LMArena : Gemini en tête des modèles d’IA les plus performants en juin 2025

Un classement d’IA ne désigne pas un vainqueur définitif. Il photographie plutôt un état de la compétition à un moment donné, avec ses forces très concrètes : écrire un texte convaincant, générer une page web, résoudre un problème de programmation, interpréter une image ou retrouver une information. En juin 2025, cette photographie est dominée par Google et son modèle Gemini-2.5-pro-preview, premier du classement général de LMArena.

Le palmarès mérite toutefois une lecture attentive. La meilleure IA pour une conversation générale n’est pas automatiquement la plus pertinente pour intégrer du code dans une application, analyser un document visuel ou produire une image. C’est précisément l’intérêt des nouveaux tableaux spécialisés de LMArena : ils rendent visibles des écarts que le seul classement général pouvait masquer.

Gemini-2.5-pro-preview en tête du classement général

À la date du 24 juin 2025, Gemini-2.5-pro-preview se hisse à la première place du classement général LMArena. Le modèle de Google se distingue particulièrement dans trois domaines qui comptent beaucoup pour les utilisateurs avancés comme pour les entreprises : la programmation, les mathématiques et l’écriture créative.

OpenAI o3 le suit dans le palmarès général. Ses performances restent solides, mais l’évaluation fait apparaître une fragilité sur les demandes les plus longues. Ce point est important : la qualité d’un assistant ne repose pas seulement sur la pertinence d’une réponse isolée. Dans une utilisation réelle, il faut aussi pouvoir maintenir un raisonnement, suivre des consignes détaillées et rester cohérent au fil d’un échange étendu.

La progression d’Anthropic est également visible. Claude-Opus-4 atteint la sixième place du classement général, signe d’une amélioration sensible par rapport aux performances antérieures rapportées par LMArena.

Le classement est présenté comme un palmarès des 20 modèles les plus performants. Les éléments disponibles pour cette réécriture permettent d’établir avec précision les positions et les leaders ci-dessus, ainsi que les rapports de force par catégorie, sans attribuer artificiellement un rang chiffré aux autres modèles.

Comment LMArena compare-t-elle les modèles d’IA ?

LMArena est une plateforme open source d’évaluation. Son principe est volontairement simple : face à une même consigne, des utilisateurs comparent anonymement les réponses de deux modèles et choisissent celle qu’ils jugent la meilleure. L’identité des systèmes est masquée durant le duel afin de limiter l’influence de la réputation d’une marque ou d’un laboratoire.

Ces préférences alimentent ensuite un score Elo. Hérité des compétitions d’échecs, ce système ajuste la note d’un participant selon le résultat de ses confrontations. Battre régulièrement des adversaires bien classés améliore davantage un score que gagner contre des systèmes moins bien placés. Dans le cas de LMArena, l’objectif est de produire un classement dynamique, nourri par de nombreux duels plutôt que par une seule série de questions figées.

Cette méthode mesure donc une préférence humaine dans des conditions d’usage. Elle ne prétend pas, à elle seule, établir une vérité mathématique sur l’intelligence d’un modèle. Une réponse peut sembler plus fluide, plus claire ou plus utile, sans être nécessairement la plus exacte dans tous les domaines. À l’inverse, un modèle prudent peut être pénalisé s’il répond de manière plus réservée qu’un concurrent.

Six classements pour départager texte, code, vision et recherche

L’évolution majeure de LMArena tient à la multiplication des tableaux. Le classement général reste une porte d’entrée, mais les six catégories permettent d’identifier les modèles adaptés à une tâche précise. Cette segmentation est particulièrement utile alors que les assistants deviennent multimodaux, c’est-à-dire capables de traiter plusieurs types de contenus, comme du texte et des images.

Le changement de nom et l’élargissement de la plateforme à plusieurs tableaux répondent à une limite évidente des palmarès uniques. Une IA peut être remarquable dans un échange conversationnel, mais moins convaincante lorsqu’il s’agit de déboguer un programme ou de raisonner à partir d’une photographie. La spécialisation des classements rend ces écarts plus lisibles.

Texte et développement web : Google résiste à la pression

Dans la catégorie consacrée au texte, Gemini et ChatGPT se disputent la première place avec des performances presque superposées. L’évaluation porte notamment sur la rédaction et la reformulation, deux usages devenus courants pour préparer un courriel, résumer un document, changer le ton d’un texte ou structurer une note.

Cette proximité rappelle que la réponse à la question « quelle est la meilleure IA pour écrire ? » dépend du besoin. Les écarts peuvent être minimes pour une demande simple, puis devenir plus visibles lorsqu’il faut respecter un long cahier des charges, conserver des informations dans le contexte ou produire un contenu très structuré.

En développement web, Gemini maintient sa domination. La catégorie ne se limite pas à écrire quelques lignes de code. Elle couvre aussi la correction d’erreurs, l’explication d’un programme et la capacité à transformer une demande en éléments utilisables pour une interface ou un site. DeepSeek et plusieurs modèles de la famille Claude figurent également parmi les concurrents remarqués.

Il faut distinguer ce classement de celui des assistants de code au sens large. Le développement web fait intervenir des problématiques propres aux pages et aux interfaces. L’assistance au code peut couvrir des demandes plus diverses : comprendre une base de code, proposer une fonction, corriger un bug ou expliquer une erreur de compilation.

Assistants de code : un paysage plus ouvert

La catégorie des assistants de code se démarque par la diversité de ses acteurs. DeepSeek, Claude et Mistral y rivalisent, sans qu’une seule entreprise s’impose comme dominante. Pour les développeurs, cette concurrence a une conséquence pratique : le choix peut reposer sur des critères qui ne sont pas seulement la qualité brute d’une réponse.

Parmi les critères à examiner figurent notamment :

• la capacité à respecter les contraintes d’un projet existant ;
• la qualité des explications et des commentaires ;
• la faculté à corriger un code plutôt qu’à en produire un nouveau ;
• la cohérence des réponses sur des demandes successives ;
• les conditions d’intégration du modèle dans les outils de travail.

Un modèle peut produire un exemple de code impressionnant lors d’une démonstration, tout en s’avérant moins fiable lorsqu’il doit intervenir dans un projet réel. Les résultats de LMArena constituent donc un indicateur précieux, mais ils ne dispensent pas de vérifier le code généré, de le tester et de contrôler les questions de sécurité.

Vision et génération d’images : Google et OpenAI dominent, mais pas partout de la même façon

L’analyse d’images est le domaine où le rapport de force paraît le plus net. Dans le top 10 de juin 2025, Google et OpenAI occupent toutes les places. Ce résultat souligne leur avance dans les systèmes capables de comprendre un contenu visuel, par exemple décrire une image, répondre à des questions sur sa composition ou en extraire des informations pertinentes.

Cette domination révèle aussi pourquoi les tableaux spécialisés sont nécessaires. Dans les précédentes évaluations centrées sur le dialogue, la diversité des performances multimodales apparaissait moins clairement. Or la vision par ordinateur s’inscrit désormais dans de nombreux usages : lecture de documents, assistance, analyse de supports pédagogiques ou traitement de contenus visuels.

La génération d’images offre une hiérarchie différente. GPT-Image-1, le modèle d’OpenAI, réalise une percée significative et dépasse largement les modèles de Google dans cette catégorie. Mais le marché ne se résume pas à un face-à-face entre deux groupes. Ideogram, Recraft et Stable Diffusion se distinguent également dans la création de visuels de qualité.

Il est essentiel de ne pas confondre analyse et génération. Un modèle peut exceller à comprendre une image fournie par l’utilisateur sans être le meilleur pour créer un visuel à partir d’une instruction, et réciproquement. Les deux capacités reposent sur des technologies voisines, mais répondent à des usages différents.

Recherche en ligne : l’avantage de Gemini-2.5-grounding

La recherche en ligne constitue une catégorie à part entière. Gemini-2.5-grounding y prend la première place grâce à sa capacité à simuler la recherche d’informations pertinentes. Perplexity, avec son moteur Sonar, émerge aussi comme un concurrent important dans ce segment.

Cette catégorie répond à une attente spécifique : ne pas seulement rédiger une réponse à partir des connaissances intégrées au modèle, mais orienter l’utilisateur dans la recherche d’informations. Dans la pratique, il faut rester attentif à un point fondamental : une réponse appuyée sur une recherche n’est utile que si les informations peuvent être vérifiées, replacées dans leur contexte et distinguées d’une interprétation générée par l’IA.

OpenAI apparaît dans une position moins favorable dans ce tableau, ses versions API de GPT-4o étant reléguées à des places inférieures. Cela ne signifie pas que ces modèles sont inefficaces dans tous les usages, mais que, selon les préférences mesurées ici pour la recherche en ligne, d’autres solutions convainquent davantage les votants.

Ce qu’il faut surveiller après ce classement

Le palmarès de juin 2025 confirme d’abord que la course ne se joue plus sur un seul terrain. Google s’impose au classement général avec Gemini-2.5-pro-preview, domine le développement web et la recherche en ligne, tout en partageant avec OpenAI l’essentiel du leadership en analyse d’images. OpenAI conserve une position très compétitive, notamment avec o3 dans le général et GPT-Image-1 pour la génération visuelle. Anthropic progresse avec Claude-Opus-4, tandis que DeepSeek, Mistral, Perplexity et les acteurs de l’image montrent qu’aucun marché n’est complètement verrouillé.

Il faut aussi surveiller l’évolution des modèles eux-mêmes. La mention « preview » dans le nom de Gemini-2.5-pro-preview rappelle qu’un système peut encore évoluer. À mesure que les versions changent, les résultats d’un classement dynamique peuvent bouger rapidement. Un lecteur ou une entreprise a donc intérêt à regarder la date du palmarès, la catégorie évaluée et le type de tâches qui a conduit au score.

Enfin, le principal enseignement de LMArena est méthodologique : il n’existe pas de meilleure IA dans l’absolu. Il existe des modèles plus ou moins convaincants pour une situation donnée, évalués selon un protocole donné et à une date donnée. La multiplication des classements spécialisés est une avancée utile pour transformer une compétition technologique très mouvante en information exploitable.