.com/modeles/qwen3-5-2b.md) | Alibaba | non précisée | 26,9 % | 4,8 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 60 | [Qwen3-0.6B](https://quelleia.com/modeles/qwen3-0-6b.md) | Alibaba | Sans | 11,5 % | -32,6 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 61 | [Qwen3.5-0.8B](https://quelleia.com/modeles/qwen3-5-0-8b.md) | Alibaba | non précisée | 10,5 % | -36,5 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 62 | [Gemma 3 1B](https://quelleia.com/modeles/gemma-3-1b.md) | Google DeepMind | non précisée | 6,8 % | -53,9 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 63 | [Gemma 3 270M](https://quelleia.com/modeles/gemma-3-270m.md) | Google DeepMind | non précisée | 5,6 % | -60,9 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 64 | [Llama 3.2 1B](https://quelleia.com/modeles/llama-3-2-1b.md) | Meta AI | non précisée | 2,3 % | -94,0 | https://euroeval.com/leaderboards/Monolingual/french/ |

## En bref

**Que mesure EuroEval, INCLUDE (connaissances) ?** Des questions à choix multiples de connaissances, posées en français. Sur Quelle IA, il est rangé dans la tâche Français.

**Comment EuroEval, INCLUDE (connaissances) est-il noté ?** La part de bonnes réponses, corrigée du hasard. Un modèle qui obtient 50 % a un score IA d'environ 41.

**Qui est en tête sur EuroEval, INCLUDE (connaissances) ?** Gemini 3 Flash (Google DeepMind) est en tête d'EuroEval, INCLUDE (connaissances) avec 87,7 %, dans l'édition du 28 septembre 2026. Suivent Gemini 3.7 Flash (84,9 %) et GPT-5.6 Sol (84,1 %). 64 modèles y sont mesurés.

**Quelles sont les limites d'EuroEval, INCLUDE (connaissances) ?** Mesure ce que le modèle sait, en français. Sa rédaction n'est pas évaluée. Au 28 septembre 2026, le benchmark est actif.

**Combien pèse EuroEval, INCLUDE (connaissances) dans le score IA ?** EuroEval, INCLUDE (connaissances) 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, INCLUDE (connaissances) ?** 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, 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, 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