Le meilleur assistant IA pour scientifiques a réussi l'examen moins bien qu'un cancre à un contrôle. Seulement 21% de bonnes réponses – et c'est le plafond pour les quatre modèles les plus puissants. Les problèmes du nouveau test n'ont pas été écrits par des programmeurs, mais par des doctorants : des gens qui côtoient la vraie science au quotidien.

Le test s'appelle COMPOSITE-STEM. Il comprend 70 problèmes de physique, biologie, chimie et mathématiques. Contrairement aux exercices scolaires, il n'y a pas de réponse unique correcte – c'est le raisonnement qui est évalué. Par exemple, il ne s'agit pas seulement de calculer un nombre, mais d'expliquer pourquoi on a choisi telle méthode. La vérification se fait de deux manières : par comparaison précise des réponses et par le jugement d'un autre modèle de langage.

Le résultat est un électrochoc : même le meilleur modèle ne résout qu'un problème sur cinq. Cela signifie que l'IA est encore loin d'être un véritable assistant pour les scientifiques. Mais le test est ouvert à tous – tout développeur peut vérifier son modèle et tenter d'améliorer le score.