Les nouveaux modèles d'IA sortent avec des données d'entraînement vieilles de plusieurs mois, selon un tracker

La page s'appelle How stale is your AI. Elle fait une seule chose : elle place deux dates à côté de vingt noms de modèles et les laisse compter vers le haut. La date de sortie est celle où le laboratoire a publié le modèle. La date de coupure d'entraînement est celle où il a cessé de lire. Selon le site, 10 des 20 modèles listés portent une coupure réellement publiée par leur laboratoire.

C'est tout l'argument des benchmarks en miniature. Les lancements de modèles sont notés sur des benchmarks exécutés à la sortie, mais tout ce qui s'est passé après la coupure est simplement absent de ce que le modèle connaît. L'exemple du tracker lui-même : GPT-6 Astra est sorti le 3 septembre 2026 et ses données d'entraînement s'arrêtent au 30 avril 2026. Le jour du lancement, il était déjà en retard de quatre mois.

Ce que les dates montrent

Prenez les entrées où les deux dates existent. Llama 4 est sorti le 5 avril 2025 avec une coupure en août 2024. Claude Haiku 4.5 est sorti le 15 octobre 2025 avec une coupure en juillet 2025. Gemini 3.1 Pro est sorti le 19 février 2026 avec une coupure en janvier 2025, un écart d'un peu plus d'un an. Claude Sonnet 5 (30 juin 2026, janvier 2026), Claude Fable 5.1 (1 septembre 2026, juin 2026), GPT-6 Astra (3 septembre 2026, 30 avril 2026), Grok 4.7 (21 septembre 2026, mai 2026), Claude Opus 5.5 (22 septembre 2026, juin 2026), GPT-6 Sol (22 septembre 2026, 20 avril 2026) et GPT-6 Luna (22 septembre 2026, 18 mai 2026) complètent l'ensemble publié.

Les dix autres lignes sont vides. Mistral Large 3, Mistral Small 4, Mistral Medium 3.5, Qwen3.8-Max, Muse Glimmer, DeepSeek V4-Pro, Qwen3.8-Flash, Gemini 3.8 Flash, Muse Spark 1.3 et DeepSeek V4.1-Flash affichent tous « Not established ». Le site est prudent sur ce que cela signifie : une case vide signifie que les sources du fournisseur vérifiées n'ont pas établi de coupure pour ce modèle, ce n'est pas la preuve que le laboratoire n'en a jamais publié. Cinq des huit laboratoires, Anthropic, Google DeepMind, Meta, OpenAI et xAI, ont une coupure publiée pour au moins un modèle sur la page.

La date de coupure d'entraînement est la date où un modèle a cessé de lire. Tout ce qui s'est passé après est simplement absent de ce que le modèle connaît. Un modèle peut sortir en septembre alors que sa lecture s'est arrêtée en avril, ce qui signifie qu'il est en retard de cinq mois le jour de son lancement.

La prétention la plus intéressante de la page ne concerne pas les dates. Elle concerne ce qui se passe quand on donne un bouton de recherche à un modèle et qu'on le laisse décider s'il l'utilise. L'auteur rapporte 2 000 appels sur 16 modèles, chacun tenant un outil de recherche web. Les modèles de pointe, dans cette exécution, ont pris la bonne décision presque chaque fois. Les plus faibles ont répondu à des questions déjà tranchées depuis la mémoire, après que la réponse a changé, et ont cherché sur le web des choses comme le point d'ébullition de l'eau. Dans une présentation sur la page, on a demandé à 16 modèles qui est le roi de Norvège, et cinq ont nommé un homme mort.

Lisez cela attentivement. La décision de recherche fonctionne sur les mêmes poids qui contiennent le fait obsolète, donc les erreurs tombent exactement là où le modèle se sent le plus certain. Les outils de recherche colmatent l'écart. Ils ne le referment pas. Ouvrez une nouvelle discussion et le modèle est de retour à sa coupure.

La partie gênante pour les benchmarks

Cela compte pour la façon dont les benchmarks de sortie sont lus. Un modèle peut dominer un tableau des classements en septembre sur des questions dont les réponses étaient tranchées avant avril, et personne qui exécute l'évaluation ne vérifie la date de coupure sur la fiche du modèle. Si un laboratoire ne publie pas la coupure, la case vide du tracker est la réponse honnête : personne en dehors du laboratoire ne peut mesurer l'écart.

Il y a aussi un problème de second ordre. Un modèle est une mauvaise source sur les modèles. Demandez-lui directement quelle est sa date de coupure d'entraînement et un modèle bien éduqué répond ou dit qu'il n'est pas sûr, selon la page. Celui qui invente une date avec confiance vous a dit quelque chose d'utile sur lui-même. Les dates de sortie, les numéros de version et quel modèle est actuel s'arrêtent tous à la coupure, et la mauvaise réponse sonne tout aussi confiante.

Le correctif suggéré est petit et pratique. Mettez quelques lignes dans le fichier AGENTS.md ou CLAUDE.md qu'un agent lit déjà, lui disant de récupérer le models.json du site avant de nommer n'importe quel modèle, version ou date comme actuel, et de traiter tout ce qui a une date comme non vérifié jusqu'à ce que ce soit contrôlé. L'export porte la date de sortie, la coupure publiée et un lien source par modèle, et est régénéré chaque fois que la page l'est. La page héberge la formulation, prête à coller.

Aucun de ceci n'est un benchmark au sens usuel. Il n'y a pas de score, pas de tableau des classements et pas d'exécution soumise par un laboratoire. C'est un tableau de dates avec un export JSON et un argument attaché : que la deuxième date sur une fiche de modèle mérite le même examen que la première.

Pour quiconque compare deux modèles sortis la même semaine, le tracker ajoute une question que la plupart des couvertures de lancement sautent. Quand chacun a cessé de lire, et le laboratoire a-t-il pris la peine de le dire ?