D’après le Furniture Assembly Benchmark, GPT-6 Astra est le modèle qui détecte le mieux les erreurs de montage sur les meubles IKEA. Avec un score de 80 %, il se montre particulièrement efficace pour identifier précisément les étapes problématiques.
L’assemblage de meubles IKEA peut rapidement devenir fastidieux. Une pièce mal placée, une étape mal comprise et c’est tout le montage qu’il faut reprendre. Heureusement, les personnes en difficulté peuvent désormais compter sur les IA génératives qui sont capables de les guider et de repérer certaines erreurs. Mais tous les modèles ne se montrent pas aussi efficaces dans cet exercice, constate le Furniture Assembly Benchmark (FAB).
Ce test mis en place par Epoch AI évalue la capacité des IA à repérer des erreurs de montage sur des photos de meubles IKEA en cours d’assemblage. Les modèles disposent du manuel de montage, d’un outil pour zoomer sur les images et d’un interpréteur Python. Ils doivent identifier les étapes où une erreur a été faite et expliquer clairement ce qui ne va pas.
GPT-6 Astra domine le test de montage des meubles IKEA
Le benchmark repose sur 60 photos issues de l’assemblage de trois meubles IKEA. Certaines montrent un montage correct, tandis que d’autres présentent des erreurs sciemment introduites. Les problèmes sont visibles mais peuvent être difficiles à identifier en raison de l’angle de vue ou de la poursuite du montage après l’erreur.
Les modèles sont évalués sur leur capacité à distinguer les étapes correctement réalisées des erreurs manifestes. Lorsqu’une erreur est signalée, leur réponse est ensuite analysée pour vérifier s’ils ont identifié correctement l’étape problématique et si le problème décrit correspond bien à l’erreur réelle. Résultat des courses, GPT-6 Astra domine largement le classement avec un score de 80 %, contre 70 % pour Claude Fable 5.1 et 61 % pour Claude Opus 5.
Le modèle d’OpenAI se montre donc particulièrement efficace pour repérer les erreurs de montage et identifier les étapes concernées. Il fait également preuve d’une rapidité inégalée avec un temps médian de trois minutes pour analyser une photo, ce qui en fait le modèle le plus rapide évalué dans ce test.
Le classement montre notamment les progrès réalisés en quelques mois. En novembre 2025, Claude Opus 4.5 détenait le meilleur score avec seulement 28 %.
Malgré les progrès rapides des modèles, leur utilisation comme assistants se heurte encore à certaines limites. “La précision et la lenteur des temps de réponse constituent encore des limitations pour une utilisation en temps réel, mais le domaine progresse rapidement”, observe Epoch.AI qui appelle à la prudence concernant la portée du benchmark : “Nous avons testé les modèles sur seulement 60 photos issues de trois assemblages de meubles ; il est donc difficile de déterminer dans quelle mesure ces résultats s’appliquent à d’autres tâches physiques.”
Pour les auteurs de l’étude, les résultats sont tout de même encouragements. “Leur capacité à associer les manuels d’instructions à des objets réels et à identifier les erreurs suggère qu’ils possèdent les aptitudes de raisonnement spatial indispensables à la maintenance et au dépannage mécanique“, estiment-ils.
