Les meilleurs modèles pour piloter des agents IA en septembre 2026
Anthropic maintient sa position dominante dans le secteur des agents intelligents, tandis qu’OpenAI fait un retour remarqué. Selon le classement d’Arena, mis à jour à la mi-septembre 2026, le modèle Claude Fable 5.1 se classe en tête, suivi de GPT-6 Astra. Le mois précédent, le modèle phare d’OpenAI se contentait de la quatrième place. Ce classement repose sur l’analyse de près de 1,7 million de sessions utilisateurs, couvrant 43 modèles.
Les 10 modèles d’IA les plus performants pour faire tourner des agents en septembre 2026
Lancé le 1er septembre, Claude Fable 5.1 s’impose dès son arrivée dans le tableau, dans sa version Max. Ce modèle, le plus avancé d’Anthropic, devance GPT-6 Astra, introduit deux jours plus tard, qui est également le premier modèle d’OpenAI à être classé au niveau de risque cyber maximal. Les deux variations de Claude Opus 5 complètent le quatuor de tête, suivies de Claude Fable 5 et Claude Opus 4.8.
Anthropic occupe six des dix premières places, tandis qu’OpenAI en compte trois. Le modèle intermédiaire d’Anthropic, Claude Sonnet 5, se classe en neuvième position. Kimi K3, un modèle open weight de Moonshot AI, a reculé de la cinquième à la huitième place, alors que GPT-5.6 Sol, qui était sur le podium en août, se retrouve maintenant en septième position.
Derrière le peloton de tête, Hy4 preview de Tencent se positionne en 11ᵉ place, suivi de DeepSeek V4.1 Flash de GLM 5.2 (Z.ai) et de Muse Spark 1.3, la dernière version du modèle agentique de Meta. En août, il fallait descendre à la 13ᵉ place pour rencontrer un autre acteur qu’Anthropic, OpenAI ou Moonshot AI, et à la 22ᵉ pour y voir Meta. Google, quant à lui, est en retrait avec Gemini 3.6 Flash en 34ᵉ position, et Mistral, le seul acteur européen du classement, en 41ᵉ.
Voici les 10 modèles les plus performants pour les agents IA en septembre 2026 :
- Claude Fable 5.1 (Max)
- GPT-6 Astra (Max)
- Claude Opus 5 (Max)
- Claude Opus 5 (High)
- Claude Fable 5 (High)
- Claude Opus 4.8 (High)
- GPT-5.6 Sol (xHigh)
- Kimi K3 (Max)
- Claude Sonnet 5 (High)
- GPT 5.5 (xHigh)
La méthode retenue par Arena pour départager les modèles
Le classement des modèles agentiques ne suit pas la même méthodologie que le classement général d’Arena. Il n’inclut pas de duels anonymisés ni de score Elo. Arena utilise une approche appelée causal tracing, qui consiste à observer les sessions réelles dans Agent Mode, un environnement sandbox lancé en juin. Dans cet environnement, l’utilisateur délègue un workflow complet à un agent qui peut mobiliser plusieurs outils. Le modèle change aléatoirement d’une session à l’autre, permettant ainsi d’isoler sa contribution.
Cinq signaux sont collectés et agrégés en un score unique :
- Validation ou rejet du résultat par l’utilisateur,
- Compliments et reproches formulés en langage naturel,
- Capacité de l’agent à intégrer une correction,
- Nombre d’étapes nécessaires pour se remettre d’une commande ratée,
- Propension à invoquer des outils non disponibles.
Aucun modèle ne domine tous les signaux. Claude Fable 5.1 affiche le taux le plus élevé de tâches validées, tandis que GPT-6 Astra reçoit la plus forte proportion de retours positifs. Les deux versions de Claude Opus 5 se distinguent par leur capacité à intégrer les corrections et à se rétablir après une commande ratée. Le modèle d’OpenAI est le seul dans le top 10 à afficher un score négatif sur la steerability, mesurant sa réaction lorsqu’il est repris par l’utilisateur.
Source : Blog du Modérateur
