Ce sur quoi les modèles s'accordent,
et ce qui les sépare

Aucun modèle ne retient l'excédent de +10 % du PIB comme cible opérationnelle. Les formulations varient : « économiquement absurde » chez Claude, « non souhaitable en régime normal » chez ChatGPT, « rejeté comme cible opérationnelle » chez Grok, « économiquement dévastateur » chez Gemini, « irréaliste » chez Mistral, « mathématiquement impossible sans croissance délirante » chez DeepSeek. Sur six architectures différentes, entraînées séparément, dont une chinoise, ce verdict unanime est le résultat le plus robuste du benchmark.

Interrogés sur l'excédent maximal raisonnable pour la France, les six répondent dans une fourchette resserrée : +1 à +1,5 % chez Claude, +2 à +3 % chez ChatGPT, Grok et DeepSeek, +2,5 à +3 % chez Gemini, +3 à +4 % chez Mistral. Aucun ne dépasse +4 %. L'écart entre le plus prudent et le plus ambitieux est de 3 points de PIB, soit environ 110 Md€, mais tous placent la limite très loin des 10 % demandés.

Les six modèles arrivent à la même conclusion structurelle : atteindre le solde zéro en 2032 laisse la dette entre 100,5 % et 112 % du PIB selon les hypothèses. Le désendettement à 100 % exige donc un effort supplémentaire et plus précoce que l'équilibre. Claude le formule le plus nettement : pour toucher 100 %, il faut atteindre l'équilibre dès 2030, deux ans avant le scénario 1, ce qui rend le scénario 3 plus dur que le scénario 1 malgré une cible d'excédent modeste.

Les six soulignent que la réduction du ratio dette sur PIB dans le scénario 3 provient majoritairement de la croissance nominale, donc du PIB au dénominateur, et non d'un remboursement. La dette nominale continue d'augmenter dans la plupart des trajectoires. ChatGPT l'écrit sans détour : « il ne faut pas vendre comme remboursement ce qui vient principalement de la croissance nominale ». DeepSeek ajoute que les cessions d'actifs ne doivent pas masquer un désendettement fictif. Les estimations de cette part varient de 40 % chez Grok à 73 % chez Gemini.

Les quatre modèles qui traitent la question distinguent tous économies démontrables, plausibles et théoriques, et refusent d'inscrire le potentiel théorique au budget. ChatGPT et Gemini le chiffrent, Claude pose la règle sans chiffrer précisément, Grok annonce la distinction. Mistral et DeepSeek ne traitent pas la section, alors que DeepSeek mobilise l'IA dans ses réformes, pour le diagnostic hospitalier et l'État plateforme. La séquence recommandée par les quatre autres est identique : supprimer la procédure, standardiser la donnée, automatiser, puis seulement réduire les moyens.

Quatre des six modèles font explicitement du taux d'emploi, notamment celui des seniors, un levier de croissance de premier rang. Claude et ChatGPT le classent au premier ou deuxième rang de leur matrice impact sur difficulté, Grok et Gemini le nomment parmi leurs réformes structurantes. Le raisonnement est commun : plus d'assiette cotisée, moins de dépenses passives, sans effet récessif direct. Mistral s'en tient à une réforme du marché du travail, flexibilité et formation, sans nommer le taux d'emploi. DeepSeek n'en fait pas un moteur de l'ajustement : il annonce +500 000 créations d'emplois en 2032 comme conséquence de son scénario 1, pas comme levier.

Claude et Gemini classent la revue des aides et des niches au premier rang de leur matrice impact sur difficulté. ChatGPT la place au troisième, avec un ratio de 2,14 contre 2,33 pour le taux d'emploi et 2,20 pour la R&D. DeepSeek en fait sa première mesure d'économie en montant, 25 Md€ sur les 100 Md€ du scénario 1. Motif commun : c'est le gisement le plus mal évalué et le moins politiquement coûteux. Les ordres de grandeur divergent fortement, de 100 Md€ chez DeepSeek à environ 200 Md€ chez Claude, et ChatGPT relève une fourchette de 88 à plus de 200 Md€ selon le périmètre, ce qui interdit les slogans et impose un registre consolidé.

Sur la même cible, un solde à zéro en 2032, les six aboutissent à des niveaux de dette écartés de 11,5 points de PIB, soit environ 420 Md€. Gemini annonce 100,5 %, Mistral environ 105 %, DeepSeek 107,5 %, Claude environ 108 %, ChatGPT 108,5 %, Grok 110 à 112 %. L'écart s'explique par le point de départ retenu, de 114,5 % chez Gemini à 118,6 % chez ChatGPT, et par les hypothèses de croissance nominale et de taux.

Gemini trace une trajectoire où les dépenses publiques tombent à 30,1 % du PIB et la dette à 47,8 % en 2032. ChatGPT retient 46,0 % de dépenses et 83,1 % de dette, DeepSeek 82 % de dette. Claude refuse de tracer une trajectoire, jugeant qu'une glide-path lissée serait malhonnête. Sur la même consigne, quatre modèles produisent un tableau complet, un produit un refus argumenté, un s'en tient à un chiffrage global. C'est la divergence de forme la plus significative du benchmark.

Les six modèles travaillent sur des chiffres publiés, et divergent tout de même. L'écart le plus lourd vient de DeepSeek : il retient 48,6 % de recettes publiques, 46 % de prélèvements obligatoires et 55 % de dépenses publiques, contre 52,1 %, 43,6 % et 57,2 % chez ChatGPT et Claude, qui citent l'INSEE. Sur les recettes, l'écart atteint 3,5 points de PIB, soit plus de 100 Md€, et il joue directement sur la taille de l'ajustement calculé. Ailleurs : PIB nominal 2025 de 2 808,5 Md€ chez Mistral, valeur en standard de pouvoir d'achat mal identifiée, à 3 010 Md€ chez Gemini. Charge d'intérêts de 55 Md€ chez Gemini à 65,7 Md€ chez Grok. Taux d'emploi de 68,5 % chez Gemini et Mistral à 69,4 % chez Claude.

Claude propose 10 à 15 Md€ par an d'incrément public, DeepSeek 20 Md€, Mistral 20 Md€, ChatGPT 22 Md€ dans le scénario 3, Gemini 45 Md€ répartis sur sept filières. Grok pose le cadre sans chiffrer. Pour une cible de DIRD quasi identique chez quatre modèles, 3,0 à 3,2 % du PIB, l'effort public annoncé varie du simple au quadruple, ce qui traduit des hypothèses très différentes sur l'effet de levier vers le privé. DeepSeek ne fixe aucune cible de DIRD.

Claude retient 1,4 % de croissance réelle en 2032 et considère que toute IA s'appuyant sur une croissance nominale de 4 à 5 % triche. Mistral retient 2,0 % dès 2030. ChatGPT retient 1,70 %, Gemini 1,6 % en scénario 1 et 1,8 % en scénario 3, DeepSeek 1,5 %. Sur six ans, un écart de 0,6 point de croissance annuelle représente environ 3,7 points de PIB cumulés, soit plus que l'effort d'économies de plusieurs scénarios. L'écart de taux compte autant : DeepSeek retient 3,5 % sur toute la période là où Mistral table sur 2,5 %.

Mistral chiffre la suppression de 50 % des niches à +50 Md€ de recette nette. Claude pose la règle inverse : le rendement net est toujours inférieur au coût brut affiché, et une suppression de niche ne doit jamais être comptée en recette nette intégrale. ChatGPT retient +18 Md€ en 2032 après évaluation comportementale, DeepSeek +10 Md€ pour la suppression de cinquante niches, Gemini ne traite pas les niches séparément des aides. L'écart entre 10 et 50 Md€ porte sur la même assiette.

Le prompt demande quatorze sections plus un audit final. ChatGPT en traite l'intégralité. Claude traite tout sauf le chiffrage annuel mesure par mesure, qu'il remplace par des fourchettes en points de PIB. Gemini traite les trajectoires, les réformes chiffrées, la R&D, les stress tests et la matrice d'arbitrage, mais ni le plan d'exécution ni l'audit. DeepSeek traite les scénarios, le plan d'action, la R&D, les tests et l'audit, mais ni les statuts, ni les variantes conjoncturelles, ni le classement impact sur difficulté, ni l'IA dans l'État. Grok structure les quatorze sections mais en laisse plusieurs au niveau du principe. Mistral s'arrête au plan d'exécution.

Le prompt impose un socle central commun pour que les trois scénarios soient réellement comparables. ChatGPT, Claude, Grok et Mistral s'y tiennent. Gemini fait varier son taux d'émission OAT selon le scénario, 3,0 %, 2,3 % puis 2,6 %, et DeepSeek fait varier croissance, inflation et taux d'intérêt à la fois, avec 3,5 % dans les scénarios 1 et 3 mais 4,0 % dans le scénario 2. Le raisonnement est défendable, un choc d'austérité modifie la prime de risque, mais l'effet est de rendre leurs propres scénarios moins directement comparables entre eux, et d'incorporer dans les hypothèses une partie du résultat qu'elles servent à démontrer.