OpenAI veut mesurer l'IA à l'épreuve de la vie quotidienne avec LifeVal

Garde d'enfants, démarches, finances : OpenAI crée LifeVal pour évaluer la capacité de ses modèles à accomplir des tâches concrètes du quotidien.

Trouver une école après un déménagement, organiser des bénévoles face à une inondation, gérer un budget familial ou accompagner un parent malade. Autant de situations ordinaires qui échappent aux évaluations traditionnelles de l'intelligence artificielle, généralement centrées sur les mathématiques, la programmation ou les connaissances scientifiques.

Avec LifeVal, OpenAI propose de mesurer autre chose : la capacité de ses modèles à aider concrètement les utilisateurs dans leur quotidien. L'objectif n'est plus seulement d'obtenir une réponse pertinente, mais de vérifier si une IA peut accomplir une succession d'actions conduisant à un résultat utile.

Cette orientation accompagne la transformation progressive de ChatGPT, que l'entreprise souhaite faire évoluer d'un assistant conversationnel vers un outil capable d'effectuer des démarches, de coordonner des informations et d'interagir avec différents services. 3 995 personnes interrogées pour définir les priorités

Plutôt que de construire son évaluation uniquement autour de compétences techniques, OpenAI est parti des activités qui occupent réellement le temps des individus.

Les chercheurs se sont appuyés sur deux grandes enquêtes existantes, l'American Time Use Survey et la Multinational Time Use Study, qui documentent la façon dont les populations répartissent leurs journées entre travail, obligations domestiques, loisirs et responsabilités familiales.

OpenAI a complété ces données par une enquête auprès de 3 995 personnes, constituant un échantillon présenté comme représentatif sur le plan démographique. Les participants devaient notamment identifier les activités pour lesquelles l'assistance d'une intelligence artificielle leur serait la plus précieuse.

Les réponses ont permis de définir plusieurs domaines prioritaires : garde et accompagnement des proches, santé, éducation, gestion administrative du foyer, finances personnelles, achats et accès aux services publics.

Le choix de ces catégories révèle un déplacement dans la manière d'évaluer les modèles. Une IA peut exceller dans une démonstration scientifique tout en se montrant incapable de comparer correctement des établissements scolaires, d'organiser des démarches administratives ou d'aider une famille à prendre une décision. De 49,3 % à 80,6 % en moins d'un an

OpenAI explique utiliser LifeVal depuis un an pour suivre les progrès de ses modèles et orienter leur entraînement.

Les résultats publiés par l'entreprise montrent une progression importante entre GPT-5.2, qui obtenait un score moyen de 49,3 % en décembre 2025, et GPT-6 Astra, qui atteint 80,6 % en septembre 2026.

Entre les deux, GPT-5.4 enregistrait 73 %, GPT-5.5 atteignait 77,4 % et GPT-5.6 obtenait 80 %. Ces valeurs correspondent à une moyenne non pondérée des récompenses attribuées aux performances des modèles sur les tâches du benchmark, et non à un taux global de missions effectivement accomplies dans des conditions réelles.

La progression est particulièrement marquée entre GPT-5.2 et GPT-5.4, avec un gain de 23,7 points. Elle ralentit ensuite sensiblement : l'écart entre GPT-5.6 et GPT-6 Astra ne représente plus que 0,6 point.

Ce rapprochement des scores ne signifie pas nécessairement que les modèles atteignent leurs limites. Il souligne toutefois que les gains deviennent moins spectaculaires sur cette évaluation, malgré les nouvelles générations successives.

OpenAI met également en avant les améliorations de vitesse et de coût. Selon ses estimations, GPT-6 Astra réalise ces tâches environ 23 % plus rapidement que GPT-5.6, tandis que ce dernier atteint des performances globales proches pour un coût API estimé deux fois inférieur. Trouver un logement, organiser une urgence, accompagner un proche

Les exemples présentés par OpenAI donnent une idée des situations utilisées pour tester ses modèles.

Dans un scénario immobilier, l'assistant doit rechercher une maison correspondant au budget d'une famille, vérifier la présence d'un logement indépendant, tenir compte du trajet domicile-école-travail, puis préparer une démarche administrative liée à l'acquisition. Le meilleur résultat présenté atteint 100 %.

Un autre exercice demande de coordonner des bénévoles pour préparer quatre logements à une éventuelle inondation. Le modèle doit structurer les interventions et produire un plan d'action adapté aux besoins des habitants. Le score affiché est de 98 %.

Les situations familiales occupent également une place importante. OpenAI présente notamment un exercice consacré à l'inscription d'un enfant dans une nouvelle école maternelle après un déménagement, évalué à 93,1 %, ainsi qu'un scénario d'accompagnement alimentaire et organisationnel d'un parent récemment diagnostiqué diabétique, noté à 90,4 %.

Une autre tâche consiste à mettre en place une solution simple pour regarder un événement sportif à distance avec sa grand-mère, avec un dispositif de secours si la diffusion rencontre un problème.

Ces pourcentages correspondent aux meilleurs scores présentés pour certains exercices. Ils ne garantissent ni une réussite systématique ni une autonomie complète de l'assistant. Plusieurs démonstrations se terminent d'ailleurs par une demande de validation ou une décision laissée à l'utilisateur. Le passage de la conversation à l'exécution

LifeVal s'inscrit dans une évolution plus large de ChatGPT, qui repose désormais sur des capacités de navigation web, d'utilisation d'ordinateurs et de connexion à des services externes.

Ces fonctionnalités changent la nature des tâches accessibles à une intelligence artificielle. Là où un assistant conversationnel pouvait expliquer comment réaliser une démarche, un agent peut désormais rechercher des informations, remplir certaines étapes, préparer des documents ou organiser plusieurs actions successives.

Cette distinction est au cœur de la publication de recherche d'OpenAI. Pour l'entreprise, la pertinence d'un assistant personnel ne doit plus être évaluée uniquement à travers la qualité de ses réponses, mais aussi selon sa