GPT-4o

GPT-4o est un LLM propriétaire d’OpenAI, publié le 27 mars 2025, avec des poids non ouverts. À l’échelle de l’IA, son ancienneté d’environ un an le place déjà dans une génération passée, à comparer surtout aux modèles disponibles autour de sa sortie plutôt qu’aux systèmes les plus récents.

Le modèle combine une grande fenêtre de contexte de 128 000 tokens et une coupure de connaissances au 31 octobre 2023. Son positionnement tarifaire reste intermédiaire, mais légèrement au-dessus de la moyenne des LLM similaires, tout en restant nettement moins cher que les modèles frontière.

Caractéristiques

Indices de synthèse

Indices Artificial Analysis. Le rang situe le modèle parmi tous les LLM du catalogue disposant de l'indice.

Performances (benchmarks)

« Auto-déclaré » : score communiqué par l'éditeur, non rejoué indépendamment. « Mesuré » : évalué par un tiers (Epoch AI, LiveBench). Le rang est calculé parmi les LLM évalués sur le même benchmark.

Comment se situe-t-il ?

Le modèle (en orange) comparé aux meilleurs modèles « grand public » sur chaque dimension, et à ses voisins de classement.

Classements Arena (Elo)

Tarifs

Prix en dollars US par million de tokens.

Sa tarification se situe 28 % au-dessus de la moyenne des LLM similaires, et 1,9 fois moins cher que les modèles frontières (Claude Fable 5, GPT-5.4, Gemini 3.1 Pro Preview).

Coût & vitesse agentiques

Coûts et durées réels mesurés en exécutant le modèle comme agent. PinchBench = un run complet de 147 tâches (harness OpenClaw) ; Benchable = moyenne par benchmark. Sources : PinchBench, Benchable.ai.

Entraînement & empreinte

Notre analyse

Forces. À sa sortie, GPT-4o se situait dans le top 39% des LLM de sa génération sur Epoch: GPQA diamond, ce qui en faisait un modèle compétitif pour son époque sans occuper le tout premier rang. Ses meilleurs signaux viennent des benchmarks Benchable: il atteint le top 10 sur Hallucinations (Baseline) et Ethics (Baseline), deux domaines utiles pour juger la fiabilité de base et le comportement général. Il obtient aussi de très bons résultats en Email Classification (Baseline), et reste solide sur Coding (Baseline) et Mathematics (Baseline), même si ces scores doivent être lus avec les classements associés. Sa fenêtre de 128 000 tokens reste un atout concret pour traiter de longs documents ou de longues conversations.

Limites et points d'attention. GPT-4o apparaît aujourd’hui largement dépassé par les modèles plus récents, et il n’est souvent plus proposé par l’éditeur. Ses indices globaux sont faibles dans le paysage comparé: Intelligence Index en bas de tableau, Code Index parmi les derniers modèles évalués, Math Index presque en queue de classement. Les classements Arena text et Arena vision confirment une position éloignée des meilleurs systèmes actuels. Le prix n’est pas particulièrement agressif: il se situe dans la moyenne, mais reste 28% au-dessus des LLM similaires, malgré un coût environ 1.9 fois inférieur aux modèles frontière.

Sources des données : LLM-Stats (llm-stats.com) · OpenRouter (openrouter.ai) · Artificial Analysis (artificialanalysis.ai) · Arena.ai (arena.ai) · Epoch AI (epoch.ai), CC-BY-4.0 · Benchable.ai (benchable.ai).