Classement de l'arène mathématique IA 2026

Le classement mathématique

Les mathématiques restent la référence la plus honnête en IA. Vous ne pouvez pas user de charme pour résoudre une équation différentielle ou halluciner une preuve correcte. Une réponse est juste ou elle ne l'est pas. Cette clarté binaire est ce qui fait de la Math Arena la référence en laquelle j'ai le plus confiance pour évaluer si un modèle peut vraiment raisonner. Voici les 60 modèles classés en février 2026.

Google prend la couronne

J'ai observé l'évolution de l'IA mathématique de Google pendant trois ans, et ce qu'ils ont réalisé ce mois-ci est tout simplement remarquable. Gemini 3 Pro n'a pas seulement décroché l'Or. Il est arrivé avec une longueur d'avance sur le peloton. Mais le vrai coup de force ? Gemini 3 Flash assis juste derrière à la place d'Argent. Google détient désormais simultanément l'Or et l'Argent dans l'arène mathématique. Cela n'était jamais arrivé auparavant.

Ce qui rend cela significatif va au-delà des classements. C'est la stratégie d'architecture. Gemini 3 Pro est le poids lourd, conçu pour une profondeur de raisonnement maximale, le genre de modèle que vous dirigez vers des preuves de niveau recherche et des dérivations en plusieurs étapes. Gemini 3 Flash est optimisé pour la vitesse et le coût. Le fait qu'un modèle optimisé pour la vitesse puisse rivaliser au niveau Argent nous indique que Google a résolu quelque chose de fondamental sur la façon de rendre le raisonnement mathématique plus rapide sans sacrifier la précision. La variante à pensée minimale (thinking-minimal) au n°8 offre un autre compromis prix-performance, et les anciens chevaux de trait comme Gemini 2.5 Pro au n°12 et Gemini 2.5 Flash au n°46 continuent de servir de manière fiable.

Ma prédiction : Google conservera cette avance au moins jusqu'à la mi-2026. Leur approche consistant à intégrer le raisonnement mathématique comme une capacité fondamentale dans toute la gamme de produits, plutôt que de le concentrer dans un seul produit phare, porte des dividendes composés. Si vous construisez quelque chose qui nécessite un calcul mathématique fiable, de la modélisation financière à la simulation scientifique, Gemini devrait être votre premier appel dès maintenant.

La surprise Moonshot

Voici l'histoire que personne n'écrivait il y a trois mois. Kimi K2.5 Thinking de Moonshot a atterri au n°3, à égalité de points avec Gemini 3 Flash pour la position Argent. Laissez cela s'enregistrer. Un modèle d'une startup fondée en 2023 est mathématiquement au niveau de la deuxième meilleure offre de Google.

J'ai testé Kimi K2.5 Thinking de manière extensive, et ce qui me frappe, c'est son approche du raisonnement étendu. Là où d'autres modèles de pensée produisent parfois des chaînes de pensée verbeuses qui tournent autour d'un problème avant d'atterrir, le raisonnement de Kimi semble presque déconcertant de franchise. Il identifie rapidement la structure mathématique centrale, puis construit vers la solution avec un minimum de détours. Pour les problèmes de type compétition où vous avez besoin à la fois de précision et d'une chaîne logique claire, cette franchise est un véritable avantage.

Moonshot place trois modèles dans le top 60 : Kimi K2.5 Thinking au n°3, Kimi K2 Thinking Turbo au n°16, et Kimi K2 au n°39. Trois niveaux, une philosophie d'architecture. Ce type de présence à plusieurs niveaux d'une startup est sans précédent. Le message est clair : l'ère où seules les entreprises de mille milliards de dollars pouvaient construire une IA mathématique de classe mondiale est révolue. L'investissement de recherche ciblé dans l'architecture de raisonnement peut rivaliser avec des budgets de calcul massifs. Attendez-vous à ce que davantage de laboratoires suivent ce manuel tout au long de 2026.

OpenAI après le trône

Soyons directs. GPT-5.2 High, qui détenait l'Or depuis ses débuts, se trouve maintenant au n°4, à égalité avec Claude Opus 4.5. La couronne a été prise. Mais avant que quiconque n'écrive la nécrologie, regardez l'image complète.

OpenAI place toujours douze modèles dans le top 60, plus que toute autre organisation. Ce n'est pas une entreprise en crise. C'est une entreprise avec une telle profondeur d'écosystème que même perdre la première place la laisse dominer les niveaux moyens et supérieurs. GPT-5.1 High occupe la 6e place. Le modèle de raisonnement o3 au n°11 reste mon choix pour les problèmes de niveau compétition qui exigent un calcul profond en plusieurs étapes. GPT-5 High au n°17, le GPT-5.2 standard au n°18 et o4-mini au n°36 offrent aux constructeurs des options à chaque niveau de prix et exigence de latence.

Pour l'avenir, je crois que la réponse d'OpenAI viendra vite. L'écart entre GPT-5.2 High et Gemini 3 Pro n'est pas insurmontable, et le modèle d'OpenAI a toujours été d'itérer agressivement après avoir perdu du terrain. Je ne serais pas surpris de voir un GPT-5.3 ou une mise à jour significative du raisonnement avant l'été. L'histoire plus profonde ici n'est pas une chute. C'est que le sommet de l'arène mathématique est maintenant si férocement compétitif que conserver la première place exige une innovation continue, pas une seule sortie forte.

La révolution des modèles de pensée

Scannez le top 10 de ce classement et comptez combien de noms de modèles incluent le mot « thinking » (pensée). La réponse est révélatrice : Kimi K2.5 Thinking au n°3, Claude Opus 4.5 Thinking au n°7, Gemini 3 Flash thinking-minimal au n°8, Claude Sonnet 4.5 Thinking au n°10. Étendez au top 20 et ils sont partout. C'est le plus grand changement structurel de l'IA mathématique au cours de la dernière année.

Ces modèles allouent du calcul supplémentaire au moment de l'inférence pour travailler sur les problèmes étape par étape avant de s'engager sur une réponse. C'est l'équivalent IA d'un mathématicien prenant une feuille de brouillon avant d'écrire la preuve finale. Les résultats sont sans ambiguïté : les variantes de pensée surpassent systématiquement leurs homologues standard dans les tâches mathématiques.

L'implémentation d'Anthropic raconte cette histoire particulièrement bien. Claude Opus 4.5 Thinking-32k au n°7 surpasse l'Opus 4.5 standard au n°5 lorsqu'on lui donne de l'espace pour raisonner. Claude Sonnet 4.5 Thinking au n°10 frappe bien au-dessus de sa catégorie de poids, entrant dans le top 10 bien qu'il soit un modèle de milieu de gamme par conception. Anthropic place huit modèles au total dans le top 60, et leur marque de fabrique reste la clarté pédagogique. Quand j'ai besoin d'un modèle qui ne se contente pas de résoudre un problème mais explique pourquoi la solution fonctionne d'une manière qu'un étudiant pourrait véritablement apprendre, Claude est toujours inégalé.

La conclusion pratique est simple : si la précision compte plus que la latence, choisissez toujours la variante de pensée. L'amélioration mathématique est cohérente et réelle. Pour les applications de production où le temps de réponse est critique, les variantes standard restent excellentes. Mais pour la recherche, l'éducation ou tout scénario où obtenir la bonne réponse est primordial, les modèles de pensée sont le présent et l'avenir.

Le paysage mathématique mondial

Prenez du recul et la géographie de ce classement raconte sa propre histoire. Sur les 60 modèles classés, 26 proviennent d'organisations chinoises. C'est 43 % de l'ensemble du domaine. Les laboratoires américains détiennent 32 places soit 53 %, et Mistral apporte une représentation européenne avec deux modèles. La capacité mathématique de l'IA est maintenant véritablement multipolaire, et ce changement s'est accéléré plus vite que presque quiconque ne l'avait prédit.

DeepSeek se distingue avec huit modèles dans le top 60, à égalité avec Anthropic pour le deuxième plus grand nombre après OpenAI. La famille v3.2 aux positions n°25, n°26, n°28 et n°56 offre une gamme impressionnante, tandis que la série v3.1 et le DeepSeek R1 éprouvé au combat au n°49 complètent les niveaux intermédiaires. Ce qui rend DeepSeek remarquable, c'est le rapport coût-capacité. Lors de mes tests, DeepSeek V3.2 offre des performances mathématiques du top 30 à environ un cinquième de ce que facturent les modèles phares. Pour les équipes opérant à grande échelle avec des contraintes budgétaires, ce ratio est transformateur.

La famille Qwen3 d'Alibaba contribue avec sept modèles, du Qwen3 Max Preview au n°15 jusqu'aux variantes à poids ouverts que les développeurs peuvent affiner sur leur propre infrastructure. Cette stratégie de poids ouverts est importante pour les industries ayant des exigences de souveraineté des données, et c'est un jeu d'écosystème délibéré. La famille Grok de xAI place six modèles, menée par Grok 4.1 Thinking au n°13, qui continue de trouver des raccourcis élégants dans les problèmes de type preuve. La série GLM de Z.ai détient trois places, Baidu contribue avec trois variantes ERNIE, et nous voyons des entrées de Meituan et Tencent également.

La profondeur et l'étendue de la participation me disent où va l'IA mathématique : ce n'est plus une course entre deux ou trois favoris. C'est un écosystème, et l'écosystème devient plus riche de mois en mois. Aucun pays, entreprise ou tradition de recherche ne peut plus revendiquer le monopole du raisonnement mathématique. Et pour ceux d'entre nous qui construisent sur ces outils, cette compétition est la meilleure chose qui pouvait arriver.

Mon guide de terrain

Après des années à tester ces modèles sur tout, des problèmes d'olympiades aux calculs d'ingénierie du monde réel, voici la question que les constructeurs ne cessent de me poser : quel modèle devrais-je réellement utiliser ? La réponse honnête dépend entièrement de ce que vous construisez.