Grok 4.5, GPT-5.5, Claude : le duel d'appli qui ne prouve rien

• Le « même prompt, même appli » a des airs de test rigoureux, c'en est l'exact contraire.
• Ces duels d'IA racontent plus YouTube et son économie de l'attention que les modèles eux-mêmes.
• Le vrai gagnant de ces vidéos n'est jamais une IA, c'est le compteur de vues.

J'ai lancé la vidéo un mardi soir, entre deux cafés, persuadé d'apprendre enfin lequel des trois code le mieux.

Le 9 juillet 2026, la chaîne TrendingTech met Grok 4.5, GPT-5.5 et Claude au défi de coder la même application. Trois modèles, un seul énoncé, un chrono. Le titre promet un verdict, le format promet un vainqueur. On regarde, on rigole, et on ressort avec une seule certitude : ce match ne prouve strictement rien.

Trois IA, une appli, zéro suspense

Le principe tient sur une ligne. On prend le même énoncé, on le sert à trois assistants qui codent, et on filme. Claude dans un coin, GPT-5.5 dans l'autre, Grok 4.5 au centre. TrendingTech appelle ça un test. Moi, j'appelle ça un show. Le titre annonce un vainqueur, la vignette montre trois logos, et le compteur de vues s'emballe. On connaît la recette. Elle marche à tous les coups. Le spectateur veut savoir qui gagne, comme devant un match. Sauf qu'un match a des règles écrites, un arbitre neutre, un chrono partagé. Ici, rien de tout ça. L'énoncé est choisi par la chaîne. Le prompt est réglé par la chaîne. Le montage est signé par la chaîne. Trois fois la même main sur la balance. On nous vend un duel de modèles de langage, on regarde surtout une mise en scène. Je le dis sans mépris pour le format. C'est distrayant, bien rythmé, ça se laisse regarder un soir de fatigue. Mais confondre ça avec une mesure sérieuse, c'est prendre une dégustation à l'aveugle pour une analyse de laboratoire. La différence, c'est qu'un labo publie son protocole. Une vidéo publie sa vignette.

Un test qui ne se rejoue jamais deux fois

Le vrai problème est plus profond que le montage. Un test qui compte doit être reproductible. Vous relancez, vous retombez sur le même résultat. Ces vidéos, elles, ne se rejouent jamais deux fois pareil. Changez une phrase du prompt, et le classement se retourne. C'est la limite des benchmarks maison : ils mesurent surtout la question posée. On l'a vu quand GLM 5.2 a soi-disant battu Claude sur des tests choisis par ses propres auteurs. Le même piège revient ici. Ces modèles évoluent chaque mois. Grok 4.5 de juillet n'est pas celui d'août. Filmer un duel, c'est photographier un instant déjà périmé quand la vidéo sort. Parfois même, les petits modèles s'en tirent mieux là où le réseau lâche, un cas que ces face-à-face ignorent poliment. Il y a aussi le coût. Une appli qui tourne à la démo peut se révéler ruineuse en vrai, au point que l'IA coûte parfois plus cher que l'ingénieur qu'elle remplace. La vidéo ne montre ni la facture, ni la maintenance, ni le bug qui surgit trois semaines plus tard. Elle montre un écran vert, un aperçu qui s'affiche, un présentateur qui dit waouh. Travailler avec l'IA sur un vrai projet ressemble rarement à ça. C'est lent, bavard, ça demande de relire chaque ligne, parfois de plonger dans la recherche pour comprendre un comportement bizarre. Le format vidéo écrase tout ça pour garder l'étincelle. Normal : l'étincelle fait les vues, pas la relecture. Même Claude Code et ses cousins passent, en vrai, leur temps sur des détails qu'aucun montage ne filmera.

Le classement a remplacé l'usage

Zoom arrière. Pourquoi ce genre cartonne-t-il autant ? Parce qu'on a transformé la sortie d'un modèle en épreuve sportive. Chaque semaine, une nouvelle version, un nouveau favori, un nouveau tombeur. Anthropic contre les autres, OpenAI contre xAI, tout le monde contre tout le monde. Même les patrons jouent le jeu, quitte à reconnaître que leurs agents prennent du retard. Les salons gonflent la hype, de Vivatech aux conférences américaines. La presse spécialisée suit, les chaînes amplifient, le public parie sur l'avenir comme sur un cheval. Ce n'est pas une critique morale, c'est un constat. L'attention va au classement, pas à l'usage. On débat de qui code le mieux une appli de démo pendant qu'à côté, la vraie question, celle de l'IA à l'école, de la sécurité, des photos générées qui envahissent nos écrans, passe au second plan. Même la géopolitique s'en mêle, quand Pékin verrouille l'accès à ses meilleurs modèles. Le duel, lui, reste confortable. Il donne un gagnant, une réponse simple, un camp. La réalité des chatbots est plus terne : chacun brille sur certaines tâches, cale sur d'autres, et le bon choix dépend de ce que vous faites. Ça ne tient pas dans une vignette. Un podium, si.

Ouvrez les trois, oubliez le podium

Alors qui gagne, entre Grok 4.5, GPT-5.5 et Claude ? Je ne vous le dirai pas. Pas par coquetterie, mais parce que la vidéo ne le sait pas non plus. Elle sait qui a fait le plus bel effet à l'écran ce jour-là, sur cet énoncé-là, avec ce montage-là. C'est tout. Si vous voulez vraiment choisir, ne regardez pas un duel. Ouvrez les trois. Donnez-leur votre vrai problème, celui qui vous embête depuis mardi. Jugez sur pièces. Testez la relecture, la patience, le prix. Regardez comment chacun réagit quand vous le reprenez trois fois de suite. Là, vous saurez. Le reste, c'est du sport du dimanche soir. On a le droit d'aimer le sport du dimanche soir. Il ne faut juste pas le confondre avec la météo du lundi. TrendingTech a fait une bonne vidéo. Elle n'a pas fait un bon test.