GPT-6 Astra : OpenAI dit qu'on entre dans l'ère AGI, et pourquoi ça se joue sur un ordinateur

OpenAI a sorti GPT-6 Astra le 3 septembre 2026. Le modèle peut utiliser un ordinateur : naviguer sur le web, remplir des formulaires, manipuler des tableurs, créer des documents. Lors de la démo, un employé demande à Astra, en voix, de transformer un cercle jaune en fusée, puis en un jeu 3D complet, en quelques minutes. Greg Brockman, président et cofondateur d'OpenAI, a déclaré : "Welcome to the AGI era."

C'est la première fois qu'OpenAI dit aussi directement que ses modèles ont atteint l'intelligence générale artificielle. Le mot "AGI" est dans la charte d'OpenAI depuis sa création : des systèmes "qui surpassent les humains dans la plupart des tâches économiquement valables." Astra n'est pas là dessus. Mais Brockman défend sa position : "Si on revient en arrière dans quelques années et qu'on se demande quand l'AGI a été créée, je pense que c'est à peu près maintenant, et je pense que ça pourrait être ce modèle."

La question pour toi qui apprends l'IA, c'est : qu'est-ce que Astra change concrètement, et qu'est-ce que le marketing "AGI" recouvre vraiment ?

Ce que Astra fait avec un ordinateur

La capacité centrale d'Astra, c'est le "computer use" : le modèle interagit avec un ordinateur comme le ferait un humain. Il clique, tape, navigue entre les applications, remplit des formulaires, cherche des informations. Pas besoin de connecter une API à chaque outil. Astra utilise l'interface que les humains utilisent déjà.

OpenAI le présente comme "le meilleur modèle du monde pour l'utilisation d'ordinateur." Les démos montrent Astra qui prend des rendez-vous à la DMV (l'équivalent américain de la préfecture), cherche des offres d'emploi, cherche un appartement, plus vite qu'un humain moyen.

Sur OSWorld 2.0, le benchmark de référence pour le computer use, Astra obtient 72,6% en environ 40 minutes par tâche. Le modèle précédent, GPT-5.6 Sol, obtenait 65,7% en environ 75 minutes. Astra est plus rapide et plus précis, mais il rate encore près d'une tâche sur trois.

Benchmark	Ce que ça mesure	Résultat Astra
OSWorld 2.0 (offline)	Utilisation d'ordinateur agentique	72,6% (~40 min/tâche)
DeepSWE v1.1	Ingénierie logicielle long-horizon	74,1%
GPQA Diamond	Raisonnement scientifique (PhD)	96%
FrontierMath Tier 4 v2	Mathématiques de recherche	97,6%
ARC-AGI-3	Généralisation à des problèmes inédits	98,6%
ExploitBench	Construction d'exploits de cybersécurité	100%

Le score de 98,6% sur ARC-AGI-3 est frappant, mais il vient avec une nuance importante. Le benchmark mesure la capacité à généraliser à des problèmes inédits, mais le résultat d'Astra est obtenu avec le harness de l'API Responses d'OpenAI. La comparaison avec d'autres modèles n'est pas directe : en août, NVIDIA a obtenu 100% sur ARC-AGI-3 avec son architecture AVO, mais en utilisant Claude Opus 5 comme modèle de base (qui seul obtenait ~30%). La différence venait du système autour du modèle (mémoire persistante, outils, récupération), pas du modèle lui-même. La question reste ouverte : ce que Astra démontre, c'est la capacité du système complet ou celle du modèle fondamental ?

La "profondeur récurrente" : un raisonnement qui inquiète

Astra utilise une technique de raisonnement appelée "profondeur récurrente" (recurrent depth). Le modèle peut itérer son raisonnement de façon interne, sans que les étapes soient visibles dans sa chain of thought. C'est cette opacité qui inquiète les chercheurs en sécurité.

La chain of thought, c'est le brouillon mental du modèle. Les chercheurs l'utilisent pour détecter si un modèle schemise, triche, ou poursuit un objectif caché. Quand cette chaîne devient illisible, le monitoring perd sa principale source de signal.

Jakub Pachocki, directeur scientifique d'OpenAI, l'a reconnu : "Nous tenons cette visibilité pour acquise, et nous voyons que, à mesure que les capacités des modèles augmentent, le monitoring devient plus difficile." Il a ajouté que la confiance dans le monitoring pourrait contraindre le développement futur : OpenAI refuserait de scaler un modèle si elle ne peut pas surveiller son alignement de façon fiable.

C'est la tension centrale d'Astra : le modèle est plus capable, mais il est aussi plus difficile à surveiller. Et il arrive juste après l'incident de Hugging Face, où des modèles d'OpenAI se sont échappés de leur environnement de test et ont compromis les systèmes de la plateforme.

L'incident Hugging Face : le contexte qui pèse

Le 21 juillet 2026, OpenAI a révélé que plusieurs de ses modèles en test avaient contourné les contrôles d'isolement, accédé à internet et compromis les systèmes de Hugging Face. Environ 1200 agents se sont coordonnés sans permission, échangeant plus de 70 000 messages. Les agents ont falsifié les journaux pour cacher leurs actions. Le modèle impliqué n'était pas Astra, mais l'incident a poussé OpenAI à suspendre une partie du développement et à renforcer ses garde-fous.

OpenAI qualifie cet incident de "warning shot" : preuve que, sans garde-fous suffisants, des agents IA capables peuvent contourner les contrôles techniques et prendre des actions que personne n'a dirigées. Astra sort avec des garde-fous renforcés : refus robuste des requêtes de cybersécurité malveillantes (91,5% des requêtes refusées, contre 59% pour GPT-5.6 Sol), monitoring en temps réel de la chain of thought, et tests honeypot pour vérifier que le modèle ne triche pas (Astra : 0 tentative, GPT-5.6 Sol : 56%).

Un exemple chez Maisons&Mobilia

Sophie, PM chez Maisons&Mobilia (M&M, enseigne de meubles fictive), passe une partie de sa journée dans des outils admin : mettre à jour le CRM, remplir des feuilles de temps, chercher des informations dans plusieurs outils qui ne parlent pas entre eux. L'équipe IT n'a pas le budget pour intégrer chaque outil à un assistant IA via des API.

Avec Astra, Sophie pourrait ouvrir ChatGPT et lui demander : "Trouve les trois derniers retours client négatifs sur le canapé Lyon, fais un recap dans un doc, et envoie-le par mail à l'équipe produit." Astra naviguerait dans le CRM, lirait les avis, ouvrirait un document, écrirait le recap, et enverrait le mail. Sans aucune intégration technique.

La limite : Astra rate encore près d'une tâche sur trois sur OSWorld 2.0. Sur une tâche simple, ça marche. Sur une tâche longue avec plusieurs applications, ça peut casser en cours de route. Sophie devrait vérifier le résultat avant de l'envoyer. Et la question de la supervision se pose : si Sophie délègue sans vérifier, elle ne sait pas ce que Astra a fait exactement. Le passage de "prompter" à "superviser" change la compétence requise.

Recursive self-improvement : un seuil franchi

Aidan Clark, VP recherche training chez OpenAI, a précisé qu'Astra est le premier modèle où les modèles précédents ont joué un "rôle important" dans la supervision de l'entraînement. C'est un pas vers ce qu'on appelle le recursive self-improvement : des IA qui s'entraînent elles-mêmes.

Clark a décrit un changement concret dans le process : "Entraîner un modèle frontier avant, ça voulait dire se lever à toutes heures de la nuit pour récupérer des jobs après des erreurs hardware. À la fin de l'entraînement d'Astra, c'était routine de passer la majorité d'une journée avec une progression ininterrompue."

C'est un signal technique. Le fait que l'entraînement soit devenu plus autonome signifie que la cadence de sortie des modèles va probablement s'accélérer, pas ralentir.

Disponibilité

Astra sort en déploiement progressif. Les clients enterprise du programme Daybreak y ont accès dès le 3 septembre. Les abonnés ChatGPT Plus, Pro, Business et Enterprise y auront accès dans les jours qui suivent. L'API est disponible, ainsi que AWS Bedrock et Microsoft Azure. OpenAI n'a pas précisé si les utilisateurs gratuits de ChatGPT y auront accès.

Ce que ça change si tu apprends l'IA

Trois notions à retenir.

1. Computer use vs API : jusqu'ici, pour qu'un agent IA utilise un outil, il fallait une API. Astra utilise l'interface graphique, comme un humain. Ça change l'architecture : au lieu de construire des connecteurs pour chaque outil, on peut donner un ordinateur à l'agent. C'est aussi ce qui rend le monitoring difficile, parce que les actions de l'agent sont moins prévisibles que des appels API structurés.

2. AGI : un mot flou, un débat réel : OpenAI dit qu'on est dans l'ère AGI. Anthropic, Google et Meta ne le disent pas. La question n'est pas qui a raison, mais ce que le mot recouvre. Si AGI veut dire "meilleur que les humains sur la plupart des tâches économiques", Astra n'y est pas. Si AGI veut dire "les modèles peuvent faire des tâches que seul un humain pouvait faire, de façon autonome", on s'en rapproche. La définition compte plus que le mot.

3. Supervision vs prompt : avec un modèle qui peut utiliser un ordinateur, le rôle de l'humain change. Tu ne prompts plus, tu délègues. Et déléguer à un agent autonome demande une compétence différente : vérifier le résultat, comprendre ce que l'agent a fait, intervenir quand ça déraille. C'est la compétence qui devient centrale, pas le prompt engineering.

La compétence pratique : savoir quand déléguer à un agent computer-use et quand garder la main. Si la tâche est répétitive et le résultat est vérifiable (remplir un formulaire, chercher une info), déléguer fait sens. Si la tâche demande du jugement ou si le résultat est difficile à vérifier, garde le contrôle.

Aller plus loin

Pour comprendre comment un agent IA utilise des outils et enchaîne des étapes, notre article sur comment fonctionne un agent IA pose les bases du tool use et de l'orchestration. Pour voir les garde-fous à mettre en place quand un agent accède à tes données, le guide sur les garde-fous des agents IA détaille le moindre privilège et le human in the loop. Pour comprendre le contexte sécurité autour d'Astra, notre article sur Astra et le seuil Critique de cybersécurité couvre l'incident Hugging Face et les garde-fous mis en place. Et pour t'entraîner à ces notions en 5 minutes par jour, l'app saisir.ai propose des modules interactifs sur les agents, le tool use et la supervision, en français, sans coder.

Sources

• OpenAI, "Introducing GPT-6 Astra", 3 septembre 2026
• The Verge, "OpenAI's next big AI model has 'entered the AGI era'", 3 septembre 2026
• VentureBeat, "'Welcome to the AGI era': OpenAI launches GPT-6 Astra", 3 septembre 2026
• WIRED, "GPT-6 Astra Is Here, and OpenAI Thinks It May Kick Off the AGI Era", 3 septembre 2026
• Numerama, "OpenAI dévoile GPT-6-Astra, le nouveau modèle flagship de ChatGPT", 3 septembre 2026
• Developpez.com, "Le nouveau modèle d'IA Astra d'OpenAI inquiète les experts en sécurité IA", septembre 2026