Jusqu'à présent, très peu de travaux ont été consacrés à l'évaluation des méthodes de cohérence discursive sur des données réelles. Pour remédier à cette situation, nous présentons un nouveau corpus de textes du monde réel (GCDC) ainsi que la première évaluation à grande échelle des principaux algorithmes de cohérence discursive. Nous démontrons que les modèles neuronaux, y compris deux que nous introduisons ici (SentAvg et ParSeq), ont tendance à obtenir les meilleurs résultats. Nous analysons ces différences de performance et discutons des schémas observés dans les textes à faible cohérence dans quatre domaines.