# GDP.pdf

> Fiche du benchmark GDP.pdf sur Quelle IA, édition du 28 septembre 2026. 100 questions sur de vrais documents PDF professionnels (finance, santé, droit, ingénierie) : tableaux, schémas, formulaires, clauses de contrat. En tête au 28 septembre 2026 : GPT-5.6 Sol (30,7 %). Notation, limites et classement des 30 modèles mesurés.

Page : https://quelleia.com/benchmarks/gdp_pdf/
Source du benchmark : https://surgehq.ai/leaderboards/gdp-pdf
Mainteneur : Surge AI
Tâche : Données
État : actif

## À quoi il sert

GDP.pdf alimente le dossier Données, suivi pour information : ce dossier n'a pas de score et n'entre pas dans le score général.

## Comment c'est noté

Part de questions où la réponse remplit tous les critères d'une grille propre à chaque tâche.

## Ce qu'il ne dit pas

Scores bas en tout ou rien, 31 % au mieux. Le classement est tenu par Surge AI, fournisseur de données pour les laboratoires d'IA.

## Qui le tient

Surge AI.

## Comment lire le score

Chaque trait est un modèle, placé à son meilleur score. Le test reste très dur : d'après sa courbe d'étalonnage, même un modèle de score IA 100 n'y obtient qu'environ 35 %. Le meilleur, GPT-5.6 Sol, atteint 30,7 %. 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)) : 2 %
- Score IA 76 (niveau de Claude Sonnet 4.5) : 9 %
- Score IA 100 (niveau de Claude Opus 5.5) : 35 %

## Son poids dans le score IA

0 % du score général. Données est un dossier sans score : ses benchmarks sont suivis pour information.

## Classement (30 modèles mesurés · 47 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 | [GPT-5.6 Sol](https://quelleia.com/modeles/gpt-5-6-sol.md) | OpenAI | Maximale | 30,7 % | 97,1 | https://surgehq.ai/benchmarks/gdp-pdf |
| 2 | [Claude Opus 5.5](https://quelleia.com/modeles/claude-opus-5-5.md) | Anthropic | Maximale | 30,6 % | 97,0 | https://surgehq.ai/benchmarks/gdp-pdf |
| 3 | [Claude Fable 5](https://quelleia.com/modeles/claude-fable-5.md) | Anthropic | non précisée | 30 % | 96,6 | https://epoch.ai/benchmarks |
| 4 | [Claude Fable 5.1](https://quelleia.com/modeles/claude-fable-5-1.md) | Anthropic | Élevée | 29,6 % | 96,4 | https://surgehq.ai/benchmarks/gdp-pdf |
| 5 | [Muse Spark 1.3](https://quelleia.com/modeles/muse-spark-1-3.md) | Meta AI | Maximale | 27,6 % | 95,0 | https://surgehq.ai/benchmarks/gdp-pdf |
| 6 | [GPT-5.5](https://quelleia.com/modeles/gpt-5-5.md) | OpenAI | Maximale | 26 % | 93,8 | https://surgehq.ai/benchmarks/gdp-pdf |
| 7 | [GPT-5.6 Terra](https://quelleia.com/modeles/gpt-5-6-terra.md) | OpenAI | Moyenne | 24,7 % | 92,8 | https://surgehq.ai/benchmarks/gdp-pdf |
| 8 | [Claude Opus 5](https://quelleia.com/modeles/claude-opus-5.md) | Anthropic | Maximale | 24 % | 92,3 | https://surgehq.ai/benchmarks/gdp-pdf |
| 8 | [Claude Opus 4.8](https://quelleia.com/modeles/claude-opus-4-8.md) | Anthropic | Maximale | 24 % | 92,3 | https://surgehq.ai/benchmarks/gdp-pdf |
| 10 | [Gemini 3.7 Flash](https://quelleia.com/modeles/gemini-3-7-flash.md) | Google DeepMind | Élevée | 23,8 % | 92,1 | https://surgehq.ai/benchmarks/gdp-pdf |
| 11 | [Gemini 3.8 Flash](https://quelleia.com/modeles/gemini-3-8-flash.md) | Google DeepMind | Moyenne | 23,4 % | 91,8 | https://surgehq.ai/benchmarks/gdp-pdf |
| 12 | [Qwen 3.8 Max](https://quelleia.com/modeles/qwen-3-8-max.md) | Alibaba | Maximale | 23,2 % | 91,6 | https://surgehq.ai/benchmarks/gdp-pdf |
| 13 | [GPT-5.6 Luna](https://quelleia.com/modeles/gpt-5-6-luna.md) | OpenAI | non précisée | 22,7 % | 91,2 | https://surgehq.ai/benchmarks/gdp-pdf |
| 14 | [Claude Opus 4.7](https://quelleia.com/modeles/claude-opus-4-7.md) | Anthropic | Maximale | 21 % | 89,8 | https://surgehq.ai/benchmarks/gdp-pdf |
| 15 | [Kimi K3](https://quelleia.com/modeles/kimi-k3.md) | Moonshot | Maximale | 19 % | 88,0 | https://surgehq.ai/benchmarks/gdp-pdf |
| 16 | [Claude Sonnet 4.6](https://quelleia.com/modeles/claude-sonnet-4-6.md) | Anthropic | Maximale | 18 % | 87,0 | https://surgehq.ai/benchmarks/gdp-pdf |
| 17 | [Grok 4.6](https://quelleia.com/modeles/grok-4-6.md) | xAI | Maximale | 17,2 % | 86,2 | https://surgehq.ai/benchmarks/gdp-pdf |
| 18 | [Gemini 3.1 Pro](https://quelleia.com/modeles/gemini-3-1-pro.md) | Google DeepMind | Élevée | 17 % | 86,0 | https://surgehq.ai/benchmarks/gdp-pdf |
| 19 | [Qwen3.8 Flash](https://quelleia.com/modeles/qwen3-8-flash.md) | Alibaba | Maximale | 16,6 % | 85,6 | https://surgehq.ai/benchmarks/gdp-pdf |
| 20 | [Muse Spark 1.2](https://quelleia.com/modeles/muse-spark-1-2.md) | Meta AI | Maximale | 16 % | 85,0 | https://surgehq.ai/benchmarks/gdp-pdf |
| 21 | [Muse Spark 1.1](https://quelleia.com/modeles/muse-spark-1-1.md) | Meta AI | Moyenne | 15 % | 83,9 | https://surgehq.ai/benchmarks/gdp-pdf |
| 22 | [Grok 4.5](https://quelleia.com/modeles/grok-4-5.md) | xAI | Élevée | 14 % | 82,7 | https://surgehq.ai/benchmarks/gdp-pdf |
| 22 | [Gemini 3.6 Flash](https://quelleia.com/modeles/gemini-3-6-flash.md) | Google DeepMind | Élevée | 14 % | 82,7 | https://surgehq.ai/benchmarks/gdp-pdf |
| 22 | [Gemini 3.5 Flash](https://quelleia.com/modeles/gemini-3-5-flash.md) | Google DeepMind | non précisée | 14 % | 82,7 | https://surgehq.ai/benchmarks/gdp-pdf |
| 22 | [GLM-5.3-Flash](https://quelleia.com/modeles/glm-5-3-flash.md) | Z.ai (Zhipu AI) | Maximale | 14 % | 82,7 | https://surgehq.ai/benchmarks/gdp-pdf |
| 26 | [Kimi K2.6](https://quelleia.com/modeles/kimi-k2-6.md) | Moonshot | non précisée | 12 % | 80,2 | https://surgehq.ai/benchmarks/gdp-pdf |
| 27 | [Gemini 3 Flash](https://quelleia.com/modeles/gemini-3-flash.md) | Google DeepMind | non précisée | 10 % | 77,3 | https://surgehq.ai/benchmarks/gdp-pdf |
| 27 | [Gemini 3.5 Flash-Lite](https://quelleia.com/modeles/gemini-3-5-flash-lite.md) | Google DeepMind | Élevée | 10 % | 77,3 | https://surgehq.ai/benchmarks/gdp-pdf |
| 29 | [Grok 4.3 Beta](https://quelleia.com/modeles/grok-4-3-beta.md) | xAI | non précisée | 8 % | 73,7 | https://epoch.ai/benchmarks |
| 30 | [Nova 2.0 Pro Preview](https://quelleia.com/modeles/nova-2-0-pro-preview.md) | Amazon | non précisée | 2 % | 52,9 | https://surgehq.ai/benchmarks/gdp-pdf |

## En bref

**Que mesure GDP.pdf ?** 100 questions sur de vrais documents PDF professionnels (finance, santé, droit, ingénierie) : tableaux, schémas, formulaires, clauses de contrat. Sur Quelle IA, il est rangé dans le dossier Données.

**Comment GDP.pdf est-il noté ?** Part de questions où la réponse remplit tous les critères d'une grille propre à chaque tâche. Le test reste très dur : d'après sa courbe d'étalonnage, même un modèle de score IA 100 n'y obtient qu'environ 35 %.

**Qui est en tête sur GDP.pdf ?** GPT-5.6 Sol (OpenAI) est en tête de GDP.pdf avec 30,7 %, dans l'édition du 28 septembre 2026. Suivent Claude Opus 5.5 (30,6 %) et Claude Fable 5 (30 %). 30 modèles y sont mesurés.

**Quelles sont les limites de GDP.pdf ?** Scores bas en tout ou rien, 31 % au mieux. Le classement est tenu par Surge AI, fournisseur de données pour les laboratoires d'IA. Au 28 septembre 2026, le benchmark est actif.

**Combien pèse GDP.pdf dans le score IA ?** GDP.pdf compte pour 0 % du score général, dans l'édition du 28 septembre 2026. Données est un dossier sans score : ses benchmarks sont suivis pour information.

**Qui maintient GDP.pdf ?** Surge AI. Sa page de référence : surgehq.ai/leaderboards/gdp-pdf.

## Les autres benchmarks du dossier Données

- [SimpleQA Verified](https://quelleia.com/benchmarks/simpleqa_verified.md) : 73 modèles · hors score
- [CL-bench](https://quelleia.com/benchmarks/cl_bench.md) : 20 modèles · hors score
- [CL-bench Life](https://quelleia.com/benchmarks/cl_bench_life.md) : 14 modèles · hors score
- [Fiction.LiveBench](https://quelleia.com/benchmarks/fiction_livebench.md) : 57 modèles · hors score, archivé

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