[{"data":1,"prerenderedAt":337},["ShallowReactive",2],{"site-fr":3,"posts-fr":79,"alt-\u002Ffr\u002Fia\u002F":332,"graphic-\u002Fcontent\u002Ffr\u002Fimg\u002Fia\u002Fdaisyrose-27b-resultats-benchmarks.svg":335,"graphic-\u002Fcontent\u002Ffr\u002Fimg\u002Fia\u002Fgpt-6-2-astra-analyse-financiere-benchmark.svg":336},{"brand":4,"nav":8,"home":18,"story":25,"footer":37,"share":39,"locale":49,"sections":55,"section":65,"editions":69},{"name":5,"domain":6,"tagline":7},"Infografx","infografx.org","Ce qui change dans l’IA, la finance et le droit — en chiffres vérifiables.",[9,12,15],{"label":10,"to":11},"IA","ia\u002F",{"label":13,"to":14},"Finance","finance\u002F",{"label":16,"to":17},"Droit","legal\u002F",{"title":19,"description":20,"leadKicker":21,"moreTitle":22,"readLabel":23,"questionLabel":24},"Infografx — l’IA, la finance et le droit en chiffres vérifiés","Des récits de données courts et des infographies originales sur l’IA, la finance et le droit. Chaque chiffre renvoie à sa source primaire.","À la une","Autres sujets","Lire l’article","La question",{"questionLabel":24,"sourceLabel":26,"unitLabel":27,"periodLabel":28,"limitationsLabel":29,"sourcesLabel":30,"primaryLabel":31,"contextLabel":32,"moreLabel":22,"readTime":33,"eventLabel":34,"publishedLabel":35,"whyLabel":36},"Source","Unité","Période","À lire avant d’utiliser ces chiffres","Sources","Primaire","Contexte","min de lecture","Date de l’événement","Publié le","Pourquoi c’est important.",{"note":38},"Infografx — journalisme de données indépendant sur l’IA, la finance et le droit.",{"copy":40,"copied":41,"download":42,"linkedin":43,"native":44,"more":45,"story":46,"og":47,"storyCta":48},"Copier le lien","Lien copié","Télécharger le graphique","LinkedIn","Partager","Autres formats","Vertical 9:16 — TikTok, Stories","Carte de lien 1,91:1","Article complet et sources",{"code":50,"htmlLang":50,"ogLocale":51,"label":52,"name":53,"dateLocale":54},"fr","fr_FR","FR","Français","fr-FR",{"ia":56,"finance":59,"legal":62},{"label":10,"accent":57,"description":58},"ai","Récits de données sur les modèles d’IA, la puissance de calcul et l’adoption.",{"label":13,"accent":60,"description":61},"finance","Récits de données sur les marchés, les résultats, les taux et les prix.",{"label":16,"accent":63,"description":64},"law","Récits de données sur les décisions de justice, les sanctions et la régulation.",{"kicker":66,"storiesLabel":67,"empty":68},"Rubrique","sujets","Aucun sujet pour le moment.",{"label":70,"items":71},"Édition",[72,75,76],{"code":73,"label":74},"en","English",{"code":50,"label":53},{"code":77,"label":78},"en-ae","UAE",[80,134,183,231,288],{"title":81,"description":82,"path":83,"niche":60,"slug":84,"key":85,"locale":50,"category":60,"publishedAt":86,"updatedAt":86,"eventDate":87,"lead":88,"question":89,"graphic":90,"graphicAlt":91,"images":92,"chart":96,"sources":118,"limitations":132,"readTimeMinutes":133},"Nvidia : 107,6 milliards de dollars de ventes en centres de données","Nvidia a déclaré 107,6 milliards de dollars de chiffre d’affaires trimestriel dans les centres de données, dont 47,5 milliards de dollars issus des clouds d’IA, des clients industriels et des entreprises.","\u002Ffr\u002Ffinance\u002Fnvidia-centres-de-donnees-t3-exercice-2027","nvidia-centres-de-donnees-t3-exercice-2027","nvidia-data-center-revenue-q3-fy27","2026-11-19","2026-11-17",true,"Comment les deux groupes de clients des centres de données de Nvidia ont-ils progressé en un an ?","\u002Fcontent\u002Ffr\u002Fimg\u002Ffinance\u002Fnvidia-centres-de-donnees-t3-exercice-2027.svg","Le chiffre d’affaires des clients hyperscale est passé de 35,1 à 60,1 milliards de dollars. Celui des clouds d’IA, de l’industrie et des entreprises est passé de 16,1 à 47,5 milliards de dollars.",{"feed":93,"story":94,"og":95},"\u002Fcontent\u002Ffr\u002Fimg\u002Ffinance\u002Fnvidia-centres-de-donnees-t3-exercice-2027-feed.png","\u002Fcontent\u002Ffr\u002Fimg\u002Ffinance\u002Fnvidia-centres-de-donnees-t3-exercice-2027-story.png","\u002Fcontent\u002Ffr\u002Fimg\u002Ffinance\u002Fnvidia-centres-de-donnees-t3-exercice-2027-og.png",{"type":97,"title":98,"takeaway":99,"whyItMatters":100,"unit":101,"period":102,"series":103,"highlight":114,"source":116,"sourceUrl":117},"bar","Les ventes de Nvidia hors hyperscale ont presque triplé","Le segment hyperscale reste le plus important, mais le chiffre d’affaires des clouds d’IA, de l’industrie et des entreprises a davantage progressé en dollars.","La ventilation montre d’où vient la croissance du chiffre d’affaires des centres de données de Nvidia.","milliards de dollars","T3 FY26 et T3 FY27",[104,107,110,113],{"label":105,"value":106},"Hyperscale · T3 FY26",35.1,{"label":108,"value":109},"Hyperscale · T3 FY27",60.1,{"label":111,"value":112},"Clouds d’IA, industrie et entreprises · T3 FY26",16.1,{"label":114,"value":115},"Clouds d’IA, industrie et entreprises · T3 FY27",47.5,"Nvidia — commentaire du directeur financier, T3 FY27 (formulaire 8-K de la SEC)","https:\u002F\u002Fwww.sec.gov\u002FArchives\u002Fedgar\u002Fdata\u002F1045810\u002F000104581026000088\u002Fq3fy27cfocommentary.htm",[119,123,125,128],{"name":120,"url":121,"date":87,"type":122},"Nvidia — présentation trimestrielle du T3 FY27","https:\u002F\u002Finvestor.nvidia.com\u002Ffiles\u002Fdoc_financials\u002F2027\u002FQ327\u002FNVDA-F3Q27-Quarterly-Presentation.pdf","primary",{"name":124,"url":117,"date":87,"type":122},"Nvidia — commentaire du directeur financier, T3 FY27 (formulaire 8-K de la SEC, pièce 99.2)",{"name":126,"url":127,"date":87,"type":122},"Nvidia — résultats du troisième trimestre de l’exercice 2027","https:\u002F\u002Finvestor.nvidia.com\u002Fnews\u002Fpress-release-details\u002F2026\u002FNVIDIA-Announces-Financial-Results-for-Third-Quarter-Fiscal-2027\u002F",{"name":129,"url":130,"date":87,"type":131},"Reddit — discussion sur les résultats de Nvidia pour le troisième trimestre de l’exercice 2027","https:\u002F\u002Fwww.reddit.com\u002Fr\u002Fstocks\u002Fcomments\u002F1xywpnl\u002Fnvidia_announces_financial_results_for_third\u002F","context","Nvidia publie ces chiffres par groupe de clients en milliards, à une décimale près, et regroupe les clouds d’IA, les clients industriels et les entreprises en un seul groupe.",1,{"title":135,"description":136,"path":137,"niche":138,"slug":139,"key":140,"locale":50,"category":57,"publishedAt":86,"updatedAt":86,"eventDate":141,"lead":142,"question":143,"graphic":144,"graphicAlt":145,"images":146,"chart":150,"sources":177,"limitations":182,"readTimeMinutes":133},"DaisyRose-27B obtient 12 % sur Terminal-Bench 4.1","RadixArk a publié DaisyRose-27B et annonce un score de 12,0 % sur Terminal-Bench 4.1, contre 5,6 % pour le modèle de base.","\u002Ffr\u002Fia\u002Fdaisyrose-27b-resultats-benchmarks","ia","daisyrose-27b-resultats-benchmarks","daisyrose-27b-benchmark-results","2026-11-18",false,"Comment DaisyRose-27B se compare-t-il à son modèle de base sur trois tests ?","\u002Fcontent\u002Ffr\u002Fimg\u002Fia\u002Fdaisyrose-27b-resultats-benchmarks.svg","Qwen et DaisyRose obtiennent 5,6 % et 12,0 % sur Terminal-Bench 4.1, 73,0 % et 75,5 % sur Terminal-Bench 2.1, et 42,2 % et 46,2 % sur DeepSWE.",{"feed":147,"story":148,"og":149},"\u002Fcontent\u002Ffr\u002Fimg\u002Fia\u002Fdaisyrose-27b-resultats-benchmarks-feed.png","\u002Fcontent\u002Ffr\u002Fimg\u002Fia\u002Fdaisyrose-27b-resultats-benchmarks-story.png","\u002Fcontent\u002Ffr\u002Fimg\u002Fia\u002Fdaisyrose-27b-resultats-benchmarks-og.png",{"type":97,"title":151,"takeaway":152,"whyItMatters":153,"unit":154,"period":155,"series":156,"highlight":161,"source":175,"sourceUrl":176},"DaisyRose progresse le plus sur Terminal-Bench 4.1","DaisyRose devance le modèle de base sur chaque test présenté, avec son plus grand écart sur Terminal-Bench 4.1.","Les scores par paires montrent où l’entraînement ultérieur du modèle a fait la plus grande différence.","pourcentage","Résultats publiés le 18 novembre 2026",[157,160,163,166,169,172],{"label":158,"value":159},"Terminal-Bench 4.1 · Qwen",5.6,{"label":161,"value":162},"Terminal-Bench 4.1 · DaisyRose",12,{"label":164,"value":165},"Terminal-Bench 2.1 · Qwen",73,{"label":167,"value":168},"Terminal-Bench 2.1 · DaisyRose",75.5,{"label":170,"value":171},"DeepSWE v1.1 · Qwen",42.2,{"label":173,"value":174},"DeepSWE v1.1 · DaisyRose",46.2,"RadixArk — publication de DaisyRose-27B et tableau de benchmarks","https:\u002F\u002Fhuggingface.co\u002Fblog\u002FRadixArk\u002Fdaisyrose-27b-pushing-the-frontier-of-post-trainin",[178,179],{"name":175,"url":176,"date":141,"type":122},{"name":180,"url":181,"date":141,"type":131},"Hacker News — discussion sur DaisyRose-27B","https:\u002F\u002Fnews.ycombinator.com\u002Fitem?id=50551046","RadixArk a réalisé ces tests. Comparez les modèles au sein de chaque test, car les tests portent sur des tâches différentes.",{"title":184,"description":185,"path":186,"niche":60,"slug":187,"key":188,"locale":50,"category":60,"publishedAt":86,"updatedAt":86,"eventDate":141,"lead":142,"question":189,"graphic":190,"graphicAlt":191,"images":192,"chart":196,"sources":225,"limitations":230,"readTimeMinutes":133},"L’inflation britannique atteint 3,6 % en octobre","Les prix à la consommation britanniques ont augmenté de 3,6 % sur un an à octobre, contre 3,5 % en septembre.","\u002Ffr\u002Ffinance\u002Finflation-royaume-uni-octobre-2026","inflation-royaume-uni-octobre-2026","uk-inflation-october-2026","Comment l’inflation annuelle au Royaume-Uni a-t-elle évolué depuis avril ?","\u002Fcontent\u002Ffr\u002Fimg\u002Ffinance\u002Finflation-royaume-uni-octobre-2026.svg","L’inflation annuelle de l’IPC britannique était de 2,8 % en avril et en mai, est tombée à 2,6 % en juin, puis a progressé chaque mois jusqu’à 3,6 % en octobre.",{"feed":193,"story":194,"og":195},"\u002Fcontent\u002Ffr\u002Fimg\u002Ffinance\u002Finflation-royaume-uni-octobre-2026-feed.png","\u002Fcontent\u002Ffr\u002Fimg\u002Ffinance\u002Finflation-royaume-uni-octobre-2026-story.png","\u002Fcontent\u002Ffr\u002Fimg\u002Ffinance\u002Finflation-royaume-uni-octobre-2026-og.png",{"type":197,"title":198,"takeaway":199,"whyItMatters":200,"unit":154,"period":201,"series":202,"highlight":221,"source":223,"sourceUrl":224},"column","L’inflation britannique a progressé chaque mois depuis juin","L’inflation annuelle de l’IPC est passée de 2,6 % en juin à 3,6 % en octobre.","Le taux annuel indique à quelle vitesse les prix ont évolué par rapport au même mois un an plus tôt.","D’avril à octobre 2026",[203,206,208,211,214,217,220],{"label":204,"value":205},"avr. 2026",2.8,{"label":207,"value":205},"mai 2026",{"label":209,"value":210},"juin 2026",2.6,{"label":212,"value":213},"juil. 2026",2.9,{"label":215,"value":216},"août 2026",3.1,{"label":218,"value":219},"sept. 2026",3.5,{"label":221,"value":222},"oct. 2026",3.6,"Office for National Statistics (ONS) — Consumer price inflation, UK: October 2026","https:\u002F\u002Fwww.ons.gov.uk\u002Feconomy\u002Finflationandpriceindices\u002Fbulletins\u002Fconsumerpriceinflation\u002Foctober2026",[226,227],{"name":223,"url":224,"date":141,"type":122},{"name":228,"url":229,"date":141,"type":131},"Reddit — discussion sur l’inflation britannique d’octobre","https:\u002F\u002Fwww.reddit.com\u002Fr\u002Fukpolitics\u002Fcomments\u002F1xz8u4n\u002Fuk_inflation_rate_rises_again_hitting_36_in\u002F","L’indice des prix à la consommation (IPC) repose sur un panier national de biens et de services. Les dépenses d’un ménage peuvent évoluer à un rythme différent.",{"title":232,"description":233,"path":234,"niche":235,"slug":236,"key":237,"locale":50,"category":63,"publishedAt":86,"updatedAt":86,"eventDate":141,"lead":142,"question":238,"graphic":239,"graphicAlt":240,"images":241,"chart":245,"sources":263,"limitations":287,"readTimeMinutes":133},"Le régulateur britannique ouvre trois enquêtes sur les frais cachés","L’Autorité britannique de la concurrence et des marchés (CMA) a annoncé trois enquêtes visant à déterminer si des entreprises de voyage et de salles de sport affichaient d’emblée les frais obligatoires.","\u002Ffr\u002Flegal\u002Fcma-drip-pricing-voyage-salles-de-sport","legal","cma-drip-pricing-voyage-salles-de-sport","cma-drip-pricing-travel-and-gyms","Quel montant la CMA a-t-elle infligé en amendes dans trois précédents règlements amiables pour drip pricing ?","\u002Fcontent\u002Ffr\u002Fimg\u002Flegal\u002Fcma-drip-pricing-voyage-salles-de-sport.svg","Les précédentes amendes de la CMA pour drip pricing étaient de 4 200 000 £ pour l’AA, 889 200 £ pour StubHub UK et 45 000 £ pour Gold’s Gym.",{"feed":242,"story":243,"og":244},"\u002Fcontent\u002Ffr\u002Fimg\u002Flegal\u002Fcma-drip-pricing-voyage-salles-de-sport-feed.png","\u002Fcontent\u002Ffr\u002Fimg\u002Flegal\u002Fcma-drip-pricing-voyage-salles-de-sport-story.png","\u002Fcontent\u002Ffr\u002Fimg\u002Flegal\u002Fcma-drip-pricing-voyage-salles-de-sport-og.png",{"type":97,"title":246,"takeaway":247,"whyItMatters":248,"unit":249,"period":250,"series":251,"highlight":253,"source":261,"sourceUrl":262},"Les amendes passées pour drip pricing : de 45 000 £ à 4,2 millions de livres","L’amende de 4,2 millions de livres infligée à l’AA est la plus élevée des trois règlements antérieurs présentés.","Les règlements antérieurs montrent comment la CMA a utilisé ses pouvoirs directs d’application du droit.","livres sterling","Décisions d’avril à septembre 2026",[252,255,258],{"label":253,"value":254},"Auto-écoles AA et BSM",4200000,{"label":256,"value":257},"StubHub UK",889200,{"label":259,"value":260},"Gold’s Gym",45000,"Autorité britannique de la concurrence et des marchés (CMA), trois dossiers d’application du droit de la consommation","https:\u002F\u002Fwww.gov.uk\u002Fcma-cases\u002Fautomobile-association-developments-limited-consumer-protection-enforcement-case",[264,267,270,273,277,281,284],{"name":265,"url":266,"date":141,"type":122},"Autorité britannique de la concurrence et des marchés (CMA) — entreprises de voyage et de loisirs visées par des enquêtes sur leurs pratiques de prix","https:\u002F\u002Fwww.gov.uk\u002Fgovernment\u002Fnews\u002Ftravel-and-leisure-businesses-investigated-over-pricing-practices",{"name":268,"url":262,"date":269,"type":122},"Autorité britannique de la concurrence et des marchés (CMA) — dossier de l’affaire Automobile Association Developments Limited","2026-04-15",{"name":271,"url":272,"date":269,"type":122},"Autorité britannique de la concurrence et des marchés (CMA) — notification finale d’infraction à Automobile Association Developments Limited","https:\u002F\u002Fassets.publishing.service.gov.uk\u002Fmedia\u002F69fb242c8a56cc5f2174fa99\u002FNon-confidential_Final_Infringement_Notice_6.5.26.pdf",{"name":274,"url":275,"date":276,"type":122},"Autorité britannique de la concurrence et des marchés (CMA) — dossier de l’affaire StubHub UK","https:\u002F\u002Fwww.gov.uk\u002Fcma-cases\u002Fstubhub-consumer-protection-enforcement-case","2026-06-23",{"name":278,"url":279,"date":280,"type":122},"Autorité britannique de la concurrence et des marchés (CMA) — dossier de l’affaire Gold’s Gym","https:\u002F\u002Fwww.gov.uk\u002Fcma-cases\u002Fgolds-gym-uk-limited-consumer-protection-enforcement-case","2026-09-29",{"name":282,"url":283,"date":280,"type":122},"Autorité britannique de la concurrence et des marchés (CMA) — notification finale d’infraction à Gold’s Gym","https:\u002F\u002Fassets.publishing.service.gov.uk\u002Fmedia\u002F6ace3abbb8542d3693fd4403\u002F___Final_Infringement_Notice__.pdf",{"name":285,"url":286,"date":141,"type":131},"Slaughter and May — commentaire sur les nouvelles enquêtes de drip pricing","https:\u002F\u002Fthelens.slaughterandmay.com\u002Fpost\u002F102oa62\u002Fcma-enforcement-drive-continues-with-three-more-drip-pricing-investigations","Le graphique montre les sanctions après réductions dans trois règlements passés. La CMA n’a constaté aucune infraction dans les nouvelles affaires.",{"title":289,"description":290,"path":291,"niche":138,"slug":292,"key":293,"locale":50,"category":57,"publishedAt":86,"updatedAt":86,"eventDate":87,"lead":142,"question":294,"graphic":295,"graphicAlt":296,"images":297,"chart":301,"sources":317,"limitations":331,"readTimeMinutes":133},"GPT-6.2 Astra obtient 62,5 % aux tests répétés d’analyse financière","OpenAI a lancé GPT-6.2 Astra et Sol, et Astra a répondu correctement à 62,5 % des questions du benchmark à chaque tentative, avec ses deux réglages testés les plus élevés.","\u002Ffr\u002Fia\u002Fgpt-6-2-astra-analyse-financiere-benchmark","gpt-6-2-astra-analyse-financiere-benchmark","gpt-6-2-astra-financial-analysis-benchmark","À quelle fréquence GPT-6.2 Astra a-t-il répondu correctement aux cinq tentatives ?","\u002Fcontent\u002Ffr\u002Fimg\u002Fia\u002Fgpt-6-2-astra-analyse-financiere-benchmark.svg","Sur AA-AnalystAgent, GPT-6.2 Astra obtient 62,5 % aux réglages Max et Xhigh et 61,3 % au réglage High.",{"feed":298,"story":299,"og":300},"\u002Fcontent\u002Ffr\u002Fimg\u002Fia\u002Fgpt-6-2-astra-analyse-financiere-benchmark-feed.png","\u002Fcontent\u002Ffr\u002Fimg\u002Fia\u002Fgpt-6-2-astra-analyse-financiere-benchmark-story.png","\u002Fcontent\u002Ffr\u002Fimg\u002Fia\u002Fgpt-6-2-astra-analyse-financiere-benchmark-og.png",{"type":97,"title":302,"takeaway":303,"whyItMatters":304,"unit":154,"period":305,"series":306,"source":315,"sourceUrl":316},"62,5 % de réponses justes cinq fois sur cinq","Max et Xhigh obtiennent 62,5 %, et High 61,3 %.","Le test mesure la fréquence à laquelle les réponses restent correctes sur des tentatives répétées.","Classement au 19 novembre 2026",[307,310,312],{"label":308,"value":309},"Max",62.5,{"label":311,"value":309},"Xhigh",{"label":313,"value":314},"High",61.3,"Artificial Analysis — AA-AnalystAgent Benchmark","https:\u002F\u002Fartificialanalysis.ai\u002Fevaluations\u002Faa-analyst-agent",[318,319,322,325,328],{"name":315,"url":316,"date":86,"type":122},{"name":320,"url":321,"date":87,"type":131},"Artificial Analysis — page du modèle GPT-6.2 Astra (date de sortie)","https:\u002F\u002Fartificialanalysis.ai\u002Fmodels\u002Fgpt-6-2-astra",{"name":323,"url":324,"date":87,"type":122},"OpenAI — présentation de GPT-6.2 Astra et Sol","https:\u002F\u002Fopenai.com\u002Findex\u002Fintroducing-gpt-6-2-astra-sol\u002F",{"name":326,"url":327,"date":87,"type":131},"Reddit — discussion sur les benchmarks de GPT-6.2 Astra et Sol","https:\u002F\u002Fwww.reddit.com\u002Fr\u002FOpenAI\u002Fcomments\u002F1xyuzly\u002Fgpt62_astra_sol_benchmarks_openal_nailed_the\u002F",{"name":329,"url":330,"date":87,"type":131},"Hacker News — benchmarks d’Artificial Analysis pour GPT-6.2 Astra","https:\u002F\u002Fnews.ycombinator.com\u002Fitem?id=50535783","Le benchmark utilise un ensemble fixe de fichiers sources et de questions. Les scores valent pour ces tâches et ces réglages de test.",{"en":333,"fr":334},"\u002Fen\u002Fai\u002F","\u002Ffr\u002Fia\u002F","\u003Csvg xmlns=\"http:\u002F\u002Fwww.w3.org\u002F2000\u002Fsvg\" viewBox=\"0 0 1080 1350\" role=\"img\" aria-labelledby=\"daisyrose-27b-resultats-benchmarks-t daisyrose-27b-resultats-benchmarks-d\">\n\u003Ctitle id=\"daisyrose-27b-resultats-benchmarks-daisyrose-27b-resultats-benchmarks-t\">DaisyRose progresse le plus sur Terminal-Bench 4.1\u003C\u002Ftitle>\u003Cdesc id=\"daisyrose-27b-resultats-benchmarks-daisyrose-27b-resultats-benchmarks-d\">Qwen et DaisyRose obtiennent 5,6 % et 12,0 % sur Terminal-Bench 4.1, 73,0 % et 75,5 % sur Terminal-Bench 2.1, et 42,2 % et 46,2 % sur DeepSWE.\u003C\u002Fdesc>\n\u003Crect width=\"1080\" height=\"1350\" fill=\"#f4eee3\"\u002F>\n\u003Cg transform=\"translate(60 62) scale(1.375)\">\u003Crect x=\"2\" y=\"17\" width=\"6\" height=\"13\" rx=\"1.2\" fill=\"#0e6f97\"\u002F>\u003Crect x=\"13\" y=\"9\" width=\"6\" height=\"21\" rx=\"1.2\" fill=\"#3e7a1d\"\u002F>\u003Crect x=\"24\" y=\"2\" width=\"6\" height=\"28\" rx=\"1.2\" fill=\"#9b7424\"\u002F>\u003C\u002Fg>\n\u003Ctext x=\"118\" y=\"99\" font-family=\"'Fraunces Variable', Georgia, serif\" font-weight=\"600\" font-size=\"36\" fill=\"#1b1915\">Infografx\u003C\u002Ftext>\n\u003Ctext x=\"1020\" y=\"96\" font-family=\"'JetBrains Mono', ui-monospace, monospace\" font-weight=\"500\" font-size=\"24\" letter-spacing=\"3\" fill=\"#0e6f97\" text-anchor=\"end\">IA\u003C\u002Ftext>\n\u003Crect x=\"60\" y=\"132\" width=\"960\" height=\"1\" fill=\"#d9cfbe\"\u002F>\n\u003Ctext font-family=\"'JetBrains Mono', ui-monospace, monospace\" font-weight=\"500\" font-size=\"26\" letter-spacing=\"2\" fill=\"#6e675d\">\u003Ctspan x=\"60\" y=\"192\">COMMENT DAISYROSE-27B SE COMPARE-T-IL À SON MODÈLE\u003C\u002Ftspan>\u003Ctspan x=\"60\" y=\"230\">DE BASE SUR TROIS TESTS ?\u003C\u002Ftspan>\u003C\u002Ftext>\n\u003Ctext font-family=\"'Fraunces Variable', Georgia, serif\" font-weight=\"600\" font-size=\"68\" letter-spacing=\"-0.5\" fill=\"#1b1915\">\u003Ctspan x=\"60\" y=\"322\">DaisyRose progresse le plus\u003C\u002Ftspan>\u003Ctspan x=\"60\" y=\"398\">sur Terminal-Bench 4.1\u003C\u002Ftspan>\u003C\u002Ftext>\n\u003Crect x=\"60\" y=\"1070\" width=\"4\" height=\"84\" fill=\"#9b7424\"\u002F>\n\u003Ctext font-family=\"'Inter Variable', system-ui, sans-serif\" font-size=\"30\" fill=\"#45403a\">\u003Ctspan x=\"88\" y=\"1100\">Les scores par paires montrent où l’entraînement\u003C\u002Ftspan>\u003Ctspan x=\"88\" y=\"1142\">ultérieur du modèle a fait la plus grande différence.\u003C\u002Ftspan>\u003C\u002Ftext>\n\u003Ctext font-family=\"'JetBrains Mono', ui-monospace, monospace\" font-weight=\"500\" font-size=\"22\" fill=\"#6e675d\">\u003Ctspan x=\"60\" y=\"1204\">Source : RadixArk — publication de DaisyRose-27B et tableau de\u003C\u002Ftspan>\u003Ctspan x=\"60\" y=\"1236\">benchmarks · 18 novembre 2026 · Données RadixArk · Unité : %\u003C\u002Ftspan>\u003C\u002Ftext>\n\u003Ctext x=\"60\" y=\"472\" font-family=\"'JetBrains Mono', ui-monospace, monospace\" font-weight=\"500\" font-size=\"22\" fill=\"#6e675d\">QWEN = MODÈLE DE BASE QWEN3.8-27B · SCORE, %\u003C\u002Ftext>\u003Ctext x=\"60\" y=\"544\" font-family=\"'Inter Variable', system-ui, sans-serif\" font-size=\"30\" font-weight=\"600\" fill=\"#1b1915\">Terminal-Bench 4.1\u003C\u002Ftext>\u003Ctext x=\"60\" y=\"586.3333333333334\" font-family=\"'JetBrains Mono', ui-monospace, monospace\" font-weight=\"500\" font-size=\"28\" fill=\"#6e675d\">Qwen\u003C\u002Ftext>\u003Crect x=\"260\" y=\"560\" width=\"289.3\" height=\"34.66666666666667\" rx=\"3\" fill=\"#cfc4b1\" data-label=\"Terminal-Bench 4.1 · Qwen\" data-value=\"5.6\"\u002F>\u003Ctext x=\"565.3\" y=\"588.1333333333333\" font-family=\"'JetBrains Mono', ui-monospace, monospace\" font-weight=\"500\" font-size=\"30\" fill=\"#45403a\">5,6 %\u003C\u002Ftext>\u003Ctext x=\"60\" y=\"631\" font-family=\"'JetBrains Mono', ui-monospace, monospace\" font-weight=\"500\" font-size=\"28\" fill=\"#1b1915\">DaisyRose\u003C\u002Ftext>\u003Crect x=\"260\" y=\"604.6666666666666\" width=\"620.0\" height=\"34.66666666666667\" rx=\"3\" fill=\"#0e6f97\" data-label=\"Terminal-Bench 4.1 · DaisyRose\" data-value=\"12\"\u002F>\u003Ctext x=\"896.0\" y=\"632.8\" font-family=\"'JetBrains Mono', ui-monospace, monospace\" font-weight=\"500\" font-size=\"30\" fill=\"#0e6f97\">12,0 %\u003C\u002Ftext>\u003Crect x=\"60\" y=\"652.3333333333334\" width=\"960\" height=\"1\" fill=\"#d9cfbe\"\u002F>\u003Ctext x=\"60\" y=\"703.3333333333334\" font-family=\"'Inter Variable', system-ui, sans-serif\" font-size=\"30\" font-weight=\"600\" fill=\"#1b1915\">Terminal-Bench 2.1\u003C\u002Ftext>\u003Ctext x=\"60\" y=\"745.6666666666667\" font-family=\"'JetBrains Mono', ui-monospace, monospace\" font-weight=\"500\" font-size=\"28\" fill=\"#6e675d\">Qwen\u003C\u002Ftext>\u003Crect x=\"260\" y=\"719.3333333333334\" width=\"599.5\" height=\"34.66666666666667\" rx=\"3\" fill=\"#cfc4b1\" data-label=\"Terminal-Bench 2.1 · Qwen\" data-value=\"73\"\u002F>\u003Ctext x=\"875.5\" y=\"747.4666666666667\" font-family=\"'JetBrains Mono', ui-monospace, monospace\" font-weight=\"500\" font-size=\"30\" fill=\"#45403a\">73,0 %\u003C\u002Ftext>\u003Ctext x=\"60\" y=\"790.3333333333334\" font-family=\"'JetBrains Mono', ui-monospace, monospace\" font-weight=\"500\" font-size=\"28\" fill=\"#6e675d\">DaisyRose\u003C\u002Ftext>\u003Crect x=\"260\" y=\"764\" width=\"620.0\" height=\"34.66666666666667\" rx=\"3\" fill=\"#0e6f97\" fill-opacity=\"0.35\" data-label=\"Terminal-Bench 2.1 · DaisyRose\" data-value=\"75.5\"\u002F>\u003Ctext x=\"896.0\" y=\"792.1333333333333\" font-family=\"'JetBrains Mono', ui-monospace, monospace\" font-weight=\"500\" font-size=\"30\" fill=\"#45403a\">75,5 %\u003C\u002Ftext>\u003Crect x=\"60\" y=\"811.6666666666667\" width=\"960\" height=\"1\" fill=\"#d9cfbe\"\u002F>\u003Ctext x=\"60\" y=\"862.6666666666667\" font-family=\"'Inter Variable', system-ui, sans-serif\" font-size=\"30\" font-weight=\"600\" fill=\"#1b1915\">DeepSWE v1.1\u003C\u002Ftext>\u003Ctext x=\"60\" y=\"905.0000000000001\" font-family=\"'JetBrains Mono', ui-monospace, monospace\" font-weight=\"500\" font-size=\"28\" fill=\"#6e675d\">Qwen\u003C\u002Ftext>\u003Crect x=\"260\" y=\"878.6666666666667\" width=\"566.3\" height=\"34.66666666666667\" rx=\"3\" fill=\"#cfc4b1\" data-label=\"DeepSWE v1.1 · Qwen\" data-value=\"42.2\"\u002F>\u003Ctext x=\"842.3\" y=\"906.8000000000001\" font-family=\"'JetBrains Mono', ui-monospace, monospace\" font-weight=\"500\" font-size=\"30\" fill=\"#45403a\">42,2 %\u003C\u002Ftext>\u003Ctext x=\"60\" y=\"949.6666666666667\" font-family=\"'JetBrains Mono', ui-monospace, monospace\" font-weight=\"500\" font-size=\"28\" fill=\"#6e675d\">DaisyRose\u003C\u002Ftext>\u003Crect x=\"260\" y=\"923.3333333333334\" width=\"620.0\" height=\"34.66666666666667\" rx=\"3\" fill=\"#0e6f97\" fill-opacity=\"0.35\" data-label=\"DeepSWE v1.1 · DaisyRose\" data-value=\"46.2\"\u002F>\u003Ctext x=\"896.0\" y=\"951.4666666666667\" font-family=\"'JetBrains Mono', ui-monospace, monospace\" font-weight=\"500\" font-size=\"30\" fill=\"#45403a\">46,2 %\u003C\u002Ftext>\u003Ctext x=\"60\" y=\"1028\" font-family=\"'Inter Variable', system-ui, sans-serif\" font-size=\"24\" fill=\"#6e675d\">Chaque test a sa propre échelle : comparez au sein d’un test.\u003C\u002Ftext>\n\u003Crect x=\"0\" y=\"1266\" width=\"1080\" height=\"84\" fill=\"#f4eee3\"\u002F>\n\u003Crect x=\"60\" y=\"1266\" width=\"960\" height=\"1\" fill=\"#d9cfbe\"\u002F>\n\u003Cg transform=\"translate(60 1282) scale(0.9375)\">\u003Crect x=\"2\" y=\"17\" width=\"6\" height=\"13\" rx=\"1.2\" fill=\"#0e6f97\"\u002F>\u003Crect x=\"13\" y=\"9\" width=\"6\" height=\"21\" rx=\"1.2\" fill=\"#3e7a1d\"\u002F>\u003Crect x=\"24\" y=\"2\" width=\"6\" height=\"28\" rx=\"1.2\" fill=\"#9b7424\"\u002F>\u003C\u002Fg>\n\u003Ctext x=\"104\" y=\"1307\" font-family=\"'JetBrains Mono', ui-monospace, monospace\" font-weight=\"500\" font-size=\"26\" fill=\"#1b1915\" fill-opacity=\"0.7\">infografx.org\u003C\u002Ftext>\n\u003C\u002Fsvg>\n","\u003Csvg xmlns=\"http:\u002F\u002Fwww.w3.org\u002F2000\u002Fsvg\" viewBox=\"0 0 1080 1350\" role=\"img\" aria-labelledby=\"gpt-6-2-astra-analyse-financiere-benchmark-t gpt-6-2-astra-analyse-financiere-benchmark-d\">\n\u003Ctitle id=\"gpt-6-2-astra-analyse-financiere-benchmark-gpt-6-2-astra-analyse-financiere-benchmark-t\">62,5 % de réponses justes cinq fois sur cinq\u003C\u002Ftitle>\u003Cdesc id=\"gpt-6-2-astra-analyse-financiere-benchmark-gpt-6-2-astra-analyse-financiere-benchmark-d\">Sur AA-AnalystAgent, GPT-6.2 Astra obtient 62,5 % aux réglages Max et Xhigh et 61,3 % au réglage High.\u003C\u002Fdesc>\n\u003Crect width=\"1080\" height=\"1350\" fill=\"#f4eee3\"\u002F>\n\u003Cg transform=\"translate(60 62) scale(1.375)\">\u003Crect x=\"2\" y=\"17\" width=\"6\" height=\"13\" rx=\"1.2\" fill=\"#0e6f97\"\u002F>\u003Crect x=\"13\" y=\"9\" width=\"6\" height=\"21\" rx=\"1.2\" fill=\"#3e7a1d\"\u002F>\u003Crect x=\"24\" y=\"2\" width=\"6\" height=\"28\" rx=\"1.2\" fill=\"#9b7424\"\u002F>\u003C\u002Fg>\n\u003Ctext x=\"118\" y=\"99\" font-family=\"'Fraunces Variable', Georgia, serif\" font-weight=\"600\" font-size=\"36\" fill=\"#1b1915\">Infografx\u003C\u002Ftext>\n\u003Ctext x=\"1020\" y=\"96\" font-family=\"'JetBrains Mono', ui-monospace, monospace\" font-weight=\"500\" font-size=\"24\" letter-spacing=\"3\" fill=\"#0e6f97\" text-anchor=\"end\">IA\u003C\u002Ftext>\n\u003Crect x=\"60\" y=\"132\" width=\"960\" height=\"1\" fill=\"#d9cfbe\"\u002F>\n\u003Ctext font-family=\"'JetBrains Mono', ui-monospace, monospace\" font-weight=\"500\" font-size=\"26\" letter-spacing=\"2\" fill=\"#6e675d\">\u003Ctspan x=\"60\" y=\"192\">À QUELLE FRÉQUENCE GPT-6.2 ASTRA A-T-IL RÉPONDU\u003C\u002Ftspan>\u003Ctspan x=\"60\" y=\"230\">CORRECTEMENT AUX CINQ TENTATIVES ?\u003C\u002Ftspan>\u003C\u002Ftext>\n\u003Ctext font-family=\"'Fraunces Variable', Georgia, serif\" font-weight=\"600\" font-size=\"68\" letter-spacing=\"-0.5\" fill=\"#1b1915\">\u003Ctspan x=\"60\" y=\"322\">62,5 % de réponses justes\u003C\u002Ftspan>\u003Ctspan x=\"60\" y=\"398\">cinq fois sur cinq\u003C\u002Ftspan>\u003C\u002Ftext>\n\u003Crect x=\"60\" y=\"1070\" width=\"4\" height=\"84\" fill=\"#9b7424\"\u002F>\n\u003Ctext font-family=\"'Inter Variable', system-ui, sans-serif\" font-size=\"30\" fill=\"#45403a\">\u003Ctspan x=\"88\" y=\"1100\">Le test mesure la fréquence à laquelle les réponses\u003C\u002Ftspan>\u003Ctspan x=\"88\" y=\"1142\">restent correctes sur des tentatives répétées.\u003C\u002Ftspan>\u003C\u002Ftext>\n\u003Ctext font-family=\"'JetBrains Mono', ui-monospace, monospace\" font-weight=\"500\" font-size=\"22\" fill=\"#6e675d\">\u003Ctspan x=\"60\" y=\"1204\">Source : Artificial Analysis — AA-AnalystAgent Benchmark · Classement\u003C\u002Ftspan>\u003Ctspan x=\"60\" y=\"1236\">au 19 novembre 2026 · Unité : pourcentage\u003C\u002Ftspan>\u003C\u002Ftext>\n\u003Cg transform=\"translate(0 76)\">\u003Ctext x=\"60\" y=\"396\" font-family=\"'JetBrains Mono', ui-monospace, monospace\" font-weight=\"500\" font-size=\"22\" fill=\"#6e675d\">GPT-6.2 ASTRA · SCORE PASS^5 PAR RÉGLAGE, %\u003C\u002Ftext>\u003Crect x=\"199\" y=\"531\" width=\"2\" height=\"372\" fill=\"#d9cfbe\"\u002F>\u003Ctext x=\"60\" y=\"598\" font-family=\"'JetBrains Mono', ui-monospace, monospace\" font-weight=\"500\" font-size=\"30\" fill=\"#1b1915\">Max\u003C\u002Ftext>\u003Crect x=\"200\" y=\"555\" width=\"640.0\" height=\"64\" rx=\"3\" fill=\"#0e6f97\" data-label=\"Max\" data-value=\"62.5\"\u002F>\u003Ctext x=\"856.0\" y=\"599.24\" font-family=\"'JetBrains Mono', ui-monospace, monospace\" font-weight=\"500\" font-size=\"34\" fill=\"#0e6f97\">62,5 %\u003C\u002Ftext>\u003Ctext x=\"60\" y=\"728\" font-family=\"'JetBrains Mono', ui-monospace, monospace\" font-weight=\"500\" font-size=\"30\" fill=\"#1b1915\">Xhigh\u003C\u002Ftext>\u003Crect x=\"200\" y=\"685\" width=\"640.0\" height=\"64\" rx=\"3\" fill=\"#0e6f97\" data-label=\"Xhigh\" data-value=\"62.5\"\u002F>\u003Ctext x=\"856.0\" y=\"729.24\" font-family=\"'JetBrains Mono', ui-monospace, monospace\" font-weight=\"500\" font-size=\"34\" fill=\"#0e6f97\">62,5 %\u003C\u002Ftext>\u003Ctext x=\"60\" y=\"858\" font-family=\"'JetBrains Mono', ui-monospace, monospace\" font-weight=\"500\" font-size=\"30\" fill=\"#45403a\">High\u003C\u002Ftext>\u003Crect x=\"200\" y=\"815\" width=\"627.7\" height=\"64\" rx=\"3\" fill=\"#cfc4b1\" data-label=\"High\" data-value=\"61.3\"\u002F>\u003Ctext x=\"843.7\" y=\"859.24\" font-family=\"'JetBrains Mono', ui-monospace, monospace\" font-weight=\"500\" font-size=\"34\" fill=\"#1b1915\">61,3 %\u003C\u002Ftext>\u003C\u002Fg>\u003Ctext x=\"60\" y=\"1028\" font-family=\"'Inter Variable', system-ui, sans-serif\" font-size=\"24\" fill=\"#6e675d\">Une question ne compte que si les cinq tentatives sont correctes.\u003C\u002Ftext>\n\u003Crect x=\"0\" y=\"1266\" width=\"1080\" height=\"84\" fill=\"#f4eee3\"\u002F>\n\u003Crect x=\"60\" y=\"1266\" width=\"960\" height=\"1\" fill=\"#d9cfbe\"\u002F>\n\u003Cg transform=\"translate(60 1282) scale(0.9375)\">\u003Crect x=\"2\" y=\"17\" width=\"6\" height=\"13\" rx=\"1.2\" fill=\"#0e6f97\"\u002F>\u003Crect x=\"13\" y=\"9\" width=\"6\" height=\"21\" rx=\"1.2\" fill=\"#3e7a1d\"\u002F>\u003Crect x=\"24\" y=\"2\" width=\"6\" height=\"28\" rx=\"1.2\" fill=\"#9b7424\"\u002F>\u003C\u002Fg>\n\u003Ctext x=\"104\" y=\"1307\" font-family=\"'JetBrains Mono', ui-monospace, monospace\" font-weight=\"500\" font-size=\"26\" fill=\"#1b1915\" fill-opacity=\"0.7\">infografx.org\u003C\u002Ftext>\n\u003C\u002Fsvg>\n",1795076311222]