J’ai donné la même demande UI au même modèle 9 fois : 3 fois sans Skill, 3 fois avec apple-design, et 3 fois avec ui-ux-pro-max.

Les résultats m’ont obligé à changer ma façon de juger : avec la même série de Skill, une fois ça marche très bien, une fois ça plante.

Après avoir anonymisé les 9 résultats, je les ai confiés à deux personnes pour un score indépendant, et les moyennes par trois groupes sont :
apple-design 91,3
ui-ux-pro-max 89,0
sans Skill 85,8

Mais aucun des trois groupes n’a atteint 3/3 sans défaut.
apple-design et sans Skill ont chacun eu une fois un bouton principal sur la page de détails du téléphone qui s’est retrouvé écrasé ; ui-ux-pro-max a eu une fois, sur un écran horizontal en mode étroit à 375px, un débordement : le contenu à droite a été tronqué.
Dans chaque groupe, des détails d’accessibilité ont aussi été manqués : tantôt des formulaires sans libellés, tantôt des boutons d’icône sans nom.

Cette fois, apple-design a la moyenne la plus élevée et ui-ux-pro-max la variation la plus faible. Ce que je vais réutiliser, c’est la méthode d’évaluation suivante.
À l’avenir, je ne jugerai plus un Skill à partir d’une belle capture d’écran : je lancerai d’abord 3 exécutions, puis je vérifierai le téléphone, le clavier, la réduction des effets animés et les cas d’échec. Pour moi, le Skill ressemble davantage à un biais de conception, pas à une garantie de stabilité.