# GPT-5.2

> Fiche du modèle de langage GPT-5.2 sur Quelle IA, édition du 28 septembre 2026. GPT-5.2 (OpenAI) : score IA de 84,2, 42e sur 246. Scores par tâche, prix, exécution locale et liens pour le télécharger ou l'essayer.

Page : https://quelleia.com/modeles/gpt-5-2/
Origine : OpenAI · États-Unis · sorti le 11 décembre 2025

## Score général

- Score IA : 84,2 (marge à 90 % : de 82,4 à 86,0)
- Rang : 42 (Groupe 6, ex æquo)
- Couverture : 100 % du poids des tâches, 44 mesures
- Échelle : 100 pour le meilleur modèle au lancement du site, 50 pour GPT-4o de novembre 2024.

## Scores par tâche

| Tâche | Score | Détail |
| --- | --- | --- |
| Raisonnement | 85,0 | Rang 33 · 100 % |
| Code | 84,7 | Rang 27 · 38 % |
| Agents | 88,1 | Rang 10 · 56 % |
| Usage | 81,6 | Rang 54 · 100 % |
| Maths | 84,7 | Rang 33 · 88 % |
| Sciences | 83,2 | Rang 30 · 60 % |
| Français | 76,6 | Rang 38 · 100 % |
| Vision | 89,7 | Rang 14 · 67 % |
| Écriture | 79,8 | Rang 64 · 100 % |
| Web | 79,0 | Rang 63 · 100 % |

## Artificial Analysis (hors du score)

Artificial Analysis évalue les modèles de son côté et publie son propre indice, l'Artificial Analysis Intelligence Index v4.3. C'est un autre indice, qui ne compte pas dans le score IA de Quelle IA et ne se compare pas directement à lui.

| Version évaluée | Indice v4.3 | Rang chez eux | Vitesse | Premier jeton | Prix par million de jetons (entrée / sortie) |
| --- | --- | --- | --- | --- | --- |
| [GPT-5.2 (Xhigh)](https://artificialanalysis.ai/models/gpt-5-2) | 30,5 (estimé) | hors classement | 69,8 jetons/s | 127,2 s | 1,75 $ / 14 $ |
| [GPT-5.2 (Medium)](https://artificialanalysis.ai/models/gpt-5-2-medium) | 26,5 (estimé) | hors classement | non publié | non publié | 1,75 $ / 14 $ |
| [GPT-5.2 (Non-reasoning)](https://artificialanalysis.ai/models/gpt-5-2-non-reasoning) | 17,0 (estimé) | hors classement | 66,3 jetons/s | 0,86 s | 1,75 $ / 14 $ |

Médianes de leurs mesures : vitesse en jetons produits par seconde, délai avant le premier jeton en secondes. Prix en dollars par million de jetons, en entrée puis en sortie. Rang parmi les 193 modèles que leur indice classe ; un indice qu'ils estiment reste hors de ce classement. Relevé le 1er octobre 2026 sur leur site, reproduit avec leur accord.

Source : Artificial Analysis, https://artificialanalysis.ai/models/gpt-5-2

## Exécution locale

Non. GPT-5.2 est un modèle fermé : il s'utilise en ligne, par l'application de son éditeur ou par API.

## Fiche technique

- Prix : 1,52 € / 12,1 € (entrée / sortie, par million de jetons)
- Fenêtre de contexte : 400 000 jetons (environ 300 000 mots)
- Entrées : Texte, image
- Réflexion : Sans, faible, moyenne, élevée, très élevée (cinq niveaux réglables)
- Paramètres : Non communiqué
- Licence : Propriétaire (poids fermés, accès par l'éditeur)
- Classe énergétique : E (sur une échelle de A à G)
- Hébergement en Europe : Possible
- Connaissances jusqu'à : Août 2025

## Où le trouver

- Par API : [OpenRouter](https://openrouter.ai/openai/gpt-5.2)
- Par API : [API OpenAI](https://platform.openai.com/docs)
- L'essayer : [ChatGPT](https://chatgpt.com)

## Dans les outils de code

- Disponible dans : [Cursor](https://quelleia.com/outils/#cursor) (inclus), [Devin Desktop (ex-Windsurf)](https://quelleia.com/outils/#devin-desktop) (à l'usage), [Zed](https://quelleia.com/outils/#zed) (inclus), [OpenCode](https://quelleia.com/outils/#opencode) (à l'usage), [Droid (Factory)](https://quelleia.com/outils/#factory-droid)
- Mesuré dans : [Codex](https://quelleia.com/outils/#codex), [Droid (Factory)](https://quelleia.com/outils/#factory-droid)
- Relevé du 30 septembre 2026 sur la page publique de chaque outil. Un modèle proposé par un outil figure dans la liste que son éditeur publie. Rien n'y est mesuré.

## Mesures

| Benchmark | Tâche | Publié | Niveau suggéré | État | Source |
| --- | --- | --- | --- | --- | --- |
| OTIS Mock AIME 2024-2025 | Maths | 96,1 % | 84,3 | saturé | https://epoch.ai/benchmarks |
| OTIS Mock AIME 2024-2025 | Maths | 96,1 % | 84,3 | saturé | https://epoch.ai/benchmarks |
| EuroEval, Allociné (sentiment) | Français | 95,7 % | 65,5 | saturé | https://euroeval.com/leaderboards/Monolingual/french/ |
| OTIS Mock AIME 2024-2025 | Maths | 93,9 % | 81,1 | saturé | https://epoch.ai/benchmarks |
| GPQA Diamond | Sciences | 91,4 % | 84,8 | actif | https://epoch.ai/benchmarks |
| ARC-AGI-1 | Raisonnement | 86,2 % | 84,8 | saturé | https://epoch.ai/benchmarks |
| ARC-AGI-1 | Raisonnement | 86,2 % | 84,8 | saturé | https://arcprize.org/leaderboard |
| ARC-AGI-1 | Raisonnement | 86,2 % | 84,8 | saturé | https://arcprize.org/leaderboard |
| DTBench | Raisonnement | 90,9 % | 86,6 | saturé | https://conceptualreasoning.ai/dtbench |
| GPQA Diamond | Sciences | 88,2 % | 80,5 | actif | https://epoch.ai/benchmarks |
| GPQA Diamond | Sciences | 87,9 % | 80,1 | actif | https://epoch.ai/benchmarks |
| OTIS Mock AIME 2024-2025 | Maths | 78,9 % | 71,4 | saturé | https://epoch.ai/benchmarks |
| ARC-AGI-1 | Raisonnement | 78,7 % | 81,7 | saturé | https://arcprize.org/leaderboard |
| GPQA Diamond | Sciences | 82,7 % | 75,0 | actif | https://epoch.ai/benchmarks |
| VPCT (Visual Physics Comprehension Test) | Vision | 84 % | 86,1 | archivé | https://epoch.ai/benchmarks |
| METR Time Horizons (taux de réussite) | Agents | 75,3 % | 86,9 | actif | https://epoch.ai/benchmarks |
| SWE-bench Verified | Code | 73,8 % | 81,5 | actif | https://epoch.ai/benchmarks |
| ARC-AGI-1 | Raisonnement | 72,7 % | 79,7 | saturé | https://epoch.ai/benchmarks |
| WeirdML (v2) | Code | 72,2 % | 90,7 | actif | https://htihle.github.io/weirdml.html |
| EuroEval, HellaSwag (bon sens) | Français | 71,5 % | 68,1 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| FrontierMath, paliers 1 à 3 (version 2025) | Maths | 40,7 % | 85,7 | actif | https://epoch.ai/benchmarks |
| FrontierMath, paliers 1 à 3 (version 2025) | Maths | 40,3 % | 85,6 | actif | https://epoch.ai/benchmarks |
| EuroEval, FQuAD (compréhension) | Français | 70,2 % | 71,5 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, ScaLA (grammaire) | Français | 67,5 % | 105,4 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| FrontierMath, paliers 1 à 3 (v2) | Maths | 67,4 % | 87,3 | actif | https://epoch.ai/benchmarks |
| Terminal-Bench 2.0 | Code | 64,9 % | 83,1 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| Terminal-Bench 2.0 | Code | 64,9 % | 83,0 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| FrontierMath, paliers 1 à 3 (version 2025) | Maths | 36,9 % | 83,9 | actif | https://epoch.ai/benchmarks |
| GPQA Diamond | Sciences | 73,2 % | 67,7 | actif | https://epoch.ai/benchmarks |
| EuroEval, ELTeC (noms propres) | Français | 63,9 % | 58,0 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| WeirdML (v2) | Code | 63,4 % | 83,9 | actif | https://htihle.github.io/weirdml.html |
| Terminal-Bench 2.0 | Code | 62,9 % | 82,3 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| Terminal-Bench 2.0 | Code | 62,9 % | 82,3 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| OTIS Mock AIME 2024-2025 | Maths | 62,2 % | 65,8 | saturé | https://epoch.ai/benchmarks |
| Terminal-Bench 2.0 | Code | 60,7 % | 81,6 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| EuroEval, INCLUDE (connaissances) | Français | 59,9 % | 55,4 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| compar:IA | Français | 1 087,0 Elo | 100,6 | actif | https://arene.comparia.beta.gouv.fr/ranking |
| Arena, questions en français | Français | 1 481,3 Elo | 82,8 | actif | https://arena.ai/leaderboard |
| Arena, questions d'experts | Sciences | 1 474,9 Elo | 80,5 | actif | https://arena.ai/leaderboard |
| Arena, questions de maths | Maths | 1 456,1 Elo | 81,0 | actif | https://arena.ai/leaderboard |
| Arena, questions de code | Code | 1 489,0 Elo | 79,2 | actif | https://arena.ai/leaderboard |
| ARC-AGI-1 | Raisonnement | 55,7 % | 75,3 | saturé | https://epoch.ai/benchmarks |
| Arena, questions en français | Français | 1 464,2 Elo | 79,1 | actif | https://arena.ai/leaderboard |
| Arena, questions d'experts | Sciences | 1 459,3 Elo | 77,5 | actif | https://arena.ai/leaderboard |
| Arena, texte | Usage | 1 437,3 Elo | 78,0 | actif | https://arena.ai/leaderboard |
| Arena, questions de code | Code | 1 482,0 Elo | 77,6 | actif | https://arena.ai/leaderboard |
| Arena, texte | Usage | 1 435,6 Elo | 77,7 | actif | https://arena.ai/leaderboard |
| Terminal-Bench 2.0 | Code | 54 % | 79,4 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| Arena, questions de maths | Maths | 1 431,7 Elo | 76,0 | actif | https://arena.ai/leaderboard |
| Arena, écriture créative | Écriture | 1 391,5 Elo | 74,7 | actif | https://arena.ai/leaderboard |
| ARC-AGI-2 | Raisonnement | 52,9 % | 85,6 | saturé | https://epoch.ai/benchmarks |
| ARC-AGI-2 | Raisonnement | 52,9 % | 85,6 | saturé | https://epoch.ai/benchmarks |
| ARC-AGI-2 | Raisonnement | 52,9 % | 85,6 | saturé | https://epoch.ai/benchmarks |
| Arena, vision | Vision | 1 242,8 Elo | 79,4 | actif | https://arena.ai/leaderboard |
| Arena, écriture créative | Écriture | 1 387,0 Elo | 73,7 | actif | https://arena.ai/leaderboard |
| LMCA | Raisonnement | 43,91 | 83,2 | actif | https://conceptualreasoning.ai/lmca |
| VPCT (Visual Physics Comprehension Test) | Vision | 67 % | 81,5 | archivé | https://epoch.ai/benchmarks |
| Arena, vision | Vision | 1 228,7 Elo | 76,0 | actif | https://arena.ai/leaderboard |
| GDPval | Agents | 49,7 % | 87,9 | archivé | https://epoch.ai/benchmarks |
| WeirdML (v2) | Code | 49,6 % | 74,3 | actif | https://epoch.ai/benchmarks |
| WeirdML (v2) | Code | 49,6 % | 74,3 | actif | https://epoch.ai/benchmarks |
| Vending-Bench 2 | Agents | 3 591 $ | 86,8 | actif | https://epoch.ai/benchmarks |
| FrontierMath, paliers 1 à 3 (version 2025) | Maths | 26,6 % | 79,4 | actif | https://epoch.ai/benchmarks |
| Code Arena, WebDev | Web | 1 415,5 Elo | 78,3 | actif | https://arena.ai/leaderboard |
| Chess Puzzles | Raisonnement | 49 % | 93,0 | actif | https://epoch.ai/benchmarks |
| ARC-AGI-2 | Raisonnement | 43,3 % | 83,8 | saturé | https://epoch.ai/benchmarks |
| DeepResearch Bench | Agents | 41,1 % | 60,7 | actif | https://evals.futuresearch.ai/#drb |
| SimpleQA Verified | Données | 37,1 % | 78,9 | actif | https://epoch.ai/benchmarks |
| Chess Puzzles | Raisonnement | 40 % | 89,0 | actif | https://epoch.ai/benchmarks |
| Chess Puzzles | Raisonnement | 40 % | 89,0 | actif | https://epoch.ai/benchmarks |
| EuroEval, OrangeSum (résumé) | Français | 36,8 % | 45,3 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| SimpleBench | Raisonnement | 45,8 % | 73,5 | actif | https://epoch.ai/benchmarks |
| SimpleBench | Raisonnement | 45,8 % | 73,5 | actif | https://epoch.ai/benchmarks |
| SimpleQA Verified | Données | 34,3 % | 77,0 | actif | https://epoch.ai/benchmarks |
| SimpleQA Verified | Données | 32,8 % | 75,9 | actif | https://epoch.ai/benchmarks |
| SimpleQA Verified | Données | 32,7 % | 75,8 | actif | https://epoch.ai/benchmarks |
| FrontierMath, palier 4 (v2) | Maths | 31,7 % | 87,0 | saturé | https://epoch.ai/benchmarks |
| FrontierMath, palier 4 (version 2025) | Maths | 18,8 % | 86,0 | actif | https://epoch.ai/benchmarks |
| FrontierMath, palier 4 (version 2025) | Maths | 18,8 % | 86,0 | actif | https://epoch.ai/benchmarks |
| EuroEval, MultiLoKo (connaissances locales) | Français | 30,5 % | 64,9 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| FrontierMath, palier 4 (version 2025) | Maths | 16,7 % | 85,1 | actif | https://epoch.ai/benchmarks |
| GSO | Code | 27,5 % | 85,9 | actif | https://gso-bench.github.io/index.html |
| ARC-AGI-2 | Raisonnement | 26,7 % | 80,6 | saturé | https://epoch.ai/benchmarks |
| Humanity's Last Exam | Sciences | 27,8 % | 82,9 | actif | https://epoch.ai/benchmarks |
| EBR-bench (Earthborne Rangers) | Agents | 23 % | 88,9 | actif | https://epoch.ai/benchmarks |
| ForecastBench | Raisonnement | 60,1 % | 77,4 | actif | https://epoch.ai/benchmarks |
| Chess Puzzles | Raisonnement | 23 % | 79,7 | actif | https://epoch.ai/benchmarks |
| CL-bench | Données | 18,2 % | 79,0 | actif | https://epoch.ai/benchmarks |
| CL-bench | Données | 18,1 % | 78,8 | actif | https://epoch.ai/benchmarks |
| Mystery Game Puzzles | Raisonnement | 23 % | 84,0 | actif | https://epoch.ai/benchmarks |
| ProofBench | Maths | 15 % | 81,2 | saturé | https://www.vals.ai/benchmarks/proof_bench |
| Mystery Game Puzzles | Raisonnement | 22 % | 83,4 | actif | https://epoch.ai/benchmarks |
| ARC-AGI-1 | Raisonnement | 12,3 % | 62,4 | saturé | https://arcprize.org/leaderboard |
| ARC-AGI-1 | Raisonnement | 12,3 % | 62,4 | saturé | https://epoch.ai/benchmarks |
| Furniture Assembly | Vision | 38,3 % | 90,4 | actif | https://epoch.ai/benchmarks |
| FrontierMath, palier 4 (version 2025) | Maths | 6,3 % | 78,8 | actif | https://epoch.ai/benchmarks |
| EnigmaEval | Raisonnement | 10,4 % | 79,2 | actif | https://labs.scale.com/leaderboard/enigma_eval |
| ARC-AGI-2 | Raisonnement | 9,7 % | 75,2 | saturé | https://epoch.ai/benchmarks |
| Mystery Game Puzzles | Raisonnement | 14 % | 76,6 | actif | https://epoch.ai/benchmarks |
| Remote Labor Index | Agents | 2,5 % | 83,1 | actif | https://epoch.ai/benchmarks |
| Remote Labor Index | Agents | 2,1 % | 81,8 | actif | https://epoch.ai/benchmarks |
| Mystery Game Puzzles | Raisonnement | 10 % | 65,7 | actif | https://epoch.ai/benchmarks |
| ARC-AGI-2 | Raisonnement | 0,8 % | 64,7 | saturé | https://epoch.ai/benchmarks |
| Chess Puzzles | Raisonnement | 4 % | 47,6 | actif | https://epoch.ai/benchmarks |

## En bref

**Quel est le score de GPT-5.2 ?** GPT-5.2 obtient un score IA de 84,2, avec une marge de 82,4 à 86,0, dans l'édition du 28 septembre 2026. Il est classé 42e sur 246 modèles, à partir de 44 mesures.

**Dans quelles tâches GPT-5.2 est-il le plus fort ?** Ses deux meilleures tâches sont vision (89,7) et agents (88,1). Sa tâche la plus faible est français (76,6).

**GPT-5.2 peut-il tourner en local ?** Non. GPT-5.2 est un modèle fermé : il s'utilise en ligne, par l'application de son éditeur ou par API.

**Combien coûte GPT-5.2 ?** 1,52 € par million de jetons en entrée et 12,1 € en sortie, au tarif affiché par les fournisseurs. Le coût réel d'une tâche dépend du nombre de jetons que le modèle consomme.

**Qui édite GPT-5.2 ?** GPT-5.2 est édité par OpenAI (États-Unis), et il est sorti le 11 décembre 2025. C'est un modèle fermé.

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