EEBench a mis treize problèmes de conception électronique entre les mains des grands modèles de langage, et publié son classement le 4 septembre 2026. Claude Opus 5 arrive premier avec 61,6 % de réussite cumulée, devant Grok 4.6 (57,1 %) et Claude Fable 5.1 (56,4 %). Quatre des cinq premières places reviennent à des modèles Anthropic, tandis que les GPT-5.5 et GPT-5.6 Sol d’OpenAI restent sous les 45 %, à 42,3 % et 39,4 %.
Ce total de 61,6 points ne veut pas dire que le modèle réussit six circuits sur dix et rate les quatre autres. Chaque épreuve est notée sur une échelle graduée, jamais en tout ou rien. La même moyenne peut décrire une copie honorable sur les treize tâches, ou une copie brillante sur six et hors sujet sur les sept restantes. Un ingénieur qui songe à confier un schéma à un modèle n’accordera pas la même confiance à ces deux situations.
Treize épreuves notées sur un schéma exécutable
L’équipe d’EEBench n’a pas rédigé un QCM sur la loi d’Ohm. Chaque épreuve demande une conception livrée : le modèle produit un schéma qui doit fonctionner, pas une explication de ce qu’il ferait. En entretien d’embauche, c’est la différence entre le candidat qui récite les règles de dimensionnement et celui qui dimensionne un étage d’alimentation au tableau.
Le format de réponse pèse autant que cette exigence. Les épreuves passent par du code déclaratif, avec l’outil atopile, et non par un logiciel de CAO (conception assistée par ordinateur) graphique. Les modèles décrivent les composants et les contraintes électriques au lieu de simuler des clics dans une interface. On mesure donc le raisonnement sur le circuit, et non l’habileté à piloter une souris. Le banc d’essai y gagne en reproductibilité : une netlist, la liste des composants et de leurs liaisons, se relit et se rejoue ; une capture d’écran ne se note pas.
Vingt millisecondes après la coupure du 5 V
Une épreuve suffit à donner la mesure de l’exigence. Le rail 5 V, la ligne qui alimente la carte, disparaît, et le circuit doit maintenir le processeur sous tension vingt millisecondes de plus, le temps de sauvegarder la mesure en cours. Il faut stocker de l’énergie quelque part, calculer combien, et vérifier que la tension reste dans la plage acceptée par le processeur pendant toute la fenêtre.
Un modèle peut sortir un schéma plausible, propre, commenté, et se tromper d’un facteur deux sur la réserve d’énergie. Le rendu ressemble à du travail d’ingénieur. Il ne tient pas vingt millisecondes. Le score de 61,6 % agrège ce type d’écart, qu’aucune relecture de style ne rattrape.
Trois points gagnés en payant plus de calcul
Le classement se lit aussi en faisant varier l’effort de raisonnement, ce réglage qui autorise un modèle à consacrer plus de calcul avant de répondre. xAI annonce dans sa fiche modèle un Grok 4.6 à 60,0 % au niveau « xhigh », contre 57,1 % au classement EEBench. Le modèle se rapproche de Claude Opus 5 sans le rattraper.
Ce calcul supplémentaire se paie, lui, sur la facture. Trois points pour un budget nettement supérieur indiquent que le surcroît de réflexion optimise l’exécution d’une compétence déjà présente, sans en créer de nouvelle. Les 4,5 points qui séparent le premier du deuxième en configuration standard ne se comblent pas en achetant du temps de calcul.
L’erreur qui se corrige gratuitement, et celle qui part à la benne
Les mêmes modèles obtiennent des résultats bien plus flatteurs sur les épreuves de programmation, et la comparaison demande d’être posée dans le bon sens. En développement, une sortie fausse coûte quelques secondes : les tests échouent, le diff est annulé, on relance. Le modèle peut se tromper vingt fois, seule la vingt et unième tentative compte, et beaucoup de bancs d’essai mesurent exactement cela.
Une carte électronique ne fonctionne pas ainsi. Entre le schéma et la validation se glissent un routage, une commande de composants, un délai de fabrication et une série de cartes physiques. L’erreur ne s’annule pas, elle se paie en semaines et en matériel inutilisable. Les points qui manquent au score ne se rattrapent pas par une itération de plus : ils se soldent par une commande de prototypes à jeter.
Cette asymétrie déborde largement l’électronique. Elle vaut pour tout ce qu’un agent touche sans retour arrière possible : une migration de base de données, une modification d’infrastructure en production, un déploiement irréversible. Avant de déléguer, il faut peser le prix d’un échec silencieux plutôt que le score du modèle sur la tâche.
De la carte de démonstration à la carte mère
Le classement se traduit sans détour dans un atelier. Un modèle qui obtient six dixièmes des points sur une épreuve de conception rend service sur ce qui fatigue : proposer une architecture d’alimentation, présélectionner des composants, expliciter les contraintes qu’on avait en tête sans les avoir écrites, relire un schéma existant en cherchant l’incohérence. Il ne signe pas le schéma qu’on envoie en fabrication.
EEBench baptise cette première livraison V1, ce qui annonce une suite. Le score global montera, comme montent toujours les résultats d’un banc d’essai une fois la cible connue. Plus instructif sera l’écart entre les épreuves de dimensionnement, où la bonne réponse se calcule, et celles où il faut arbitrer entre deux compromis également défendables. La première catégorie tombera vite. La seconde dira si ces modèles conçoivent, ou s’ils assistent celui qui conçoit.
