Rôle
METR évalue les capacités des modèles d’IA publics utiles à l’accélération de la recherche en IA. Sa mesure phare, l’horizon temporel, est la durée qu’il faudrait à un humain pour une tâche que le modèle réussit une fois sur deux (METR).
Points clés
- Mise à jour du 20 novembre 2026 : modèles évalués jusqu’à Opus 5.5 et GPT-6 Astra ; horizon temporel doublant environ tous les 3,6 mois sur les jeux TH1.1 et TH2 ; modèles au niveau ou au-dessus d’humains qualifiés en code et optimisation, mais jugement inférieur aux experts sur les tâches sans retour clair (METR).
- Évaluations conçues par l’IA : aucune jugée utilisable par les chercheurs de METR ; Opus 5.5 frôle le seuil requis (MIT Technology Review).
Limites
Durées des nouvelles tâches surtout estimées ; certaines tâches notées par une seule personne (MIT Technology Review).
Voir aussi
- Fiche wiki
anthropic.
Billets Neurone21
- METR : la durée des tâches réussies par l’IA double tous les 3,6 mois, mais le jugement reste en retard (21 novembre 2026)