61,6 % sur EEBench : l’IA n’est pas encore ingénieure

Le chiffre est net : 61,6 %. C’est le score obtenu par Claude Opus 5, meilleur élève d’un nouveau test appelé EEBench V1, sur treize épreuves de conception électronique publiées le 4 septembre 2026. Entre savoir citer la loi d’Ohm et livrer un circuit qui tient la charge, l’écart reste mesurable — et ce score dit précisément où il se situe.

Ce qu’il faut retenir 1. Claude Opus 5 obtient 61,6 % sur les treize tâches d’EEBench V1, un benchmark de conception électronique publié le 4 septembre 2026 par eebench.org. 2. GPT-6 prend la deuxième place avec 57,1 %, juste devant Claude Fable 5. 3. En mode de raisonnement « xhigh », GPT-6 grimpe à 60,0 %, sans dépasser Claude Opus 5. 4. Sur l’épreuve de coupure d’alimentation, le circuit doit maintenir le processeur sous tension 20 ms de plus après la disparition du rail 5 V, le temps de sauvegarder la mesure en cours. 5. EEBench a choisi le code déclaratif — via l’outil atopile — plutôt que les outils CAD graphiques classiques, pour que les modèles travaillent sur les composants et les contraintes électriques plutôt que sur des clics d’interface.

Treize épreuves, un plafond à 61,6 %

L’équipe derrière EEBench a construit son benchmark comme un ingénieur électronicien construirait un test d’embauche : pas de questions à choix multiples sur la théorie des circuits, mais treize tâches de conception réelle, où le modèle doit produire un schéma fonctionnel et pas seulement une explication. Selon le billet publié par EEBench le 4 septembre 2026, Claude Opus 5 arrive en tête avec un score cumulé de 61,6 % sur l’ensemble des épreuves.

GPT-6 suit avec 57,1 %, un score qui le place juste devant Claude Fable 5. L’écart entre le premier et le deuxième reste significatif — 4,5 points — dans un test où chaque tâche sanctionne des erreurs de raisonnement électrique concrètes, pas des approximations de style. Ce classement à lui seul ne dit pourtant pas tout : EEBench a aussi testé l’effet du réglage de « l’effort de raisonnement », ce curseur qui permet à un modèle de consacrer plus ou moins de calcul à réfléchir avant de répondre.

Avec un effort de raisonnement poussé au niveau « xhigh », GPT-6 progresse à 60,0 %, un gain de près de 3 points par rapport à son score standard. Le modèle se rapproche ainsi de Claude Opus 5 sans le dépasser. Ce résultat confirme une tendance déjà observée sur d’autres benchmarks de raisonnement : donner plus de temps de calcul à un modèle améliore ses résultats sur des tâches structurées, mais ce gain a un plancher. Pousser l’effort de raisonnement ne comble pas un écart de compétence, il optimise l’exécution d’une compétence déjà présente.

Source : EEBench, « Can AI design circuit boards yet? », 4 septembre 2026.

Ce tableau appelle une lecture prudente. Un score de 61,6 % sur treize tâches ne signifie pas que le modèle réussit six tâches sur dix et échoue le reste : chaque épreuve est notée sur une échelle propre, qui pénalise les erreurs partielles autant que les échecs complets. Un circuit presque fonctionnel, avec une erreur de dimensionnement sur un seul composant, peut obtenir un score intermédiaire plutôt qu’un zéro. C’est cette granularité qui rend le test intéressant : elle isole non pas la capacité à réciter une règle d’électronique, mais la capacité à l’appliquer correctement dans un contexte contraint.

Le vrai test : garder le processeur sous tension pendant 20 millisecondes

Une des treize épreuves d’EEBench illustre bien ce que le benchmark cherche à mesurer, et pourquoi une réponse théoriquement juste ne suffit pas. Le scénario, décrit dans le billet d’EEBench, pose une contrainte physique précise : quand l’alimentation en 5 volts d’un circuit disparaît, celui-ci doit maintenir son processeur sous tension pendant 20 millisecondes supplémentaires, le temps de sauvegarder une mesure en cours d’accumulation.

Ce délai n’est pas arbitraire. Vingt millisecondes, c’est le temps qu’il faut au processeur pour écrire les dernières données accumulées avant que la coupure ne devienne irréversible — l’équivalent électronique d’un sauvetage de fichier avant l’extinction d’un ordinateur. Pendant cette fenêtre, la tension sur le rail protégé doit rester au-dessus du seuil de « brownout » du processeur, fixé à 3,0 volts : en dessous, le composant redémarre de manière incontrôlée et perd la donnée qu’il était censé sauvegarder.

Sur cette tâche précise, la majorité des modèles testés identifient d’emblée la bonne piste de solution : ajouter un condensateur pour stocker temporairement l’énergie et alimenter le circuit pendant la coupure. C’est la réponse théoriquement correcte, celle qu’un manuel d’électronique de base enseignerait. Le problème se situe une étape plus loin : dimensionner ce condensateur pour qu’il tienne exactement 20 millisecondes, ni moins — au risque de perdre la donnée —, ni beaucoup plus, au risque de surdimensionner inutilement le composant et son coût.

C’est précisément l’écart que documente EEBench entre intuition et exécution. Un modèle qui sait qu’il faut un condensateur de maintien a compris le principe électronique général. Un modèle qui calcule la bonne capacité en microfarads pour tenir 20 ms sans passer sous 3,0 volts a résolu le problème d’ingénieur. Le premier est une compétence de culture générale technique, largement présente dans les corpus d’entraînement des grands modèles de langage. Le second exige une manipulation quantitative précise, propre à chaque contexte de charge et de tolérance — et c’est là que les scores se resserrent, y compris pour Claude Opus 5, leader du classement général.

Cette distinction éclaire un point souvent glissé sous le tapis dans les annonces commerciales sur l’IA et l’ingénierie : savoir nommer une solution et savoir la dimensionner sont deux compétences différentes, et les benchmarks qui ne testent que la première surestiment mécaniquement la maturité des modèles. EEBench a construit ses treize épreuves justement pour capturer ce deuxième niveau.

Pourquoi le code bat la souris

La méthode de test compte autant que le résultat. La plupart des outils de conception assistée par ordinateur (CAO, ou CAD en anglais) pour l’électronique reposent sur une interface graphique : on place des composants sur un schéma, on trace des fils, on ajuste des positions à la souris. Un agent IA peut, en théorie, piloter ce type d’outil comme le ferait un humain — en cliquant, en glissant des éléments, en lisant l’écran.

En pratique, selon EEBench, cette approche mobilise l’essentiel des ressources du modèle sur des tâches qui n’ont rien d’électronique : suivre l’état de l’écran, se souvenir de la position des menus, interpréter des coordonnées à l’écran. Une grande partie du contexte disponible pour le modèle — l’espace de travail dans lequel il raisonne — se retrouve occupée par de la gestion d’interface plutôt que par du raisonnement sur les composants et leurs connexions.

EEBench a donc fait un choix différent : tester les modèles sur atopile, un outil qui décrit les circuits sous forme de code déclaratif plutôt que de schéma graphique. Le circuit y existe comme une structure de texte — composants, connexions, contraintes électriques — que le modèle peut manipuler directement, de la même manière qu’il manipulerait du code logiciel classique. Pas de clic, pas de suivi d’état visuel, pas de gestion de fenêtre : uniquement de la logique de circuit.

Ce choix méthodologique a une conséquence directe sur ce que le benchmark mesure réellement. En évitant de faire porter une partie du score sur la capacité du modèle à « utiliser un ordinateur » — cliquer au bon endroit, lire un écran, naviguer un logiciel —, EEBench isole la compétence électronique proprement dite. Selon les auteurs du test, cette approche « a beaucoup mieux fonctionné » que de demander à un modèle de tracer des lignes dans une interface graphique, et permet de consacrer davantage de temps de test à l’électronique elle-même plutôt qu’à l’usage d’ordinateur.

Ce parti pris rejoint une tendance plus large observée sur les benchmarks d’agents IA depuis 2025 : les tâches qui combinent perception visuelle d’interface et raisonnement métier tendent à sous-évaluer les modèles sur la dimension métier, simplement parce que l’interface consomme une part disproportionnée de leurs capacités. En basculant vers un format texte structuré, EEBench retire cette variable parasite — au prix, en contrepartie, d’un test qui ne dit rien sur la capacité des modèles à opérer les outils CAO réellement utilisés aujourd’hui dans les bureaux d’études.

C’est là que se loge une limite du benchmark, assumée par ses propres concepteurs : un score élevé sur atopile ne garantit pas qu’un modèle saurait piloter KiCad, Altium ou Eagle, les suites graphiques qui dominent encore la pratique professionnelle de la conception de cartes électroniques. La compétence testée est réelle, mais elle est isolée de son contexte d’usage industriel.

Du prototype de démonstration à la carte mère complète

Reste la question de ce que ces scores signifient pour un usage réel. Les auteurs d’EEBench sont explicits sur ce point : on reste, selon leurs propres termes, à une distance certaine du moment où l’on pourrait demander à une IA de concevoir un téléphone entier en une seule requête. Le test met en lumière une compétence émergente, pas une capacité de production.

Ce que révèlent les treize épreuves, c’est que les modèles disposent d’une connaissance étendue de l’électronique — au point d’identifier spontanément la bonne famille de solution sur un problème comme le maintien de tension après coupure d’alimentation. EEBench le formule ainsi : « les modèles savent une quantité surprenante de choses sur l’électronique ». Le déficit ne se situe donc pas dans la culture technique du modèle, mais dans sa capacité à transformer cette culture en dimensionnement exact, reproductible et vérifiable sur un cas particulier.

Cette distance entre savoir et exécuter pose une question méthodologique que les concepteurs d’EEBench eux-mêmes disent avoir en tête depuis un moment : comment mesurer si l’électronique produite par une IA est réellement bonne ? Un schéma qui compile, qui respecte les règles de connexion et qui répond formellement au cahier des charges peut néanmoins être un mauvais circuit — sous-dimensionné en marge de sécurité, coûteux à produire, ou fragile face à des conditions réelles que le test n’a pas anticipées. EEBench qualifie l’ambition de la démarche de recherche d’« accélération de l’ingénierie » plutôt que de remplacement de l’ingénieur — une nuance qui structure directement la manière dont l’outil devrait, ou non, s’intégrer à un bureau d’études.

Pour les équipes de conception électronique, la conséquence concrète se situe moins dans l’automatisation complète d’un projet que dans l’assistance ciblée sur des sous-problèmes bornés : identifier une famille de solution, générer un premier jet de dimensionnement, documenter les contraintes d’un bloc fonctionnel. Le test EEBench, en isolant des tâches précises plutôt qu’un projet complet, correspond d’ailleurs à ce grain d’usage plus qu’à une promesse de bout en bout.

L’écart de 4,5 points entre Claude Opus 5 et GPT-6 sur la version standard du test, ou les 3 points gagnés par GPT-6 grâce à un effort de raisonnement plus poussé, restent des variations mesurées sur un référentiel encore récent, publié début septembre 2026. La vraie information n’est pas le classement entre modèles, mais le niveau absolu : un peu plus de 60 % sur des tâches conçues pour ressembler à de l’ingénierie réelle. C’est suffisant pour documenter une progression. Ce n’est pas suffisant pour confier une conception de carte à un modèle sans supervision humaine — et EEBench ne prétend pas le contraire.

FAQ

Peut-on demander à un modèle d’IA de concevoir ma carte électronique aujourd’hui ?

Pas sans supervision. Le meilleur score enregistré sur EEBench V1, celui de Claude Opus 5, plafonne à 61,6 % sur treize tâches de conception. Les modèles identifient souvent la bonne piste de solution — comme l’ajout d’un condensateur de maintien — mais peinent à en calculer le dimensionnement exact.

Pourquoi EEBench utilise-t-il du code plutôt qu’un logiciel de CAO graphique ?

Piloter un outil graphique oblige le modèle à gérer des coordonnées, des menus et l’état de l’écran, ce qui consomme une grande partie de ses ressources de raisonnement. EEBench utilise atopile, où le circuit est décrit en code déclaratif, pour que le modèle travaille directement sur les composants et les contraintes électriques.

Le classement entre Claude Opus 5, GPT-6 et Claude Fable 5 va-t-il rester stable ?

Aucune source disponible à ce jour ne permet de l’anticiper. EEBench V1 est un référentiel publié le 4 septembre 2026 ; les scores actuels — 61,6 % pour Claude Opus 5, 60,0 % pour GPT-6 en mode de raisonnement poussé, 57,1 % pour GPT-6 en standard — constituent un point de départ, pas une tendance établie sur plusieurs générations.

Sources citées – EEBench, « Can AI design circuit boards yet? », 4 septembre 2026.