GPT-6 Astra prend le contrôle de l’ordinateur sous surveillance renforcée

OpenAI lance GPT-6 Astra, un modèle généraliste conçu pour utiliser un ordinateur, programmer, naviguer sur le Web et mener des tâches scientifiques, avec des capacités cyber classées au seuil critique.

Remplir un formulaire, mettre à jour un fichier client, chercher un appartement, corriger une application ou construire un circuit dans KiCad. Avec GPT-6 Astra, OpenAI ne présente plus l’usage de l’ordinateur comme une fonction spécialisée. Le modèle doit pouvoir observer une interface, choisir ses actions, vérifier leur résultat et poursuivre une tâche pendant plusieurs dizaines de minutes.

GPT-6 Astra succède à GPT-5.6 Sol au sommet de la gamme généraliste d’OpenAI. L’entreprise le décrit comme son modèle le plus performant pour l’utilisation de l’ordinateur, la navigation, la programmation, la cybersécurité, les sciences et le travail professionnel.

Le déploiement commence auprès d’un nombre limité d’organisations avant une ouverture progressive aux abonnés ChatGPT Plus, Pro, Business et Enterprise. Les comptes Pro, Business et Enterprise doivent aussi recevoir GPT-6 Astra Pro, une version destinée aux demandes les plus complexes. Les administrateurs Enterprise doivent l’activer manuellement, l’accès étant désactivé par défaut au lancement.

Le modèle arrive également dans l’API sous l’identifiant `gpt-6-astra`, puis chez Microsoft Azure et Amazon Bedrock. Le tarif standard est fixé à 10 dollars par million de tokens en entrée et 50 dollars en sortie. Les lectures et écritures depuis le cache suivent une grille distincte.

Ces prix représentent une hausse par rapport à GPT-5.6 Sol, facturé 5 dollars en entrée et 30 dollars en sortie. Astra coûte donc deux fois plus cher pour les entrées et environ 67 % de plus pour les sorties. OpenAI affirme compenser une partie de cet écart par des réponses plus courtes et un nombre réduit de tentatives sur certaines tâches.

Un mode Fast promet jusqu’à deux fois plus de vitesse, pour un tarif doublé. Il porterait la facturation à l’équivalent de 20 dollars par million de tokens en entrée et 100 dollars en sortie si le multiplicateur annoncé est appliqué directement. La société ne fournit pas encore de garantie de latence uniforme selon la charge, la région ou les outils utilisés.

L’usage dans ChatGPT est compris dans les quotas existants des abonnements concernés. Des crédits supplémentaires pourront être achetés une fois les limites atteintes. Aucun accès aux comptes gratuits n’est annoncé.

La principale évolution concerne l’association du raisonnement et de l’action. Astra ne se contente pas de produire des instructions destinées à une personne. Il peut agir dans un navigateur ou un logiciel, interpréter ce qui s’affiche, entrer des données et modifier son parcours lorsque l’interface ne correspond pas à ce qu’il attendait.

Les démonstrations publiées couvrent des tâches très différentes : recherche d’un pédiatre, prise de rendez-vous administratif, comparaison d’appartements, préparation d’un formulaire fiscal, contrôle qualité d’un site, analyse dans Power BI, mise en page juridique et création d’un jeu.

Dans un exemple plus technique, le modèle travaille directement dans KiCad pour passer d’un schéma électronique à l’agencement d’un circuit imprimé. Il place les composants et trace leurs connexions dans le logiciel, une opération qui exige de comprendre la structure du projet en plus de manipuler l’interface.

OpenAI présente aussi une maison modélisée dans Blender puis importée dans Unreal Engine 5 afin de produire un environnement visitable. L’exemple montre la capacité à passer d’un logiciel à un autre, mais ne constitue pas une mesure de la qualité architecturale, de la conformité du bâtiment ou de l’optimisation du projet.

Dans ChatGPT, la fonction Sites doit exploiter Astra pour créer et héberger des sites, des applications Web et des jeux depuis une instruction. Le modèle peut produire le code, lancer le projet, inspecter le rendu et corriger les problèmes rencontrés. Cette boucle rapproche la génération d’une prestation exécutée, même si une validation humaine reste nécessaire avant toute mise en ligne sensible.

OpenAI mesure cette aptitude sur Agents’ Last Exam, un benchmark consacré à des tâches professionnelles réalisées dans de véritables logiciels. Astra obtient 59,3 %, contre 55,5 % pour Claude Opus 5 et 53,6 % pour GPT-5.6 Sol dans le tableau publié.

L’entreprise indique qu’Astra utilise environ 65 % de tokens de sortie en moins que Claude Opus 5 dans les configurations ayant produit les meilleurs scores. Cette comparaison dépend du niveau de raisonnement, des outils et des limites accordées à chaque modèle. Un nombre inférieur de tokens peut réduire le prix et le délai, sans garantir que toutes les étapes intermédiaires soient aussi faciles à vérifier.

Sur OSWorld 2.0, qui mesure l’utilisation autonome d’environnements informatiques, Astra atteint 72,6 % en consacrant approximativement 40 minutes à chaque tâche. GPT-5.6 Sol obtient 65,7 % en environ 75 minutes. OpenAI en déduit une réduction de 47 % du temps nécessaire.

Ce résultat vient d’une simulation de latence et non d’un chronométrage universel sur tous les appareils. Le temps réel dépend de la connexion, des logiciels sollicités, des validations demandées et du nombre d’actions exécutées.

Dans Codex, OpenAI met aussi à jour le dispositif qui entoure le modèle. L’ensemble formé par ce nouveau système et Astra accomplirait les tâches de Mind2Web 1,9 fois plus rapidement que l’expérience actuelle avec GPT-5.6 Sol. Le gain ne peut donc pas être attribué uniquement au modèle, puisque l’environnement d’exécution a changé en même temps.

Astra adapte aussi sa conduite lorsque la demande laisse des zones floues. OpenAI indique qu’il doit prendre seul les décisions ordinaires, poser une question lorsque la réponse pourrait modifier sensiblement le résultat et attendre une validation pour les choix lourds de conséquences.

Dans Codex, ces questions peuvent être envoyées sans immobiliser tout le travail. Le modèle continue les étapes indépendantes de la réponse, puis réintègre les informations lorsqu’elles arrivent. Sans retour, il peut avancer avec une hypothèse raisonnable pour les décisions mineures,