Notre méthode de classement
Dans chaque classement d’Aikiwi, chaque IA reçoit un Score Aikiwi pour cet usage, sur 100. Cette page explique comment il est calculé, avec les mêmes règles pour toutes les IA et tous les classements.
Ce que dit le score, et ce qu’il ne dit pas
Le score est notre recommandation pour un usage précis : coder, traduire, créer des images… Il résume ce que nous avons pu vérifier sur l’outil pour cet usage, et c’est lui qui fixe le rang dans le classement.
- Ce n’est pas un pourcentage de réussite : nous n’avons pas encore testé les outils nous-mêmes en conditions réelles.
- Ce n’est pas la note globale de l’outil. Une même IA a un score différent dans chaque classement. La note Aikiwi sur 5, qui évalue l’outil dans son ensemble, est sur sa fiche et sa revue ; elle ne compte pas dans les classements.
- Un score ne se compare pas d’un classement à l’autre.
Les repères sont fixes : 50, un outil compétent ; 60, un bon outil ; 70, un très bon choix ; 80, un excellent choix ; 90, une référence. Au-delà de 80, il faut des preuves de qualité.
Le classement général des IA. Le score de chaque IA est celui de son meilleur usage : le plus haut Score Aikiwi sur 100 qu’elle obtient dans nos classements par usage, là où elle est recommandée. À score égal, l’IA présente dans le plus de Tops passe devant, puis la plus visitée. Les IA qui ne sont recommandées pour aucun usage n’y reçoivent pas de score.
Qui entre dans un classement
Chaque classement a sa liste de fonctions : deux fonctions essentielles, sans lesquelles l’outil ne répond pas à l’usage, et quelques fonctions avancées, qui font un bon outil. Pour « la meilleure IA pour coder », par exemple : écrire, expliquer ou corriger du code, et que ce soit l’outil lui-même qui le fasse.
Une IA n’entre dans un classement que si ses deux fonctions essentielles sont confirmées sur une page officielle de son éditeur. Si nous ne les avons pas encore trouvées, elle reste en attente : ne pas avoir trouvé une preuve ne veut pas dire que la fonction n’existe pas. Une IA n’est écartée que pour une raison vérifiée, par exemple quand son éditeur dit qu’elle ne fait pas cette fonction.
Les 7 critères
| Critère | Points | Ce que nous regardons |
|---|---|---|
| Pertinence pour l’usage | 20 | L’outil fait ce que l’usage demande (ses fonctions essentielles sont confirmées) |
| Fonctions | 20 | Les fonctions avancées de l’usage, confirmées une à une sur les pages de l’éditeur |
| Qualité mesurée | 20 | La qualité de ses modèles d’IA sur cette tâche, quand un test public indépendant la mesure (Arena) |
| Reconnaissance | 15 | Sa place dans les comparatifs indépendants les mieux placés sur Google |
| Spécialisation | 10 | L’usage est-il le cœur du produit, ou une fonction parmi d’autres ? |
| Accès | 10 | Version gratuite ou essai, applications et extensions, français, API |
| Popularité | 5 | Les visites mensuelles, comme simple signal d’adoption |
Ces points sont les mêmes pour tous les classements. Ils ont été fixés avant de calculer les classements, et nous ne les changeons jamais pour obtenir un résultat.
D’où viennent les données
- Les fonctions : les pages officielles de chaque éditeur (site, documentation, aide, prix). Pour chaque fonction, nous gardons l’adresse de la page et la phrase exacte qui la prouve.
- La qualité : Arena, un classement public des modèles d’IA fondé sur des millions de votes à l’aveugle. Nous ne l’utilisons que lorsqu’un de ses tableaux mesure exactement l’usage, et seulement après avoir vérifié quels modèles l’outil propose vraiment. Un outil qui sert un modèle autrement que dans le test (dans un agent, au choix parmi plusieurs) ne reçoit que la moitié de la mesure. Si aucune page officielle lisible ne dit quel modèle l’outil sert (page réservée aux comptes, par exemple), sa qualité est considérée comme inconnue.
- La reconnaissance : les dix premiers résultats de Google France sur les recherches de chaque classement. Seuls comptent les vrais comparatifs, indépendants, en français : ni la page d’un éditeur, ni un forum, ni un annuaire. Un outil est reconnu sous chacun de ses noms, quand l’article désigne bien ce produit : Nano Banana pour Gemini, Le Chat pour Mistral AI.
- L’accès et la popularité : la page de prix de l’éditeur, les applications de l’outil et les visites mensuelles estimées par Semrush. Quand la fonction d’un usage est réservée à une offre payante, nous lisons l’accès sur cette offre.
Ce que nous ne savons pas ne rapporte aucun point
Chaque critère est soit vérifié, soit estimé à partir d’un indice réel, soit inconnu. Un critère inconnu ne rapporte rien et ne coûte rien : le score est calculé sur ce qui est connu. Pour ne pas favoriser les outils dont on sait peu de choses, une IA n’entre dans le Top que si au moins 60 % des critères sont vérifiés, si son score atteint 60, et si sa qualité ou sa reconnaissance est connue quand le classement permet de la mesurer. Sinon, elle est « en cours d’évaluation », sans rang.
« Excellent » se prouve
Un outil ne peut pas dépasser 80 sur la seule foi de ses fonctions. Le plafond monte avec les preuves de qualité : 80 sans aucune mesure, jusqu’à 95 quand la qualité et la reconnaissance sont mesurées. C’est pourquoi, dans les usages qu’aucun test indépendant ne mesure encore (la traduction, l’analyse de données), les scores restent sous 80 : les outils sont très bons sur ce que nous avons vérifié, mais leur excellence n’est pas mesurée.
Combien d’outils dans le Top
Nous ne remplissons jamais un Top pour atteindre dix. Il compte 10 outils quand au moins dix IA remplissent les conditions, sinon 5 ou 3. Sans aucune mesure de qualité ni assez de comparatifs, il s’arrête à 5. Le Top range les IA que nous avons évaluées : ce n’est pas un inventaire complet du marché.
Nouvelles IA et mises à jour
Quand une nouvelle IA arrive sur Aikiwi, ses fonctions sont relevées une seule fois, puis elle est calculée dans chaque classement qui la concerne, avec la même formule. Elle entre au Top à la mise à jour suivante si son score le justifie. Chaque mois, nous relisons les comparatifs, les mesures de qualité et les visites, puis nous recalculons. Le classement affiché est daté et ne bouge pas entre deux mises à jour.
Un exemple : Claude Code pour coder
- Fonctions essentielles confirmées : 20 points sur 20. Les six fonctions avancées confirmées : 20 sur 20.
- Qualité : ses modèles sont très bien placés sur Arena, mais servis dans un agent alors que le test juge une conversation ; la moitié de la mesure compte : 9,5 points sur 10, l’autre moitié est inconnue.
- Reconnaissance : cité par 9 des 19 comparatifs : 10,5 sur 15. Spécialisation : 10 sur 10. Accès : pas de version gratuite, mais disponible partout : 3,8 sur 7 (le français et l’API ne sont pas encore relevés).
- Sur ce qui est connu, il obtient 73,8 points sur 82, soit un taux de 90 %, ramené à 95 points, plus 3 points de popularité : 88,5. Ses preuves de qualité étant partielles, le plafond le ramène à 85 sur 100, 4e du classement.
Nos limites
- Peu d’usages ont un test de qualité indépendant : ailleurs, les premiers sont souvent séparés de quelques dixièmes, ce qui est une égalité de fait.
- Les comparatifs viennent de Google France : un très bon outil peu présent dans la presse française est moins reconnu.
- Les données sont datées : un produit qui change entre deux mises à jour n’est corrigé qu’à la suivante.
- Les cas limites (une fonction qui ressemble à celle de l’usage sans la remplir) sont tranchés un par un, d’après la définition écrite de la fonction.