L’écart le plus important entre les laboratoires d’IA n’est pas que leurs agents accomplissent la tâche. C’est de savoir si les utilisateurs apprécient réellement travailler avec eux.
Nous avons suivi l’agent le plus performant issu de @AnthropicAI, @OpenAI, @GoogleDeepMind, @Kimi_Moonshot, @SpaceXSI et @deepseek_ai à l’aide de 4 signaux clés de l’Agent Arena, utilisés entre la fin juin et le début octobre, afin de voir comment l’industrie évolue.
Trois choses ont attiré l’attention :
1. Les utilisateurs préfèrent certains agents à d’autres.
Sur les louanges et les plaintes, OpenAI et Anthropic dépassent la moyenne du classement de 35 points. Moonshot, xAI et DeepSeek se situent entre 5 et 13 points. Aucun autre signe ne distingue aussi largement ces laboratoires.
2. Les agents sont devenus beaucoup plus efficaces dans la livraison.
Lors de la confirmation du succès, le meilleur modèle du laboratoire moyen est passé de -4 à +14 points en trois mois. Anthropic est en tête avec Claude Opus 5.5 (Max) avec +20.
3. Les laboratoires se concentrent sur la récupération des erreurs et la direction.
Depuis juin, l’écart entre les six laboratoires a été plus que divisé par deux pour Bash Recovery (34 → 16 points) et presque divisé par deux pour Steerability (19 → 11).
En bref, les laboratoires s’efforcent d’éviter les échecs.
Laisser l’utilisateur satisfait est là où les trois meilleurs se distancent.