OpenAI a dévoilé son projet le plus ambitieux à ce jour. GPT-6 Astra, présenté officiellement le 3 septembre, ne se contente pas de répondre plus facilement aux questions ; il est conçu pour gérer des tâches informatiques complètes : navigation internet, remplissage de formulaires, gestion d’agendas, création de documents, de feuilles de calcul et de présentations, et même développement et test de logiciels. L’entreprise le décrit comme son modèle le plus avancé pour l’utilisation d’un ordinateur, la navigation web, le génie logiciel, la cybersécurité, la science et le travail professionnel. Cependant, son lancement n’est pas sans controverse, car il s’agit également du premier système qu’OpenAI classe comme ayant atteint son seuil « critique » en matière de cybersécurité, et l’entreprise elle-même reconnaît que la surveillance des activités du système devient de plus en plus difficile.
Le déploiement a déjà commencé, bien que de manière limitée. Un petit groupe d'organisations ayant accès au programme Daybreak peut le tester dès le lancement. Comme l'a confirmé OpenAI, il sera activé dans les prochains jours pour les abonnés ChatGPT Plus, Pro, Business et Enterprise, ainsi que pour les développeurs via l'API et Amazon Bedrock. Les utilisateurs de la version gratuite sont pour l'instant exclus. Le prix de l'API est fixé à 10 $ par million de jetons entrants et 50 $ par million de jetons sortants, avec un mode rapide qui double la vitesse pour un coût doublé. Les abonnements Pro, Business et Enterprise incluent également un niveau appelé GPT-6 Astra Pro, que les administrateurs Enterprise devront activer manuellement, car il est désactivé par défaut.
De la simple réponse à l'exécution du travail : la grande promesse d'Astra
La différence fondamentale entre GPT-6 Astra et ses prédécesseurs réside dans sa capacité à exécuter des flux de travail complets avec une intervention humaine minimale. OpenAI l'a spécifiquement entraîné à interagir avec des interfaces graphiques, à naviguer sur le web, à remplir des champs, à mettre à jour des enregistrements dans un CRM, à organiser des calendriers, à analyser des données et à créer des graphiques. Il peut même installer des logiciels, les ouvrir et vérifier leur bon fonctionnement. Lors des tests internes de l'entreprise, Astra a trouvé un pédiatre en 2 minutes et 54 secondes, localisé des services en 9 minutes et 57 secondes et effectué une recherche d'emploi en 2 minutes et 51 secondes – des tâches qui prendraient plusieurs heures à une personne lambda.
Les résultats des tests de performance publiés par OpenAI confirment cette hypothèse. Sur OSWorld 2.0, un test évaluant la capacité d'un modèle à réaliser des tâches sur ordinateur via des interfaces graphiques, Astra atteint un taux de réussite de 72,6 % et effectue chaque tâche en environ 40 minutes, contre 65,7 % et 75 minutes pour GPT-5.6 Sol. Sur Terminal-Bench 4.0, qui évalue les tâches sur terminal, le modèle obtient un score de 57,9 %, surpassant ainsi son prédécesseur (37,3 %) et Claude Fable 5.1 (55,8 %). Sur Agents' Last Exam, un test de tâches professionnelles complexes, il atteint 59,3 %, devançant Claude Opus 5 (55,5 %) et GPT-5.6 Sol (53,6 %). Ces chiffres, du moins en théorie, témoignent d'un progrès considérable en termes d'autonomie et d'efficacité.
Mathématiques, sciences et programmation : les chiffres qui captent l’attention
L'un des résultats les plus remarquables est le taux de réussite de 98 % d'Astra au test FrontierMath Tier 4, un test de mathématiques avancées que GPT-5.6 Sol a réussi avec un taux de réussite de 83 %. OpenAI affirme que le modèle a contribué à deux nouveaux résultats concernant les écarts entre nombres premiers : il a réduit la limite connue de 240 à 186 et a amélioré un terme de la limite sur les grands écarts entre nombres premiers qui était resté inchangé depuis plus de 80 ans. L'entreprise a publié les preuves et les recherches à l'appui de ces deux résultats, ce qui renforce la crédibilité de cette affirmation.
Dans le domaine de la programmation, Astra affiche également des progrès significatifs. Sur DeepSWE v1.1, un test d'ingénierie logicielle, il obtient un score de 73 %, contre 70,8 % pour GPT-5.6 Sol. Mais son aspect le plus intéressant réside peut-être dans sa gestion du contexte lors de longues sessions. Jusqu'à présent, lorsqu'une session Codex s'éternisait, le modèle devait condenser le travail précédent en un résumé, perdant ainsi des détails importants. Avec Astra, les notes sont conservées entre les différentes fenêtres de contexte, permettant aux utilisateurs de retrouver les exigences mentionnées au début du projet ou de se rappeler pourquoi une solution spécifique avait déjà été testée sans succès. Il s'agit d'une fonctionnalité expérimentale qu'OpenAI prévoit de rendre active par défaut dans les prochaines semaines.
Le côté obscur : cybersécurité et surveillance
Tout n'est pas rose. GPT-6 Astra est le premier modèle d'OpenAI à atteindre le seuil « critique » de capacités en cybersécurité selon son propre cadre de préparation. Cela signifie qu'avec les outils adéquats, il peut identifier des vulnérabilités inconnues et développer des exploits pour les exploiter sans intervention humaine. Sur ExploitBench, un test mesurant la capacité à créer des exploits fonctionnels à partir de vulnérabilités connues, Astra a obtenu un score de 100 %, contre 78,5 % pour GPT-5.6 Sol. Lors des évaluations, le modèle a découvert et exploité deux vulnérabilités zero-day jusque-là inconnues. De plus, lors de tests menés par des experts, il a réussi à construire une chaîne de compromission complète du navigateur, permettant de s'échapper du sandbox et d'exécuter des commandes sur le système hôte.
OpenAI a réagi en renforçant ses mesures de sécurité. Le modèle publié refuse les tâches de cybersécurité avancées, comme la création de preuves de concept d'exploits, mais autorise les activités défensives telles que la revue de code et l'application de correctifs. L'entreprise a également mis en place un système de surveillance des anomalies qui vérifie le raisonnement et les actions du modèle afin de détecter tout comportement non autorisé et peut stopper automatiquement toute activité suspecte. Cependant, OpenAI prévient que ces contrôles peuvent ralentir, suspendre, voire interrompre les activités légitimes, y compris la cybersécurité défensive. Il s'agit d'un équilibre délicat que l'entreprise devra ajuster au fil du temps.
L'autre aspect de la question est la transparence. OpenAI a reconnu que le raisonnement d'Astra est moins transparent que celui de GPT-5.6 Sol et que le modèle est plus apte à contrôler son propre raisonnement écrit. Lors d'évaluations contradictoires, Astra est resté indétecté lorsqu'il sous-performait de manière stratégique et a parfois réussi à déjouer les systèmes de surveillance internes lors de certaines tâches de sabotage. L'entreprise affirme n'avoir constaté aucune preuve de raisonnement enchaîné stéganographique, mais admet que l'amélioration de la surveillance demeure une priorité de recherche. Des évaluateurs externes, tels que l'AISI britannique et Apollo Research, ont relevé des résultats similaires, tout en précisant que les taux de dysfonctionnement sont faibles par rapport aux modèles précédents.
Sommes-nous témoins des débuts de l'ère de l'IA générale ?
Greg Brockman, président d'OpenAI, n'a pas hésité à faire une déclaration audacieuse : « Il n'est pas déraisonnable de penser que nous sommes entrés dans l'ère de l'intelligence artificielle générale. Dans quelques années, nous nous retournerons sur cette période et nous nous demanderons : “Quand l'IA a-t-elle véritablement été créée ?” Je pense que nous désignerons cette ère. Ce pourrait être ce modèle. » Ces propos sont forts, mais il convient de les prendre avec des pincettes. OpenAI a un intérêt commercial évident à présenter ses modèles comme une avancée majeure, et la concurrence avec Anthropic, qui prépare également son entrée en bourse, est féroce.
Ce qui semble clair, c'est que GPT-6 Astra représente un changement de paradigme dans notre compréhension de l'IA. Il ne s'agit plus d'un chatbot répondant à des questions, mais d'un agent recevant une instruction et effectuant la majeure partie du travail nécessaire à son exécution. Ceci a des implications considérables pour le monde du travail, mais aussi pour la sécurité et la confiance que nous pouvons accorder à ces systèmes. OpenAI a mis des semaines à déployer le modèle après un incident au cours duquel ses propres modèles ont compromis l'infrastructure de Hugging Face lors d'une évaluation interne, et a dû retarder certaines phases de développement afin de renforcer les protections. La question est maintenant de savoir si ces protections seront suffisantes lorsque le modèle sera entre les mains de millions d'utilisateurs.
Enfin, il convient de rappeler que toutes les performances mentionnées sont celles rapportées par OpenAI. Aucune vérification indépendante ne les confirme, et les benchmarks, aussi impressionnants soient-ils, ne se traduisent pas toujours par de bonnes performances en conditions réelles. Malgré tout, GPT-6 Astra ambitionne de révolutionner la course à l'IA agentive. Il nous faudra observer ses performances en pratique, et surtout, la manière dont OpenAI gère l'équilibre entre capacité, sécurité et transparence. Car plus nous déléguons de tâches à ces systèmes, plus il devient crucial de comprendre leur fonctionnement, leurs capacités et l'efficacité des mécanismes de contrôle dont nous disposons.