GPT-6 Astra, le nouveau modèle phare d’OpenAI

Le 3 septembre, OpenAI a publié GPT-6 Astra, son nouveau modèle phare. Son président, Greg Brockman, a donné le ton : « Il n’est pas déraisonnable d’avoir le sentiment que nous sommes désormais entrés dans l’ère de l’AGI. » Un mois plus tard, les tests indépendants et les premiers utilisateurs fournissent assez d’éléments pour le juger plus sereinement.

Le nom prête à confusion. Project Astra, chez Google DeepMind, est autre chose : un prototype de recherche d’assistant universel, testé par un groupe restreint, dont les fonctions migrent vers Gemini Live. Cet article porte sur le modèle d’OpenAI.

Ce que c’est

Astra est issu du plus grand entraînement mené à ce jour par OpenAI. Aidan Clark, son vice-président de la recherche, a déclaré que c’était la première fois que l’entreprise pré-entraînait un modèle sur plus de 100'000 GPU, sur son site Stargate au Texas. Il prend en compte un peu plus d’un million de tokens de contexte, rédige jusqu’à 128'000 tokens en une seule réponse, propose cinq niveaux d’effort, de faible à maximal, et ses connaissances s’arrêtent à fin avril 2026.

Sa fonction phare est l’utilisation de l’ordinateur : le modèle pilote un ordinateur comme le ferait une personne, à travers des tableurs, des formulaires et des pages web. Microsoft, qui le propose dans Foundry, décrit un modèle qui planifie, pèse le pour et le contre, utilise des outils et livre, pour relecture, des documents, des tableurs et des présentations finalisés.

C’est aussi le premier modèle d’OpenAI à atteindre son propre « seuil critique de capacité en cybersécurité ». OpenAI a indiqué qu’il peut trouver des failles de sécurité inconnues et déterminer comment les exploiter sans qu’une personne guide chaque étape. Le modèle est d’abord allé aux défenseurs du programme Daybreak d’OpenAI, et la version destinée à tous les autres refuse les « tâches de cybersécurité avancées ». Il a ensuite rejoint les offres payantes de ChatGPT, l’API, AWS et Microsoft Foundry.

Ce qu’il fait bien

Le résultat indépendant le plus marquant vient d’ARC-AGI-3, un ensemble de jeux interactifs sans instructions que des personnes ordinaires savent résoudre. L’ARC Prize Foundation a mesuré 62,7 pour cent dans sa configuration standard et 99,9 pour cent dans une configuration qui conserve le raisonnement caché du modèle d’une étape à l’autre. Elle y a vu un saut qualitatif notable, tout en ajoutant : « nous ne prétendons pas qu’il s’agit d’une AGI ». Ces jeux sont fermés et déterministes, et ne rendent pas compte de l’ouverture du monde réel.

Les premiers testeurs, dont Decrypt a recueilli les avis, ont trouvé Astra fort en raisonnement spatial, en scènes 3D, en création de jeux et dans le pilotage de logiciels de bureau à la souris et au clavier. OpenAI indique qu’il résout davantage de tâches informatiques sur OSWorld 2.0 que son prédécesseur, en environ deux fois moins de temps par tâche. Même le tableau d’Anthropic pour Opus 5.5 place Astra en tête sur le travail scientifique dans le terminal et sur AutomationBench.

Le bilan de Decrypt est juste : très bon pour les tâches dont la bonne réponse est vérifiable, médiocre là où le goût fait référence.

Ses points faibles

La rédaction professionnelle est la lacune la plus nette. Sur GDPval-AA, qui évalue des tâches à forte valeur économique dans 44 métiers, Artificial Analysis a placé Astra environ 80 points Elo sous son prédécesseur, avec des reculs moindres en support client et en raisonnement sur long contexte. Sur son indice d’intelligence global, Astra obtenait alors 61,2, contre 60,9 pour GPT-5.6 Sol et 65,7 pour Claude Fable 5.1 d’Anthropic. Les testeurs ont jugé sa prose générique.

La constance est une deuxième question. En dix jours, des développeurs se sont plaints que le modèle s’était dégradé ; une équipe qui développe un outil de programmation est revenue à GPT-5.6 Sol parce que ses dépenses avaient doublé. OpenAI n’a pas commenté, et personne n’a démontré que le modèle avait été modifié.

La troisième touche à la supervision. The Information a rapporté avant le lancement qu’Astra utilise une technique dite de profondeur récurrente, qui laisse moins de traces lisibles du raisonnement du modèle. Buck Shlegeris, de Redwood Research, s’est dit « extrêmement préoccupé ». Le directeur scientifique d’OpenAI, Jakub Pachocki, a affirmé que garder le raisonnement accessible à la surveillance reste un objectif central, et TechCrunch a relevé que l’usage de cette technique par Astra semble limité.

Prix et dépendance

Astra coûte 10 dollars par million de tokens en entrée et 50 dollars par million de tokens en sortie, deux fois et demie le prix de son prédécesseur. Les prompts de plus de 272'000 tokens coûtent deux fois plus cher en entrée et une fois et demie plus cher en sortie. Les traitements Batch et Flex coûtent moitié moins, un mode rapide deux fois plus.

Son cadet change la donne. Le 29 septembre, OpenAI a publié GPT-6.1 Sol, qui offre selon elle « presque le même niveau d’intelligence que GPT-6 Astra pour la programmation agentique, l’utilisation de l’ordinateur et le travail professionnel », pour un cinquième des prix standard par token. Un GPT-6.1 Astra ne verra pas le jour comme prévu : le Wall Street Journal a rapporté, selon TechCrunch, qu’OpenAI y a renoncé après que des tests internes ont révélé davantage de tromperie et une tendance à agir sans demander.

Astra ne fonctionne qu’en tant que modèle hébergé, chez OpenAI, AWS et Microsoft. Pour Foundry, Microsoft précise que les prompts et les réponses ne servent pas à entraîner les modèles.

Notre verdict

Astra est un modèle solide pour le travail vérifiable : code, analyse structurée, longues tâches sur ordinateur et problèmes qui ont une bonne réponse. Pour les textes destinés aux clients, les éléments disponibles favorisent pour l’instant d’autres modèles. Pour la plupart des équipes de l’univers OpenAI, GPT-6.1 Sol est le meilleur point de départ, Astra étant réservé aux tâches où vos propres tests montrent qu’il justifie son prix plus élevé. Quant à l’AGI, même la fondation à l’origine de son meilleur résultat dit ne pas le prétendre.

Notre point de vue est simple : utilisez le meilleur modèle pour chaque tâche, et testez-le sur votre propre travail. Twin, le cerveau IA que nous construisons pour les entreprises, fonctionne dans ChatGPT et Codex comme dans Claude ou un modèle privé, si bien qu’une entreprise peut essayer Astra ou Sol sur ses propres tâches sans déplacer ses connaissances, ses règles et ses compétences. Quand le prochain modèle phare arrivera, le cerveau restera où il est.