J'ai testé GPT-5.5 sur mes clients : Le bilan

Valeur des informations & solidité de l’argumentation

L’argumentation est bien structurée, appuyée sur des chiffres précis et un cas pratique. L’auteur adopte une posture nuancée en rappelant que Claude demeure un très bon modèle malgré les critiques. Il montre les forces et faiblesses respectives des deux modèles sans manichéisme. Le test sur un dossier client réel donne une crédibilité à son analyse, et la recommandation de construire un système robuste plutôt que de se fier à la ‘magie’ du modèle est solide.

Rigueur scientifique, qualité des sources, adéquation du titre

La vidéo s’appuie sur des sources telles que SWE-bench Pro, MCP Atlas, Terminal Bench 2.0, LLM Stats, et mentionne un exemple concret d’OpenAI (traitement de 24 771 formulaires fiscaux). Cependant, elle ne fournit pas de liens directs vers ces benchmarks, se limitant à des noms. Le titre est adéquat au contenu, même si le test n’est décrit qu’à partir d’une partie de la vidéo. Globalement, la fiabilité est bonne, mais le manque de sources primaires vérifiables et le caractère personnel de l’évaluation constituent des réserves.

Le titre annonce un test réel sur les clients ; le contenu le confirme avec la présentation d'un cas concret, même si la part comparative des modèles est dominante.

7/10

Informations étayées par des statistiques (SWE-bench, MCP Atlas, MRCR) et un test personnel, mais le point de vue reste subjectif et aucune source primaire n'est directement citée ou vérifiable. La présence d'une séquence promotionnelle en fin de vidéo n'affecte pas la note.

• 00:00Intro
• 00:26Je suis fan de Claude
• 01:02La bonne question
• 01:25Opus 4.7 devait rassurer
• 01:54Les 3 reproches
• 03:14Opus 4.7 reste un très bon modèle
• 04:13GPT-5.5 arrive
• 05:41Ce que ça change en pratique
• 06:19Le cas OpenAI Finance
• 06:55La donnée qui dort dans les PME
• 07:49Test sur un vrai dossier client
• 10:34Le revers : hallucinations
• 11:44Comment cadrer le système
• 12:17Où Claude reste devant
• 12:54Ma grille par type de travail
• 13:34Verdict
• 13:55Blueprint Neocell

• SWE-bench Pro — Benchmark évaluant la résolution de problèmes sur codebases réels, mentionné pour comparer les scores des modèles.
• MCP Atlas — Benchmark mesurant la capacité à orchestrer des outils, mentionné pour le score de Claude.
• MRCR (Long Context Retrieval) — Benchmark de récupération d'informations dans des documents longs (>1 million de tokens), utilisé pour montrer le progrès de GPT-5.5.
• Terminal Bench 2.0 — Benchmark mesurant des workflows complexes, mentionné pour l'écart entre GPT-5.5 et Opus.
• LLM Stats — Source citée pour le taux de réduction des tokens (72%) de GPT-5.5 par rapport à Opus 4.7.
• Artificial Analysis AA Omnis — Benchmark indépendant évaluant la facticité (hallucination rate) des modèles.
• Blueprint Neocell — Service proposé par le créateur pour identifier des projets IA à fort ROI dans les entreprises.

• Anthropic — Le créateur s'appuie sur les publications d'Anthropic concernant Opus 4.7 et ses benchmarks.
• OpenAI — Le créateur se réfère à l'annonce de GPT-5.5 et l'exemple de traitement de K1 par la finance.
• Artificial Analysis — Benchmark indépendant utilisé pour chiffrer le taux d'hallucination.

• Communauté Reddit et X — Les critiques négatives envers Opus 4.7 sont présentées comme subjectives et parfois exagérées, contrastant avec les performances objectives des benchmarks.