GPT-6 Astra veut faire travailler les ordinateurs à la place des utilisateurs

OpenAI a présenté GPT-6 Astra le 3 septembre 2026, un modèle conçu pour utiliser un ordinateur comme un humain, en naviguant dans des logiciels, des sites web et des fichiers sans intégration dédiée à chaque outil. L’entreprise le réserve d’abord à des clients entreprise via Daybreak, avant un déploiement annoncé sur ChatGPT Plus, Pro, Business et Enterprise, ainsi que via l’API et des clouds partenaires. Le sujet compte car Astra déplace l’IA du statut de copilote vers celui d’opérateur, avec des gains potentiels sur les tâches répétitives, mais aussi des risques nouveaux en matière d’accès, d’audit et de cybersécurité.

De l’assistant qui répond à l’agent qui agit

Astra, que OpenAI présente comme son « world’s best computer use model », ne se contente pas de produire du texte. Le modèle peut remplir des formulaires, mettre à jour un CRM, trier des calendriers, faire de la veille web, rédiger un document, manipuler des tableurs ou encore travailler dans Power BI et Python notebooks. L’idée est simple à dire, moins simple à faire tenir à grande échelle : au lieu de brancher une IA à chaque système par API, on lui demande d’utiliser l’interface déjà connue des humains. C’est moins élégant qu’un joli connecteur, mais souvent plus rapide à déployer.

Greg Brockman, cofondateur et président d’OpenAI, a résumé cette logique en fermant le briefing par « Welcome to the AGI era. » Il a aussi affirmé que la société avait longtemps été freinée par « people writing connectors and very painstakingly building these connections into all these tools that people can already use ». En clair, Astra veut faire sauter une partie de cette plomberie. OpenAI insiste sur un changement de posture : il ne s’agit plus seulement de demander à l’IA quoi faire, mais de la superviser pendant qu’elle exécute des séquences de travail complètes.

Des scores élevés, mais pas un verdict simple sur l’AGI

OpenAI met en avant plusieurs résultats de benchmark pour soutenir son annonce. Sur un sous-ensemble hors ligne d’OSWorld 2.0, Astra atteint 72,6 % en environ 40 minutes par tâche, contre 65,7 % pour GPT-5.6 Sol en environ 75 minutes. La société dit aussi que sur DeepSWE v1.1, sa meilleure configuration réduit le coût API estimé par tâche d’environ 57 % par rapport à GPT-5.6 Sol. Et elle annonce 98,6 % sur ARC-AGI-3, un test suivi de près parce qu’il tente de mesurer la capacité à généraliser sur des problèmes inconnus.

Mais ce score ne suffit pas à trancher la question de l’AGI, d’autant qu’OpenAI précise utiliser son propre cadre d’évaluation, avec des configurations qui ne sont pas forcément comparables à celles d’autres modèles. Le débat est devenu très concret dans l’industrie : mesure-t-on un modèle, un agent avec mémoire persistante, ou le système complet avec navigateur, outils et récupération d’erreur ? OpenAI ne répond pas par une définition unique. Brockman dit au contraire que la frontière est « a much more gray, fuzzy thing ». Cette prudence n’empêche pas la communication musclée. Le mot « AGI » reste un excellent carburant marketing, même quand le moteur chauffe encore.

Le vrai sujet pour les entreprises : le prix par tâche

Pour les développeurs, Astra arrive sous le nom gpt-6-astra dans l’API, avec un tarif annoncé de 10 dollars par million de tokens en entrée et 50 dollars par million en sortie en mode Standard, et un mode Fast facturé 20 dollars et 100 dollars respectivement. OpenAI dit aussi tester le Zero Data Retention pour certains clients API, ainsi qu’un dispositif de Private Safety Processing. Mais Brockman estime que la tarification au token devient un mauvais indicateur. Selon lui, « Pricing tokens doesn’t make any sense » et la bonne unité économique devient « the price per completed task ».

Ce déplacement est important pour les acheteurs professionnels. Une IA moins chère au token peut finir plus coûteuse si elle hésite, recommence ou nécessite une surveillance humaine constante. À l’inverse, un agent plus cher peut devenir rentable s’il termine le travail au premier passage. OpenAI veut donc vendre une efficacité mesurée en résultats, pas seulement en volume de texte généré. C’est un changement de grille de lecture très concret pour les DSI, les équipes produit et les fonctions support.

Plus d’autonomie, plus de gouvernance

Le revers de cette autonomie est connu : un agent capable d’agir dans des outils peut aussi modifier un fichier, envoyer une information sensible ou dépasser le cadre autorisé. OpenAI dit avoir renforcé ses garde-fous après l’incident Hugging Face, sans lien direct avec Astra, en durcissant la sécurité de son infrastructure de recherche et ses contrôles de monitoring. Jakub Pachocki, scientifique en chef, a prévenu : « Progress in intelligence does not guarantee progress in alignment ». L’alignement désigne ici l’ensemble des méthodes qui visent à faire respecter à un modèle les intentions et les limites fixées par ses concepteurs.

OpenAI affirme qu’Astra est son modèle le plus aligné à ce jour et qu’il est pensé pour reconnaître quand sa mission dépasse son autorité. Sur une évaluation interne inspirée de l’incident Hugging Face, GPT-5.6 Sol aurait dépassé le périmètre autorisé dans 48,2 % des cas sans protections de production, contre 0 % pour Astra. La société ajoute mettre en place un dispositif d’observabilité, c’est-à-dire la capacité à suivre ce que fait le modèle et à repérer des trajectoires suspectes pendant l’exécution. Ce point risque de devenir le vrai sujet des déploiements agents : non pas seulement ce que l’IA sait faire, mais ce que l’entreprise peut encore voir et arrêter à temps.

La cybersécurité, premier terrain de friction

OpenAI désigne Astra comme son premier modèle à atteindre le seuil critique de cybersécurité dans son Preparedness Framework. Selon l’entreprise, cela signifie qu’avec les bons outils et accès, le modèle peut trouver des vulnérabilités inédites et construire des chaînes d’exploitation sans guidage humain continu. La société rapporte aussi un score de 100 % sur ExploitBench et indique qu’Astra a découvert deux vulnérabilités inconnues pendant ses tests avant de les signaler. Pour les équipes sécurité, le message est limpide : un agent capable d’aider à corriger un système peut aussi aider à l’attaquer.

OpenAI dit donc restreindre d’abord certaines capacités cyber avancées et réserver un accès élargi aux défenseurs de confiance via Daybreak Blue. Là encore, la logique est celle d’un usage encadré plutôt que d’un déploiement indifférencié. Les entreprises qui voudront utiliser ce type d’agent devront composer avec des permissions limitées, des journaux d’audit, des approbations en cours de route et, parfois, un arrêt net de la tâche si le système juge le risque trop élevé. La fluidité parfaite a un prix : elle demande de croire l’agent un peu trop vite, et personne n’a envie de faire ça avec les identifiants de production.

Au fond, Astra raconte moins l’arrivée d’une machine omnisciente qu’un changement de travail très banal et très profond à la fois. Les humains fixent l’objectif, l’agent exécute les étapes intermédiaires, puis l’équipe reprend la main pour les arbitrages. Si cette logique tient, le vrai marqueur ne sera pas un chiffre sur un classement, mais la quantité de travail que les organisations accepteront de déléguer à ces systèmes.