Benchmark

Le benchmark d'agents IA, réponse par réponse

Un espace de benchmark réunit vos questions, une référence unique de réponses attendues et autant de jeux de résultats que d'agents ou de systèmes à comparer.

01

Traitement automatique en arrière-plan

Chaque question est envoyée à l'agent Dust choisi. Réponse, temps de réponse et crédits se remplissent ligne par ligne, avec réglage du parallélisme et relance des échecs.

02

Évaluation par l'IA, contrôlée par l'humain

Verdict Correct, Partiel ou Incorrect avec justification. Seul le sens compte. Une seconde lecture vérifie les cas douteux et chaque verdict peut être corrigé à la main.

03

Complexité des questions

Chaque question reçoit un niveau Simple, Moyenne ou Complexe, partagé par tous les jeux : vous voyez où vos agents RAG décrochent.

04

Comparez les jeux de tests de plusieurs plateformes

Confrontez entre eux les jeux de tests de Dust et des résultats importés d'autres plateformes, sur les mêmes questions. Scores strict et pondéré, vitesse, coût et filtre sur les différences.

05

Rapports détaillés et classement

Générez un rapport détaillé avec le classement des différents jeux de tests, synthèse et graphiques, enrichi de vos recommandations, régénérable et exportable en PDF. Tout est historisé.

06

Annotez résultats et différences

Annotez une question, un résultat ou un écart entre plateformes, marquez-le pour révision et filtrez les lignes annotées dans les tableaux et les exports CSV.

Vos agents IA méritent une mesure sérieuse

Connectez votre workspace Dust et obtenez en quelques minutes une première inspection et un premier benchmark.