# GPT-5

> Fiche du modèle de langage GPT-5 sur Quelle IA, édition du 28 septembre 2026. GPT-5 (OpenAI) : score IA de 79,8, 59e sur 246. Scores par tâche, prix, exécution locale et liens pour le télécharger ou l'essayer.

Page : https://quelleia.com/modeles/gpt-5/
Origine : OpenAI · États-Unis · sorti le 7 août 2025

## Score général

- Score IA : 79,8 (marge à 90 % : de 77,9 à 81,6)
- Rang : 59 (Groupe 7, ex æquo)
- Couverture : 100 % du poids des tâches, 42 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 | 79,0 | Rang 46 · 100 % |
| Code | 78,2 | Rang 42 · 46 % |
| Agents | 78,5 | Rang 17 · 56 % |
| Usage | 78,7 | Rang 72 · 100 % |
| Maths | 82,6 | Rang 40 · 88 % |
| Sciences | 80,6 | Rang 40 · 80 % |
| Français | 74,8 | Rang 48 · 81 % |
| Vision | 77,7 | Provisoire · 33 % |
| Écriture | 77,2 | Rang 80 · 100 % |
| Web | 78,5 | Rang 64 · 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 (High)](https://artificialanalysis.ai/models/gpt-5) | 23,0 (estimé) | hors classement | 74,6 jetons/s | 76,3 s | 1,25 $ / 10 $ |
| [GPT-5 (Medium)](https://artificialanalysis.ai/models/gpt-5-medium) | 22,9 (estimé) | hors classement | 73,7 jetons/s | 39,6 s | 1,25 $ / 10 $ |
| [GPT-5 (Low)](https://artificialanalysis.ai/models/gpt-5-low) | 20,8 (estimé) | hors classement | 69,6 jetons/s | 9,27 s | 1,25 $ / 10 $ |
| [GPT-5 (Minimal)](https://artificialanalysis.ai/models/gpt-5-minimal) | 11,5 (estimé) | hors classement | 63,2 jetons/s | 1,32 s | 1,25 $ / 10 $ |
| [GPT-5 (ChatGPT)](https://artificialanalysis.ai/models/gpt-5-chatgpt) | 10,4 (estimé) | hors classement | non publié | non publié | non publié |

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

## Exécution locale

Non. GPT-5 est un modèle fermé : il s'utilise en ligne, par l'application de son éditeur ou par API.

## Fiche technique

- Prix : 1,08 € / 8,67 € (entrée / sortie, par million de jetons)
- Fenêtre de contexte : 400 000 jetons (environ 300 000 mots)
- Entrées : Texte, image
- Réflexion : Minimale, faible, moyenne, élevée (quatre 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 : Septembre 2024

## Où le trouver

- Par API : [OpenRouter](https://openrouter.ai/openai/gpt-5)
- 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), [OpenCode](https://quelleia.com/outils/#opencode) (à l'usage)
- Mesuré dans : [Codex](https://quelleia.com/outils/#codex)
- 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 |
| --- | --- | --- | --- | --- | --- |
| MATH Level 5 | Maths | 98,1 % | 80,6 | archivé | https://epoch.ai/benchmarks |
| MATH Level 5 | Maths | 97,9 % | 79,7 | archivé | https://epoch.ai/benchmarks |
| EuroEval, Allociné (sentiment) | Français | 97,3 % | 89,2 | saturé | https://euroeval.com/leaderboards/Monolingual/french/ |
| Fiction.LiveBench | Données | 97,2 % | 100,9 | archivé | https://epoch.ai/benchmarks |
| EuroEval, Allociné (sentiment) | Français | 97,1 % | 85,1 | saturé | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, Allociné (sentiment) | Français | 97,1 % | 85,1 | saturé | https://euroeval.com/leaderboards/Monolingual/french/ |
| OTIS Mock AIME 2024-2025 | Maths | 91,4 % | 78,5 | saturé | https://epoch.ai/benchmarks |
| Aider Polyglot | Code | 88 % | 81,1 | archivé | https://aider.chat/docs/leaderboards/ |
| OTIS Mock AIME 2024-2025 | Maths | 87,2 % | 75,5 | saturé | https://epoch.ai/benchmarks |
| Aider Polyglot | Code | 86,7 % | 80,1 | archivé | https://aider.chat/docs/leaderboards/ |
| Lech Mazur Writing | Écriture | 8,6 | 87,6 | archivé | https://epoch.ai/benchmarks |
| DTBench | Raisonnement | 90,7 % | 86,1 | saturé | https://conceptualreasoning.ai/dtbench |
| GPQA Diamond | Sciences | 86,2 % | 78,3 | actif | https://epoch.ai/benchmarks |
| Aider Polyglot | Code | 81,3 % | 76,8 | archivé | https://aider.chat/docs/leaderboards/ |
| GeoBench | Vision | 81 % | 93,6 | archivé | https://epoch.ai/benchmarks |
| GPQA Diamond | Sciences | 85,4 % | 77,4 | actif | https://epoch.ai/benchmarks |
| EuroEval, HellaSwag (bon sens) | Français | 76,4 % | 76,5 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, HellaSwag (bon sens) | Français | 75 % | 74,0 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| SWE-bench Verified | Code | 73,6 % | 81,3 | actif | https://epoch.ai/benchmarks |
| EuroEval, HellaSwag (bon sens) | Français | 73,3 % | 71,1 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| SWE-bench Verified | Code | 71,5 % | 79,4 | actif | https://epoch.ai/benchmarks |
| EuroEval, ELTeC (noms propres) | Français | 71 % | 83,3 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, ELTeC (noms propres) | Français | 70,5 % | 81,2 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| METR Time Horizons (taux de réussite) | Agents | 69,6 % | 80,5 | actif | https://epoch.ai/benchmarks |
| METR Time Horizons (taux de réussite) | Agents | 69,4 % | 80,3 | actif | https://epoch.ai/benchmarks |
| EuroEval, FQuAD (compréhension) | Français | 66,3 % | 49,7 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| ARC-AGI-1 | Raisonnement | 65,7 % | 77,8 | saturé | https://arcprize.org/leaderboard |
| EuroEval, FQuAD (compréhension) | Français | 64 % | 37,3 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, FQuAD (compréhension) | Français | 63,1 % | 32,6 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, ELTeC (noms propres) | Français | 62,9 % | 54,5 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| GPQA Diamond | Sciences | 71,7 % | 66,7 | actif | https://epoch.ai/benchmarks |
| WeirdML (v2) | Code | 60,7 % | 81,9 | actif | https://htihle.github.io/weirdml.html |
| FrontierMath, paliers 1 à 3 (version 2025) | Maths | 32,4 % | 81,9 | actif | https://epoch.ai/benchmarks |
| ARC-AGI-1 | Raisonnement | 56,2 % | 75,4 | saturé | https://arcprize.org/leaderboard |
| FrontierMath, paliers 1 à 3 (v2) | Maths | 55,4 % | 83,4 | actif | https://epoch.ai/benchmarks |
| Arena, questions d'experts | Sciences | 1 459,5 Elo | 77,6 | actif | https://arena.ai/leaderboard |
| Arena, texte | Usage | 1 434,4 Elo | 77,4 | actif | https://arena.ai/leaderboard |
| Arena, questions de maths | Maths | 1 434,0 Elo | 76,4 | actif | https://arena.ai/leaderboard |
| Arena, texte | Usage | 1 426,8 Elo | 75,6 | actif | https://arena.ai/leaderboard |
| Arena, questions de code | Code | 1 470,2 Elo | 75,0 | actif | https://arena.ai/leaderboard |
| Arena, questions d'experts | Sciences | 1 443,7 Elo | 74,6 | actif | https://arena.ai/leaderboard |
| Arena, écriture créative | Écriture | 1 389,8 Elo | 74,3 | actif | https://arena.ai/leaderboard |
| Arena, questions en français | Français | 1 444,8 Elo | 74,9 | actif | https://arena.ai/leaderboard |
| Arena, questions de code | Code | 1 462,1 Elo | 73,3 | actif | https://arena.ai/leaderboard |
| Arena, questions en français | Français | 1 440,0 Elo | 73,9 | actif | https://arena.ai/leaderboard |
| Arena, questions de maths | Maths | 1 408,9 Elo | 71,3 | actif | https://arena.ai/leaderboard |
| compar:IA | Français | 1 030,0 Elo | 75,7 | actif | https://arene.comparia.beta.gouv.fr/ranking |
| Arena, écriture créative | Écriture | 1 372,5 Elo | 70,4 | actif | https://arena.ai/leaderboard |
| SimpleQA Verified | Données | 50,1 % | 87,5 | actif | https://epoch.ai/benchmarks |
| Arena, vision | Vision | 1 225,5 Elo | 75,3 | actif | https://arena.ai/leaderboard |
| Terminal-Bench 2.0 | Code | 49,6 % | 78,0 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| DeepResearch Bench | Agents | 49,6 % | 91,2 | actif | https://evals.futuresearch.ai/#drb |
| Terminal-Bench 2.0 | Code | 49,6 % | 78,0 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| VPCT (Visual Physics Comprehension Test) | Vision | 66 % | 81,2 | archivé | https://epoch.ai/benchmarks |
| DeepResearch Bench | Agents | 48,9 % | 88,7 | actif | https://evals.futuresearch.ai/#drb |
| DeepResearch Bench | Agents | 48,6 % | 87,6 | actif | https://evals.futuresearch.ai/#drb |
| DeepResearch Bench | Agents | 48,1 % | 85,9 | actif | https://evals.futuresearch.ai/#drb |
| SimpleBench | Raisonnement | 56,7 % | 81,1 | actif | https://lmcouncil.ai/benchmarks |
| FrontierMath, paliers 1 à 3 (version 2025) | Maths | 27,2 % | 79,7 | actif | https://epoch.ai/benchmarks |
| Arena, vision | Vision | 1 210,0 Elo | 71,7 | actif | https://arena.ai/leaderboard |
| LMCA | Raisonnement | 39,99 | 80,1 | actif | https://conceptualreasoning.ai/lmca |
| Code Arena, WebDev | Web | 1 417,1 Elo | 78,4 | actif | https://arena.ai/leaderboard |
| OTIS Mock AIME 2024-2025 | Maths | 46,7 % | 61,4 | saturé | https://epoch.ai/benchmarks |
| VPCT (Visual Physics Comprehension Test) | Vision | 63,2 % | 80,5 | archivé | https://epoch.ai/benchmarks |
| ARC-AGI-1 | Raisonnement | 44 % | 72,6 | saturé | https://epoch.ai/benchmarks |
| Terminal-Bench 2.0 | Code | 43,8 % | 76,1 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| Terminal-Bench 2.0 | Code | 43,8 % | 76,1 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| SciCode | Code | 42,9 % | 74,9 | actif | https://artificialanalysis.ai/evaluations/scicode |
| EuroEval, ScaLA (grammaire) | Français | 42,5 % | 50,9 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| WeirdML (v2) | Code | 39,8 % | 67,6 | actif | https://htihle.github.io/weirdml.html |
| FrontierMath, paliers 1 à 3 (v2) | Maths | 37,2 % | 77,8 | actif | https://epoch.ai/benchmarks |
| EuroEval, ScaLA (grammaire) | Français | 36,7 % | 38,1 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| Terminal-Bench 2.0 | Code | 35,2 % | 73,2 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| Terminal-Bench 2.0 | Code | 35,2 % | 73,2 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| GDPval | Agents | 34,8 % | 77,5 | archivé | https://epoch.ai/benchmarks |
| Terminal-Bench 2.0 | Code | 33,9 % | 72,7 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| Terminal-Bench 2.0 | Code | 33,9 % | 72,7 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| Chess Puzzles | Raisonnement | 37 % | 87,6 | actif | https://epoch.ai/benchmarks |
| EuroEval, ScaLA (grammaire) | Français | 33,5 % | 30,8 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| BALROG | Agents | 32,8 % | 65,8 | actif | https://balrogai.com/ |
| Chess Puzzles | Raisonnement | 29 % | 83,5 | actif | https://epoch.ai/benchmarks |
| ForecastBench | Raisonnement | 61,4 % | 90,4 | actif | https://epoch.ai/benchmarks |
| FrontierMath, palier 4 (v2) | Maths | 22 % | 84,8 | saturé | https://epoch.ai/benchmarks |
| Humanity's Last Exam | Sciences | 25,3 % | 81,2 | actif | https://epoch.ai/benchmarks |
| Humanity's Last Exam | Sciences | 25,3 % | 81,2 | actif | https://epoch.ai/benchmarks |
| FrontierMath, palier 4 (version 2025) | Maths | 12,5 % | 83,1 | actif | https://epoch.ai/benchmarks |
| Chess Puzzles | Raisonnement | 24 % | 80,4 | actif | https://epoch.ai/benchmarks |
| FrontierMath, paliers 1 à 3 (v2) | Maths | 18,2 % | 70,3 | actif | https://epoch.ai/benchmarks |
| ProofBench | Maths | 18 % | 82,0 | saturé | https://www.vals.ai/benchmarks/proof_bench |
| Mystery Game Puzzles | Raisonnement | 23 % | 84,0 | actif | https://epoch.ai/benchmarks |
| EBR-bench (Earthborne Rangers) | Agents | 12,7 % | 85,1 | actif | https://epoch.ai/benchmarks |
| CritPt | Sciences | 12,6 % | 85,5 | actif | https://epoch.ai/benchmarks |
| Chess Puzzles | Raisonnement | 16 % | 73,8 | actif | https://epoch.ai/benchmarks |
| EnigmaEval | Raisonnement | 10,5 % | 79,3 | actif | https://labs.scale.com/leaderboard/enigma_eval |
| FrontierMath, palier 4 (version 2025) | Maths | 6,3 % | 78,8 | actif | https://epoch.ai/benchmarks |
| ARC-AGI-2 | Raisonnement | 9,9 % | 75,3 | saturé | https://epoch.ai/benchmarks |
| ARC-AGI-2 | Raisonnement | 7,5 % | 73,9 | saturé | https://epoch.ai/benchmarks |
| Mystery Game Puzzles | Raisonnement | 16 % | 78,9 | actif | https://epoch.ai/benchmarks |
| GSO | Code | 6,9 % | 74,3 | actif | https://gso-bench.github.io/index.html |
| Mystery Game Puzzles | Raisonnement | 15 % | 77,8 | actif | https://epoch.ai/benchmarks |
| ARC-AGI-1 | Raisonnement | 6 % | 57,8 | saturé | https://epoch.ai/benchmarks |
| Mystery Game Puzzles | Raisonnement | 14 % | 76,6 | actif | https://epoch.ai/benchmarks |
| ARC-AGI-2 | Raisonnement | 1,9 % | 67,7 | saturé | https://epoch.ai/benchmarks |
| ARC-AGI-2 | Raisonnement | 1,9 % | 67,7 | saturé | https://epoch.ai/benchmarks |
| Remote Labor Index | Agents | 1,7 % | 80,3 | actif | https://epoch.ai/benchmarks |
| ARC-AGI-2 | Raisonnement | 0 % | 64,7 | saturé | https://epoch.ai/benchmarks |
| CritPt | Sciences | 0 % | 61,2 | actif | https://epoch.ai/benchmarks |

## En bref

**Quel est le score de GPT-5 ?** GPT-5 obtient un score IA de 79,8, avec une marge de 77,9 à 81,6, dans l'édition du 28 septembre 2026. Il est classé 59e sur 246 modèles, à partir de 42 mesures.

**Dans quelles tâches GPT-5 est-il le plus fort ?** Ses deux meilleures tâches sont maths (82,6) et sciences (80,6). Sa tâche la plus faible est français (74,8).

**GPT-5 peut-il tourner en local ?** Non. GPT-5 est un modèle fermé : il s'utilise en ligne, par l'application de son éditeur ou par API.

**Combien coûte GPT-5 ?** 1,08 € par million de jetons en entrée et 8,67 € 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 ?** GPT-5 est édité par OpenAI (États-Unis), et il est sorti le 7 août 2025. C'est un modèle fermé.

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