Note de lecture. Cet article s'appuie sur l'annonce publique de GPT-6 Astra du 3 septembre 2026, sur la publication d'ARC Prize concernant les résultats ARC-AGI-3, et sur le reporting disponible à la date d'écriture. Les chiffres de benchmarks et de tarif proviennent d'OpenAI ou de tiers identifiés ; nous les citons tels quels et signalons ce qui reste à vérifier de façon indépendante.

En une phrase

Le 3 septembre 2026, OpenAI a dévoilé GPT-6 Astra, successeur de GPT-5.6 Sol, et Greg Brockman, son président, a clos la conférence de presse par un « Welcome to the AGI era » — bienvenue dans l'ère de l'AGI (artificial general intelligence, intelligence artificielle générale). Nous pensons que la vraie nouvelle n'est pas cette phrase, qu'aucune institution ne peut valider, mais un déplacement plus sobre : Astra ne se contente plus de produire du texte, il pilote un ordinateur. Et le chiffre le plus commenté du lancement — 99,9 % sur ARC-AGI-3 — s'effondre à 62,7 % dès qu'on change l'échafaudage autour du modèle. C'est cet écart, plus que le mot AGI, qui nous paraît instructif.

1. Ce qui a été annoncé, sans le vernis

Reprenons les faits avant de discuter de leur sens.

Le modèle. Astra succède à GPT-5.6 Sol, dont nous avions analysé le découpage en juillet. OpenAI le décrit comme son modèle le plus capable à ce jour en utilisation d'ordinateur, en ingénierie logicielle et en travail scientifique. Il est issu, selon l'entreprise, de son plus gros entraînement jamais réalisé — de l'ordre de 100 000 processeurs graphiques sur son site Stargate au Texas — et c'est le premier de ses modèles dont l'entraînement aurait été supervisé, en partie, par d'autres modèles.

Les capacités mises en avant. Remplir des formulaires en ligne, mettre à jour une fiche client, organiser un agenda, mener une recherche, produire des documents, des feuilles de calcul et des présentations. Les démonstrations rapportées par la presse vont de la préparation fiscale au rendu architectural, en passant par la recherche d'emploi et la mise en forme de documents juridiques.

Les chiffres, tels que publiés :

  • OSWorld 2.0 (pilotage d'un système d'exploitation) : 72,6 %, avec environ 47 % de temps en moins par tâche que GPT-5.6 Sol.
  • ExploitBench (cybersécurité offensive) : 100 %, Astra ayant découvert au passage deux vulnérabilités zero-day — des failles inconnues des éditeurs, donc sans correctif disponible.
  • ARC-AGI-3 : 62,7 % avec le harnais standard d'ARC Prize, 99,9 % avec un adaptateur spécifique à OpenAI. Nous y revenons longuement en section 3.

La diffusion. D'abord un cercle restreint d'organisations via le programme Daybreak Access, puis les formules ChatGPT Plus, Pro, Business et Enterprise, l'API — l'interface par laquelle un programme tiers appelle le modèle à distance — sous le nom gpt-6-astra, et Amazon Bedrock. Le tarif API annoncé est de 10 $ par million de tokens en entrée et 50 $ en sortie, avec un mode rapide à deux fois le prix.

Notons tout de suite ce dernier point, parce qu'il tranche avec les douze derniers mois. GPT-5.6 Sol était à 5 $ / 30 $. Astra double l'entrée et augmente la sortie de deux tiers. Après une année de baisses continues du prix de l'intelligence, le haut de gamme remonte. Ce n'est pas une contradiction : c'est le signe qu'OpenAI ne vend plus une réponse, mais du temps de travail.

2. Le déplacement réel : de l'IA qui répond à l'IA qui exécute

Depuis ChatGPT, nous utilisons l'intelligence artificielle comme une interface conversationnelle. Elle écrit, traduit, résume, programme, analyse. L'utilisateur demande : « Comment fait-on ceci ? »

Astra pousse un autre modèle d'usage, celui qu'on appelle l'IA agentique : le système reçoit un objectif, décompose le problème, utilise plusieurs outils, navigue entre des applications, vérifie son propre travail et poursuit sur plusieurs étapes. La question devient : « Fais-le. »

C'est un changement de nature, pas de degré. Un modèle qui répond produit du texte que quelqu'un doit ensuite exécuter. Un modèle qui agit produit des effets — un formulaire envoyé, un enregistrement modifié, un fichier écrit, un message parti. L'erreur ne se corrige plus en relisant : elle se corrige en réparant.

Pour une entreprise, cela transforme potentiellement le modèle en collaborateur numérique polyvalent. Recherche documentaire, préparation de dossier, analyse financière, développement, mise en page d'un rapport : autant de tâches délégables. Économiquement, ce déplacement nous paraît plus important que le débat sur le mot AGI — et nettement plus vérifiable.

3. Le 99,9 % sur ARC-AGI, et pourquoi il faut le lire deux fois

C'est le chiffre qui a circulé le plus vite, et celui qui mérite le plus d'attention.

ARC-AGI est une famille de tests conçue pour mesurer autre chose que la mémorisation : la capacité d'un système à comprendre et résoudre des environnements qu'il n'a jamais vus. Sa troisième version, ARC-AGI-3, place le modèle dans des mondes interactifs inconnus dont il doit inférer les règles en jouant.

Les résultats publiés par ARC Prize sont les suivants :

  • Avec le harnais standard — l'interface minimale et identique pour tous les modèles — Astra obtient 62,7 %.
  • Avec un adaptateur fournisseur, une infrastructure taillée pour les mécanismes propres à OpenAI, qui conserve l'état de raisonnement du modèle entre les requêtes et compacte les échanges longs, il atteint 99,9 %.

À titre de comparaison, GPT-5.6 Sol était à 7,8 % et Claude Opus 5 à 30,2 %. Même à 62,7 %, la progression est considérable. Et ARC Prize note qu'Astra a utilisé moins d'actions que l'humain médian testé sur 96 % des niveaux.

Mais l'écart entre les deux chiffres n'est pas un détail méthodologique. Il dit quelque chose d'important :

« L'intelligence d'un système moderne ne réside plus seulement dans le modèle. Elle réside dans ce qui l'entoure — mémoire, contexte, outils, persistance. »

Le même modèle, avec une meilleure mémoire de travail et une meilleure gestion du contexte, passe de « très bon » à « saturé ». La capacité mesurée est donc celle du couple modèle + échafaudage, pas celle du modèle seul. ARC Prize, du reste, ne revendique aucune AGI.

Nous en tirons une hypothèse de travail, qui vaut aussi pour les petites structures : si une part importante de la performance vient de l'échafaudage, alors l'écart entre un modèle frontière et un modèle plus modeste bien outillé est plus étroit qu'il n'y paraît. C'est une bonne nouvelle pour qui construit avec des moyens contraints.

4. Le seuil « critique » en cybersécurité

Astra franchit un autre seuil, moins réjouissant. C'est le premier modèle qu'OpenAI classe au niveau le plus élevé de son propre cadre de risque pour les capacités cyber autonomes. Le 100 % sur ExploitBench, obtenu en découvrant deux failles inédites, en est l'illustration.

La difficulté est structurelle, pas morale : la compétence qui permet de trouver une faille pour la corriger est exactement celle qui permet de l'exploiter. Il n'existe pas de version défensive-seulement de cette capacité.

OpenAI répond par la restriction : les usages cyber avancés sont réservés à des utilisateurs et professionnels jugés fiables. C'est une réponse raisonnable, et c'est aussi un aveu — celui que la maîtrise passe désormais par le contrôle d'accès plutôt que par les propriétés du modèle. Jakub Pachocki, scientifique en chef d'OpenAI, reconnaît lui-même que cerner précisément ce dont ces systèmes sont capables devient plus difficile à mesure qu'ils progressent.

Nous notons au passage la cohérence avec ce que nous écrivions à propos de Fable 5 : plus une capacité est jugée sensible, plus son accès devient conditionnel. Le robinet existe, et quelqu'un a la main dessus.

5. AGI : un mot que personne ne peut certifier

Le problème de l'annonce n'est pas qu'elle soit exagérée. C'est qu'elle est invérifiable.

Il n'existe aucune définition consensuelle de l'intelligence artificielle générale. Dans sa charte, OpenAI la décrit historiquement comme des systèmes hautement autonomes surpassant les humains dans la plupart des activités économiquement utiles — une définition strictement économique, qui n'exige ni conscience, ni émotions, ni pensée « à la manière humaine ». Selon ce critère, la frontière devient effectivement difficile à tracer.

Mais aucune autorité ne délivre de certificat d'AGI. Aucun benchmark unique ne tranche — et la section précédente montre que le benchmark le plus symbolique donne deux réponses opposées selon l'outillage employé.

L'ironie est que la prudence la mieux formulée vient d'OpenAI même : Sam Altman répète depuis un moment que l'AGI « n'est pas un terme très utile », précisément parce que chacun l'emploie avec sa propre définition. On peut donc se retrouver dans une situation où l'entreprise produit une technologie considérable tout en étant incapable de dire scientifiquement : voilà, à cet instant, l'AGI existe.

Notre lecture : « ère de l'AGI » relève ici du registre de la conviction et de la communication, pas de la mesure. Cela ne disqualifie pas Astra. Cela déplace simplement la charge de la preuve vers ce qui, lui, se mesure — le travail réellement accompli.

6. La question qui se mesure : combien de travail ?

Remplaçons donc « Astra est-il une AGI ? » par une question auditable :

Quelle part de travail humain un système comme Astra peut-il accomplir de bout en bout, sans reprise ?

Si un agent reçoit une mission le matin, utilise plusieurs logiciels, effectue des recherches, produit des documents et rend un travail exploitable quelques heures plus tard, les conséquences économiques n'ont pas besoin du label AGI pour être considérables. Elles concerneraient progressivement le développement, l'administration, le conseil, la finance, la communication, le juridique, la recherche, l'ingénierie.

Trois réserves, cependant, avant de conclure quoi que ce soit :

  • Le taux de reprise est inconnu. Un agent qui réussit 72,6 % de tâches de bureau échoue sur plus d'une sur quatre. En production, le coût d'une tâche ratée n'est pas nul : il faut la détecter, la comprendre, la refaire.
  • Le prix a monté. À 10 $ / 50 $ le million de tokens, une tâche agentique longue — qui consomme du contexte et produit beaucoup — n'est pas anodine. La rentabilité dépendra du volume de reprises.
  • Les démonstrations sont maison. Elles sont conçues pour réussir. La diffusion générale, dans les semaines à venir, dira ce qu'il en reste hors du laboratoire.

7. Signaux à surveiller

  1. Les mesures indépendantes sur OSWorld et ExploitBench. Les chiffres d'annonce tiennent-ils face à des évaluations tierces, sur des tâches non anticipées ?
  2. L'écart entre les deux harnais ARC-AGI. Si la communauté converge vers des échafaudages ouverts comparables, l'écart 62,7 / 99,9 devrait se réduire. S'il persiste, il faudra admettre que la performance frontière est en partie propriétaire par l'infrastructure, pas seulement par les poids.
  3. La trajectoire du prix. Astra remonte le tarif du haut de gamme. La question est de savoir si un palier intermédiaire moins cher suivra, comme Terra l'avait fait pour Sol. C'est ce palier-là, et non le vaisseau amiral, qui décide de ce qui est accessible à une petite structure.
  4. Le régime d'accès aux capacités cyber. Restriction transitoire ou norme durable ? La réponse dessinera la gouvernance des modèles suivants.
  5. Les premiers retours d'usage agentique réel. Pas les démonstrations : les récits d'entreprises ayant confié une vraie mission à Astra, et le taux de reprise qu'elles constatent.

8. Un mot situé

Nous écrivons depuis La Réunion, à 9 000 km de la Silicon Valley. D'ici, l'annonce d'une « ère de l'AGI » ne se lit pas comme un événement historique, mais comme un changement de conditions d'exercice.

Ce qui nous concerne directement tient en trois points.

D'abord, l'échafaudage compte autant que le modèle. C'est l'enseignement le plus actionnable du lancement. Nous n'aurons jamais 100 000 processeurs graphiques ; nous pouvons en revanche soigner la mémoire, le contexte, l'outillage et la boucle de vérification autour d'un modèle plus modeste. Une part du chemin entre 62,7 % et 99,9 % passe par là, et cette part-là est à notre portée.

Ensuite, le prix remonte en haut de gamme. La baisse continue du coût du token ne vaut pas pour la frontière. Pour un acteur insulaire, la stratégie raisonnable n'est pas de courir après Astra, mais de savoir précisément quelles tâches justifient un modèle à 50 $ le million de tokens en sortie — et de faire tout le reste ailleurs.

Enfin, une capacité louée reste révocable. Plus un outil devient puissant et sensible, plus son accès devient conditionnel. Nous continuons de penser qu'il faut consommer l'abondance sans en devenir prisonnier : utiliser les meilleurs outils, et garder à côté une capacité modeste que personne ne peut débrancher.

Nous avons longtemps imaginé l'arrivée de l'intelligence artificielle générale comme une scène : un laboratoire allume une machine, et le monde comprend. La réalité semble moins cinématographique. Les modèles écrivent mieux, puis raisonnent mieux, puis utilisent des outils, puis un ordinateur, puis travaillent plusieurs heures. Quand nous demanderons enfin à quel moment l'AGI est arrivée, il sera peut-être déjà impossible de situer la frontière.

Il est trop tôt pour affirmer qu'OpenAI a créé une intelligence artificielle générale. Il devient difficile de traiter ces systèmes comme de simples agents conversationnels. Entre les deux, il reste une chose à faire, et elle n'est pas spectaculaire : mesurer le travail réellement accompli, et construire en conséquence. 汎

Sources et lectures complémentaires

Ce document est mis à jour si des éléments nouveaux apparaissent. Dernière révision : 文 4 septembre 2026.