Quelle IA est la meilleure en maths ? Le vrai classement
Par Chatday Editorial Team ·
Si vous cherchez l’IA la plus forte en maths en ce moment, c’est GPT-6.1 Sol. Au début du mois, il est devenu le premier modèle à résoudre tous les problèmes du niveau le plus difficile de FrontierMath, un test composé de questions de niveau recherche, rédigées par des mathématiciens professionnels, sur lesquelles l’IA restait impuissante jusqu’à récemment. Parmi les modèles que vous pouvez réellement utiliser dans Chatday, Claude Sonnet 5.5 et Claude Opus 5 suivent.
Voilà pour le classement. Mais pour une fiche d’exercices sur les fractions, une simulation de prêt immobilier ou le partage de l’addition au restaurant, n’importe lequel des meilleurs modèles fera l’affaire. Et les erreurs qu’ils commettent encore n’ont pas grand-chose à voir avec leur intelligence.
Comment nous avons classé les modèles d’IA en maths
Nous n’avons pas inventé de test. Nous nous sommes appuyés sur le plus exigeant des tests publics : FrontierMath, géré par le groupe de recherche indépendant Epoch AI. Son niveau le plus difficile compte quelques dizaines de problèmes inédits, du niveau de la vraie recherche mathématique. Les réponses ne se trouvent pas sur Internet, donc aucun modèle n’a pu les apprendre par cœur.
Nous l’avons choisi pour trois raisons :
- Il est assez difficile pour départager les meilleurs modèles. Les tests plus simples, de niveau scolaire, ne les distinguent plus depuis un moment, car ils obtiennent tous des scores proches du maximum.
- La correction est automatique. Le modèle doit donner une réponse finale exacte, donc aucune note au feeling.
- Il est indépendant des éditeurs. En grande partie. Nous y revenons juste après.
Ensuite, nous n’avons gardé que les modèles que Chatday propose vraiment. Chaque nom ci-dessous est donc un modèle que vous pouvez ouvrir et tester dès aujourd’hui.
Le classement : quelle IA est la meilleure en maths avancées ?
Voici les résultats des modèles disponibles dans Chatday sur le niveau recherche de FrontierMath, traduits de pourcentages en quelque chose de plus parlant. Les scores proviennent du classement public, à la mi-octobre 2026.
| Modèle | Problèmes de niveau recherche résolus | Idéal pour |
|---|---|---|
| GPT-6.1 Sol | Tous | Les démonstrations, énigmes et problèmes à plusieurs étapes les plus coriaces |
| Claude Sonnet 5.5 | Environ 8 sur 10 | Des maths difficiles expliquées par étapes claires et posées |
| Claude Opus 5 | Environ 7 sur 10 | Les longs problèmes qui demandent un raisonnement soigné |
| GPT-5.5 | Environ 7 sur 10 | Un généraliste solide et familier |
| Claude Haiku 5.5 | Presque la moitié | Une aide rapide quand la vitesse compte plus que la profondeur |
| Grok 4.6 | Environ 1 sur 3 | Les questions du quotidien, pas les maths de compétition |
| Gemini 3.1 Pro | Environ 1 sur 4 | Les tâches mixtes, comme lire un graphique ou la photo d’une fiche d’exercices |
Quelques points sautent aux yeux.
GPT-6.1 Sol est le gagnant surprise. Ce n’est même pas le modèle le plus cher d’OpenAI. C’est la gamme plus abordable qu’OpenAI a lancée lors de son DevDay du 29 septembre, et elle a égalé, et même battu d’un cheveu, le modèle phare de la maison sur ce test. Nous avons détaillé ce lancement dans notre article explicatif sur GPT-6.1 Sol.
Claude est la deuxième famille solide. Sonnet 5.5, le Claude de taille intermédiaire, a même obtenu un score un peu plus élevé que le plus grand Opus 5. Ici, le plus récent bat le plus gros : un bon rappel que le nom d’un modèle ne dit rien de son rang.
Gemini et Grok décrochent sur cette tâche précise. Cela ne veut pas dire qu’ils sont mauvais. Gemini 3.1 Pro est conçu pour les tâches mixtes, comme lire la photo d’un énoncé, et Grok est rapide et bavard. Ce ne sont simplement pas ceux à qui confier une démonstration vraiment difficile.
Pourquoi un champion des maths peut quand même rater vos devoirs
C’est là que beaucoup se font piéger. Un modèle capable de venir à bout de problèmes de niveau recherche peut encore se tromper sur un calcul aussi simple que 17 % de 240 s’il va trop vite. (C’est 40,8, au passage.)
La raison tient à la façon dont ces modèles lisent. Ils ne voient pas les nombres comme une calculatrice. Ils découpent le texte en morceaux et prédisent la suite, ce qui explique aussi pourquoi certains n’arrivent pas à compter les R de « strawberry ». Les longues suites de chiffres sont justement l’endroit où ça peut déraper.
La formulation compte aussi. En 2024, des chercheurs d’Apple ont testé des modèles sur des problèmes de niveau primaire en ajoutant une phrase anodine mais hors sujet, par exemple une remarque indiquant que quelques pommes étaient plus petites que les autres. Les scores ont chuté nettement, jusqu’à 65 % pour certains modèles, parce qu’ils essayaient d’utiliser ce détail superflu. Des tests plus récents sur de nouveaux modèles ont mesuré un effet bien plus faible : l’écart s’est donc beaucoup réduit. La leçon reste valable : pour une IA, la partie la plus délicate d’un problème, c’est souvent la lecture, pas les maths.
Voici d’où viennent généralement les erreurs du quotidien :
| Ce qui coince | À quoi ça ressemble | La solution rapide |
|---|---|---|
| Calcul bâclé | Un mauvais chiffre dans une longue multiplication | Demandez-lui de refaire le calcul étape par étape |
| Question mal lue | Répond « par mois » alors que vous demandiez « par an » | Reformulez d’abord la question avec vos propres mots |
| Détails trompeurs | Utilise un nombre qui ne sert à rien | Précisez-lui quelles données comptent |
| Excès de confiance | Une réponse nette, fausse et sans le moindre doute | Demandez-lui comment il vérifierait sa réponse |
La meilleure IA en maths selon ce que vous faites vraiment
Le classement vous dit qui est le plus fort. Cette partie vous dit lequel ouvrir.
Idéal pour un élève bloqué sur ses devoirs
Choisissez Claude Sonnet 5.5. Il est parmi les meilleurs en maths avancées et a tendance à expliquer chaque étape avec des mots simples, exactement ce qu’il vous faut si le but est de comprendre plutôt que de recopier. Demandez-lui des indices avant la réponse. Nos prompts pour l’aide aux devoirs reposent justement sur cette idée.
Idéal pour les problèmes vraiment difficiles
Choisissez GPT-6.1 Sol. Énigmes d’olympiades, démonstration qui vous résiste, question de statistiques à cinq inconnues. Laissez-lui le temps de réfléchir et demandez le raisonnement complet.
Idéal pour les calculs d’argent
Budget, mensualités de prêt, partage du loyer. N’importe quel modèle de pointe convient, alors choisissez celui avec lequel vous aimez échanger. Le risque ici, c’est un seul chiffre faux : demandez toujours le détail du calcul et vérifiez vous-même que le résultat final tient la route.
Idéal pour la photo d’une fiche d’exercices
Gemini 3.1 Pro est conçu pour travailler aussi bien avec des images qu’avec du texte. Laissez-le lire et retranscrire l’énoncé, puis confiez la résolution à GPT-6.1 Sol ou à Claude si le problème est corsé.
Comment obtenir des réponses de maths fiables
Pas besoin de prompt spécial. Il vous faut trois réflexes :
- Demandez les étapes, pas seulement la réponse. « Montre ton raisonnement » oblige le modèle à ralentir, et vous donne de quoi vérifier.
- Faites-le se vérifier. Relancez avec « Remplace ta réponse dans l’énoncé de départ et vérifie-la ». C’est un moyen simple de faire ressortir une erreur.
- Demandez un deuxième avis. Un autre modèle fait d’autres erreurs : l’accord de deux modèles vaut bien plus qu’une seule réponse sûre d’elle.
C’est justement pour ce dernier réflexe qu’il est utile d’avoir plusieurs modèles au même endroit. Poser la même question à GPT-6.1 Sol puis à Claude Sonnet 5.5 ne devrait pas vous obliger à jongler entre deux applis et deux abonnements.
Comparez les deux meilleurs côte à côte
Vous voulez voir la différence sur votre propre problème ? Choisissez une question qui compte vraiment pour vous, un exercice de devoirs épineux ou un calcul sur lequel vous ne voulez pas vous tromper, et mettez les deux modèles les plus forts en maths côte à côte.