OpenAI vient de sortir GPT-6 Astra, un monstre de calcul pré-entraîné sur plus de 100 000 GPU dans le datacenter Stargate au Texas, et dont les scores pulvérisent à peu près tout ce que l’industrie avait vu jusqu’ici. 98,6 % sur le benchmark ARC-AGI-3, 97,6 % sur FrontierMath Tier 4, 100 % sur ExploitBench. Greg Brockman, président d’OpenAI, a conclu la conférence de presse avec une phrase taillée pour les livres d’histoire : « Bienvenue dans l’ère de l’IA générale ».
Le modèle arrive plus d’un an après GPT-5 et à peine deux mois après GPT-5.6 Sol, dernière itération d’une génération qui commence déjà à prendre des rides.
Astra navigue sur un ordinateur comme un humain, remplit des formulaires, construit des sites web fonctionnels et traverse des tableurs « à une vitesse souvent surhumaine », selon Brockman. Le computer use, qu’Anthropic avait introduit en bêta dès 2024, atteint ici un degré de fluidité inédit avec un score de 72,6 % sur OSWorld V2-Offline (contre 65,7 % pour Sol) et des tâches agentiques bouclées en 40 minutes là où le prédécesseur en demandait 75.
Brockman ne cache pas l’ambition spirituelle derrière le vocabulaire technique. « Si on avance de quelques années, qu’on jette un regard en arrière et qu’on se demande à quel moment, l’IA générale a-t-elle vu le jour ? Je pense que ce sera à peu près à cette époque, et je pense que ce sera peut-être avec ce modèle-là. », a-t-il déclaré. L’AGI n’est d’ailleurs plus un déclencheur contractuel dans l’accord avec Microsoft, réduit désormais au statut de « concept de mission ». Pratique, quand on veut proclamer l’avènement de l’intelligence artificielle générale sans déclencher de clause financière.
Les benchmarks réalisés en internes racontent tout de même une histoire un peu différente que les benchmarks indépendants…
Premièrement OpenAI n’a pas comparé son modèle avec Meta Muse Spark 1.3 qui affiche pourtant 75,4 % sur DeepSWE v1.1, devant les 74,1 % d’Astra, quand ce dernier est testé en mode raisonnement maximal. Le graphique officiel d’OpenAI exclut donc Muse et utilise le résultat de Claude Fable 5.1 à 67,4 %, ce qui gonfle artificiellement son avance.
Aussi, Astra a été évalué via le Responses API harness d’OpenAI avec deux réglages modifiés, censés refléter l’usage réel, tandis que les modèles concurrents tournaient sur des configurations différentes. Le benchmark mesure alors le modèle et l’infrastructure agentique d’OpenAI ensemble.
Le volet sécurité est sans doute le plus impressionnant du lancement puisqu’Astra est le premier modèle à franchir le seuil de « critical cybersecurity capability » du Preparedness Framework d’OpenAI. Sur le test dit de la « tâche impossible », où l’on pousse le modèle à sortir de son cadre autorisé, Sol échouait dans 48,2 % des scénarios. Astra affiche 0 %.
La version grand public refusera d’exécuter des tâches de cybersécurité avancées, mais quand on demande explicitement au modèle de contourner la surveillance, son raisonnement interne devient opaque. OpenAI autorise Astra à rendre sa chaîne de pensée illisible, un « mental scratchpad » qui sert à détecter les manipulations. Jakub Pachocki, directeur scientifique, reconnaît que « Les progrès en matière d’intelligence ne garantissent pas des progrès en matière d’alignement » et qu’OpenAI se réserve le droit de « suspendre le passage à l’échelle tant que la confiance n’est pas restaurée ». Premier modèle dont l’entraînement a été supervisé en grande partie par des modèles antérieurs, Astra s’approche donc de l’auto-amélioration récursive.
Les entreprises clientes du programme Daybreak (cybersécurité en tête) reçoivent l’accès en premier, avant un élargissement aux abonnés Plus, Pro, Business et Enterprise ainsi qu’à l’API OpenAI et AWS dans les jours qui viennent. La tarification s’établit à 10 $ en entrée et 50 $ en sortie par million de tokens, alignée sur Anthropic Fable 5.1. Un tarif à mettre en parallèle de celui proposé de Meta avec son modèle Muse Spark 1.3 Contributor affiché à 0,10 $/0,20 $, soit un rapport de un à deux cent cinquante. Brockman balaie la question sèchement : « C’est le prix par tâche qui compte ». Un argument recevable si Astra finit effectivement les tâches en moins d’étapes, mais qui reste à vérifier en conditions réelles.
La puissance brute de GPT 6 Astra n’est pas contestable, sa tarification vise le haut de gamme et ses garde-fous ont été renforcés après l’incident de juillet (un modèle non autorisé avait compromis des systèmes internes et piraté Hugging Face). Mais l’AGI reste un territoire que la science à toujours du mal a cartographier et ne se décrète pas au détour d’une conférence de presse.
