Les modèles d'IA échouent massivement sur des questions de niveau collégial
Une étude a testé dix-sept modèles d'intelligence artificielle majeurs sur des questions qu'un collégien pourrait résoudre, révélant des taux d'erreur importants.
Publié 10sem·1 média·Notable·maj 10sem
≈ 26s
Le fait
Les modèles ont fourni des réponses fausses avec assurance, reflétant un problème structurel de confiance mal calibrée.
Ces résultats soulèvent des questions sur la fiabilité des IA généralistes pour des tâches éducatives et critiques.
Les modèles d'IA peinent significativement sur des tâches que les élèves de collège réussissent couramment, révélant des lacunes d'apprentissage structurelles.
Le rapport Stanford AI Index 2026 révèle un paradoxe : les meilleurs modèles d'intelligence artificielle réussissent les épreuves les plus difficiles des Olympiades internationales de mathématiques.
La majorité des défaillances en intelligence artificielle proviennent de données insuffisantes ou mal structurées, pas d'une mauvaise conception algorithmique.
Une analyse démontre que les modèles de langage répondent toujours par une prédiction probabiliste plutôt que de refuser une réponse, même face à des questions sans réponse valide.