# EuroEval, MultiLoKo (connaissances locales)

> Fiche du benchmark EuroEval, MultiLoKo (connaissances locales) sur Quelle IA, édition du 28 septembre 2026. Des questions de culture propre aux pays francophones, posées en français. En tête au 28 septembre 2026 : Gemini 3.7 Flash (89,1 %). Notation, limites et classement des 64 modèles mesurés.

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

## À quoi il sert

Sur Quelle IA, EuroEval, MultiLoKo (connaissances locales) sert à noter la tâche Français : c'est l'un de ses 10 benchmarks. Il départage surtout les modèles dont le score IA approche 79.

## Comment c'est noté

La part de réponses exactes.

## Ce qu'il ne dit pas

Peu de modèles mesurés. Exige la réponse exacte, au mot près.

## 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 79. Le meilleur, Gemini 3.7 Flash, atteint 89,1 %. 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)) : 17 %
- Score IA 76 (niveau de Claude Sonnet 4.5) : 46 %
- Score IA 100 (niveau de Claude Opus 5.5) : 76 %

## Son poids dans le score IA

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

## Classement (64 modèles mesurés · 85 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 3.7 Flash](https://quelleia.com/modeles/gemini-3-7-flash.md) | Google DeepMind | non précisée | 89,1 % | 116,3 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 2 | [Gemini 3 Flash](https://quelleia.com/modeles/gemini-3-flash.md) | Google DeepMind | Élevée | 87,4 % | 113,4 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 3 | [Gemini 3.6 Flash](https://quelleia.com/modeles/gemini-3-6-flash.md) | Google DeepMind | non précisée | 86,5 % | 112,1 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 4 | [GPT-6 Astra](https://quelleia.com/modeles/gpt-6-astra.md) | OpenAI | non précisée | 86,1 % | 111,5 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 5 | [GPT-5.6 Sol](https://quelleia.com/modeles/gpt-5-6-sol.md) | OpenAI | non précisée | 83,3 % | 107,6 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 6 | [GPT-5.6 Luna](https://quelleia.com/modeles/gpt-5-6-luna.md) | OpenAI | non précisée | 67 % | 91,9 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 7 | [GPT-5.6 Terra](https://quelleia.com/modeles/gpt-5-6-terra.md) | OpenAI | non précisée | 66,6 % | 91,6 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 8 | [GLM-5.3-Flash](https://quelleia.com/modeles/glm-5-3-flash.md) | Z.ai (Zhipu AI) | non précisée | 61,3 % | 87,5 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 9 | [GPT-5.4 Mini](https://quelleia.com/modeles/gpt-5-4-mini.md) | OpenAI | Moyenne | 60,6 % | 87,0 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 10 | [Gemini 3.1 Flash-Lite](https://quelleia.com/modeles/gemini-3-1-flash-lite.md) | Google DeepMind | non précisée | 56,5 % | 84,0 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 11 | [Grok 4.1 Fast](https://quelleia.com/modeles/grok-4-1-fast.md) | xAI | Élevée | 52,4 % | 81,1 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 12 | [GPT-5 mini](https://quelleia.com/modeles/gpt-5-mini.md) | OpenAI | non précisée | 49,2 % | 78,8 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 13 | [Claude Sonnet 4.5](https://quelleia.com/modeles/claude-sonnet-4-5.md) | Anthropic | Élevée | 47,9 % | 77,9 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 14 | [GPT-4.1](https://quelleia.com/modeles/gpt-4-1.md) | OpenAI | non précisée | 47,4 % | 77,6 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 15 | [Claude Sonnet 4.6](https://quelleia.com/modeles/claude-sonnet-4-6.md) | Anthropic | non précisée | 43,6 % | 74,9 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 16 | [GPT-5.4](https://quelleia.com/modeles/gpt-5-4.md) | OpenAI | Sans | 42,9 % | 74,4 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 17 | [Gemini 2.5 Flash-Lite (Jun 2025)](https://quelleia.com/modeles/gemini-2-5-flash-lite-jun-2025.md) | Google DeepMind | Élevée | 41,9 % | 73,6 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 18 | [Gemma 4 31B IT](https://quelleia.com/modeles/gemma-4-31b-it.md) | Google DeepMind | non précisée | 38,4 % | 71,2 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 19 | [Mistral Small 3.1](https://quelleia.com/modeles/mistral-small-3-1.md) | Mistral AI | non précisée | 34,2 % | 67,9 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 20 | [Qwen3.5-35B-A3B](https://quelleia.com/modeles/qwen3-5-35b-a3b.md) | Alibaba | non précisée | 34,1 % | 67,8 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 21 | [Gemma 4 26B A4B](https://quelleia.com/modeles/gemma-4-26b-a4b.md) | Google DeepMind | non précisée | 33,5 % | 67,4 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 22 | [Gemini 3.5 Flash-Lite](https://quelleia.com/modeles/gemini-3-5-flash-lite.md) | Google DeepMind | non précisée | 32,7 % | 66,7 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 23 | [Mistral Small 3.2](https://quelleia.com/modeles/mistral-small-3-2.md) | Mistral AI | non précisée | 32,6 % | 66,7 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 24 | [GPT-5.4 Nano](https://quelleia.com/modeles/gpt-5-4-nano.md) | OpenAI | Moyenne | 32,2 % | 66,3 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 25 | [Qwen3.6 27B](https://quelleia.com/modeles/qwen3-6-27b.md) | Alibaba | non précisée | 31,6 % | 65,8 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 26 | [Llama 3.3 70B](https://quelleia.com/modeles/llama-3-3-70b.md) | Meta AI | non précisée | 30,5 % | 65,0 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 27 | [GPT-5.2](https://quelleia.com/modeles/gpt-5-2.md) | OpenAI | non précisée | 30,5 % | 64,9 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 28 | [Qwen2.5-72B](https://quelleia.com/modeles/qwen2-5-72b.md) | Alibaba | non précisée | 29,1 % | 63,7 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 29 | [Qwen 3.8 27B](https://quelleia.com/modeles/qwen-3-8-27b.md) | Alibaba | non précisée | 27,8 % | 62,6 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 30 | [GPT-5 nano](https://quelleia.com/modeles/gpt-5-nano.md) | OpenAI | non précisée | 26,6 % | 61,6 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 31 | [gpt-oss-120b](https://quelleia.com/modeles/gpt-oss-120b.md) | OpenAI | non précisée | 25,9 % | 61,0 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 32 | [Ministral 3 14B](https://quelleia.com/modeles/ministral-3-14b.md) | Mistral AI | non précisée | 25,9 % | 60,9 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 33 | [glm-4.7-flash](https://quelleia.com/modeles/glm-4-7-flash.md) | Z.ai (Zhipu AI) | non précisée | 24,2 % | 59,4 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 34 | [Nemotron 3 Nano 30B](https://quelleia.com/modeles/nemotron-3-nano-30b.md) | NVIDIA | non précisée | 22,8 % | 58,0 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 35 | [Gemma 3 27B](https://quelleia.com/modeles/gemma-3-27b.md) | Google DeepMind | non précisée | 20,3 % | 55,4 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 36 | [Claude Haiku 4.5](https://quelleia.com/modeles/claude-haiku-4-5.md) | Anthropic | non précisée | 19,5 % | 54,5 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 37 | [Qwen3-14B](https://quelleia.com/modeles/qwen3-14b.md) | Alibaba | Sans | 18,8 % | 53,7 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 38 | [Qwen3.5-9B](https://quelleia.com/modeles/qwen3-5-9b.md) | Alibaba | non précisée | 18,7 % | 53,6 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 39 | [EuroLLM 22B Instruct](https://quelleia.com/modeles/eurollm-22b-instruct.md) | EuroLLM | non précisée | 18,2 % | 53,1 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 40 | [Qwen3-4B](https://quelleia.com/modeles/qwen3-4b.md) | Alibaba | Élevée | 17,5 % | 52,2 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 41 | [Llama 3.1-70B](https://quelleia.com/modeles/llama-3-1-70b.md) | Meta AI | non précisée | 17,3 % | 51,9 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 42 | [Gemma 3 12B](https://quelleia.com/modeles/gemma-3-12b.md) | Google DeepMind | non précisée | 17,1 % | 51,7 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 43 | [Qwen3-8B](https://quelleia.com/modeles/qwen3-8b.md) | Alibaba | Sans | 17,1 % | 51,6 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 44 | [Ministral 3 8B](https://quelleia.com/modeles/ministral-3-8b.md) | Mistral AI | non précisée | 16,9 % | 51,4 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 45 | [Apertus v1.5 70B](https://quelleia.com/modeles/apertus-v1-5-70b.md) | Swiss AI (EPFL, ETH Zurich) | non précisée | 16,8 % | 51,2 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 46 | [Qwen3.5-4B](https://quelleia.com/modeles/qwen3-5-4b.md) | Alibaba | non précisée | 15,7 % | 49,9 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 47 | [Gemma 3 4B](https://quelleia.com/modeles/gemma-3-4b.md) | Google DeepMind | non précisée | 15,2 % | 49,3 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 48 | [Qwen3-32B](https://quelleia.com/modeles/qwen3-32b.md) | Alibaba | Sans | 14,7 % | 48,5 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 49 | [gpt-oss-20b](https://quelleia.com/modeles/gpt-oss-20b.md) | OpenAI | Moyenne | 13 % | 46,1 | 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 | 12,8 % | 45,6 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 51 | [EuroLLM 9B Instruct](https://quelleia.com/modeles/eurollm-9b-instruct.md) | EuroLLM | non précisée | 11,6 % | 43,8 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 52 | [Llama 3.1-8B](https://quelleia.com/modeles/llama-3-1-8b.md) | Meta AI | non précisée | 11,5 % | 43,5 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 53 | [EuroLLM 9B Instruct (2512)](https://quelleia.com/modeles/eurollm-9b-instruct-2512.md) | EuroLLM | non précisée | 10,7 % | 42,2 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 54 | [Ministral 3 3B](https://quelleia.com/modeles/ministral-3-3b.md) | Mistral AI | non précisée | 10,7 % | 42,2 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 55 | [Qwen3.5-2B](https://quelleia.com/modeles/qwen3-5-2b.md) | Alibaba | non précisée | 8,5 % | 37,7 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 56 | [Llama 3.2 3B](https://quelleia.com/modeles/llama-3-2-3b.md) | Meta AI | non précisée | 8,4 % | 37,4 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 56 | [Qwen3.5-0.8B](https://quelleia.com/modeles/qwen3-5-0-8b.md) | Alibaba | non précisée | 8,4 % | 37,4 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 58 | [Luciole 8B Instruct 1.1](https://quelleia.com/modeles/luciole-8b-instruct-1-1.md) | OpenLLM-France | non précisée | 7,6 % | 35,5 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 59 | [Salamandra 7B Instruct](https://quelleia.com/modeles/salamandra-7b-instruct.md) | Barcelona Supercomputing Center | non précisée | 7,3 % | 34,7 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 60 | [Qwen3-1.7B](https://quelleia.com/modeles/qwen3-1-7b.md) | Alibaba | Sans | 5,6 % | 29,8 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 61 | [Gemma 3 1B](https://quelleia.com/modeles/gemma-3-1b.md) | Google DeepMind | non précisée | 4,5 % | 25,6 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 62 | [Llama 3.2 1B](https://quelleia.com/modeles/llama-3-2-1b.md) | Meta AI | non précisée | 3,2 % | 19,4 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 63 | [Gemma 3 270M](https://quelleia.com/modeles/gemma-3-270m.md) | Google DeepMind | non précisée | 0,4 % | -1,3 | https://euroeval.com/leaderboards/Monolingual/french/ |
| 64 | [Qwen3-0.6B](https://quelleia.com/modeles/qwen3-0-6b.md) | Alibaba | Sans | -2 % | -1,3 | https://euroeval.com/leaderboards/Monolingual/french/ |

## En bref

**Que mesure EuroEval, MultiLoKo (connaissances locales) ?** Des questions de culture propre aux pays francophones, posées en français. Sur Quelle IA, il est rangé dans la tâche Français.

**Comment EuroEval, MultiLoKo (connaissances locales) est-il noté ?** La part de réponses exactes. Un modèle qui obtient 50 % a un score IA d'environ 79.

**Qui est en tête sur EuroEval, MultiLoKo (connaissances locales) ?** Gemini 3.7 Flash (Google DeepMind) est en tête d'EuroEval, MultiLoKo (connaissances locales) avec 89,1 %, dans l'édition du 28 septembre 2026. Suivent Gemini 3 Flash (87,4 %) et Gemini 3.6 Flash (86,5 %). 64 modèles y sont mesurés.

**Quelles sont les limites d'EuroEval, MultiLoKo (connaissances locales) ?** Peu de modèles mesurés. Exige la réponse exacte, au mot près. Au 28 septembre 2026, le benchmark est actif.

**Combien pèse EuroEval, MultiLoKo (connaissances locales) dans le score IA ?** EuroEval, MultiLoKo (connaissances locales) 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, MultiLoKo (connaissances locales) ?** 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, INCLUDE (connaissances)](https://quelleia.com/benchmarks/euroeval_include_fr.md) : 64 modèles · 0,62 % du score

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