OpenAI raccourcit ses réponses, au prix d’une transparence moindre

Une évaluation d’Artificial Analysis compare GPT-6.2 Astra et Sol à Claude Fable 5.2 et Opus 5.5. Les modèles d’OpenAI répondent plus brièvement, mais admettent moins souvent l’incertitude.

Selon une évaluation d’Artificial Analysis publiée sur LinkedIn et X, les modèles GPT-6.2 Astra et Sol d’OpenAI répondent plus vite et plus directement que leurs prédécesseurs, mais perdent du terrain sur la transparence face aux modèles Claude de Anthropic. Astra et Sol produisent des réponses 34 à 40 % plus courtes, avec beaucoup moins de titres et de tirets cadratins. En face, Claude Fable 5.2 et Opus 5.5 gardent l’avantage sur l’organisation et l’information dense. Le débat n’est pas cosmétique : il dit quelque chose de la manière dont les assistants IA choisissent entre concision et prudence.

Des réponses plus courtes, donc plus tranchantes

GPT-6.2 Astra passe de 352 à 210 mots en moyenne, soit une baisse de 40 %, tandis que Sol recule de 337 à 223 mots, soit -34 %. Dans le même temps, Astra tombe de 1,99 à 0,11 titre par réponse et Sol de 1,85 à 0,25. Les deux modèles font donc moins de détour, moins de sous-parties, et donnent l’impression de viser la réponse utile plutôt que le petit exposé universitaire.

Le changement se voit aussi dans l’index “Answer First”, qui mesure si le modèle répond d’emblée à la question posée. Astra bondit de 49 à 89 et Sol de 64 à 87. Leur langage paraît aussi plus naturel selon Artificial Analysis, avec des scores qui montent de 58 à 100 pour Astra et de 54 à 79 pour Sol. Bref, OpenAI a visiblement demandé à ses modèles de parler plus droit. Ils ont compris le brief, sans bavarder. Une rareté presque suspecte dans le monde des chatbots.

Mais la prudence s’efface aussi

La contrepartie la plus nette concerne la capacité à reconnaître une zone d’incertitude. Sur le trait “Admits Uncertainty”, Astra chute de 96 à 24 et Sol de 98 à 51. Attention toutefois : ces scores sont relatifs, sur une échelle de 1 à 100, et ne signifient pas qu’un modèle “admet l’incertitude” dans 24 % de ses réponses. Ils indiquent plutôt sa position par rapport aux autres modèles testés. La nuance compte, surtout quand on parle de systèmes censés aider à décider, pas seulement à produire du texte bien rangé.

Artificial Analysis précise que ces scores mesurent le style de communication, pas la qualité globale des réponses. Une baisse de l’indice de transparence ne veut donc pas dire qu’un modèle se trompe davantage. En revanche, elle suggère qu’il expose moins ses réserves, nuance moins ses affirmations et s’autorise davantage à aller droit au but. Pour l’utilisateur, cela peut donner une impression de clarté. Pour un usage professionnel, cela peut aussi masquer les angles morts.

Claude garde l’avantage sur la structure et la densité

La comparaison avec Claude Fable 5.2 et Opus 5.5 est sévère pour OpenAI. Dans le tableau d’Artificial Analysis, Fable obtient 81 en transparence et 54 en organisation, contre 41 et 11 pour Astra, et 57 et 27 pour Sol. Opus 5.5 fait encore mieux avec 90 en transparence, 79 en organisation et 90 en informativité. C’est le meilleur score de l’ensemble sur cet indice, notamment grâce à des traits comme “Information Dense” et “Evidence-Based”.

Autrement dit, Anthropic conserve ici une avance nette sur la capacité à structurer des réponses riches sans les transformer en mur de texte. Les deux approches divergent franchement : OpenAI pousse vers des sorties plus concises et plus directes, quand Anthropic reste mieux noté sur la prudence, la hiérarchisation et la densité d’informations. Pour les entreprises qui intègrent ces modèles dans un support client, une base de connaissances ou un outil interne, le choix ne se résume donc pas à la performance brute. Il touche au ton, au niveau de détail et à la manière dont l’IA signale ses limites.

Points clés

  • Astra réduit ses réponses de 40 % selon Artificial Analysis.
  • Sol baisse de 34 % sur la longueur moyenne.
  • Opus 5.5 obtient 90 en informativité.
  • La mesure repose sur 900 questions en anglais.
  • Anthropic mène sur transparence et organisation.
  • Les scores comparent des variantes “max” de chaque modèle.

En chiffres

  • 900 questions — base du benchmark AA-PersonalityBench, en anglais, selon Artificial Analysis.
  • 40 % — baisse de la longueur moyenne des réponses d’Astra.
  • 34 % — baisse de la longueur moyenne des réponses de Sol.
  • 90 points — score d’Opus 5.5 sur l’indice d’informativité.
  • 1 à 100 — échelle relative utilisée pour les indices de personnalité.

À lire