J'ai testé GPT-6 ASTRA : Activer ces 3 paramètres ! Le début de l'AGI ?

INTRO

GPT-6 Astra semble très performant sur des benchmarks de type exploration, mais l’automatisation bureautique en pratique dépend toujours d’une logique métier rigoureuse, d’une gestion de la mémoire soignée et de budgets de tokens importants.

POINTS CLÉS

Un résultat de benchmark n’équivaut pas à une automatisation prête à l’emploi

Les affirmations selon lesquelles GPT-6 Astra a atteint 100 % sur ARC-AGI-3 décrivent une performance sur des tâches inédites de type puzzle, où le modèle expérimente, mémorise les résultats et déduit des règles. Cela ne signifie pas qu’il puisse accomplir de façon fiable un travail métier réglementé tel quel, surtout quand la conformité dépend de relations propres au domaine qui ne lui ont pas été explicitement fournies.

Un test de conformité a révélé de fortes faiblesses

Dans une tâche réelle de devis liée à la norme électrique française NF C 15-100, le modèle a produit un devis plausible en apparence, mais erroné sur des éléments essentiels comme les disjoncteurs, les RCDs et les sections de câbles. Le problème ne venait pas du calcul, mais de l’absence de règles encodées reliant la norme aux choix techniques requis.

La limite centrale réside dans les relations entre variables

Le modèle peut traiter des champs comme le nom du client, l’adresse, les références produit, le numéro de devis et la norme comme des variables séparées. En revanche, il n’infère pas de manière fiable, seul, la logique conditionnelle qui les relie, par exemple la façon dont un changement de secteur, de type de client ou de norme modifie l’équipement, les protections ou le format attendu. C’est dans cet écart que surviennent de nombreux échecs métier.

La logique métier doit être conçue explicitement

Un déploiement efficace exige des instructions système explicites définissant comment les variables interagissent dans un processus métier. Au lieu de demander un devis générique, les équipes doivent préciser les chemins de décision, les exceptions, les conditions de conformité et les règles de sortie. En pratique, cela signifie construire une logique de workflow autour du modèle plutôt que supposer qu’il possède déjà un jugement professionnel.

Les performances sont sensibles à la chaîne d’outils environnante

Les résultats rapportés ont été décrits comme fortement dépendants du harness, la couche logicielle qui gère la mémoire, les étapes et l’usage des outils. Dans le récit présenté, passer d’une configuration optimisée à des harnesses plus traditionnels a réduit la performance de plus de 30 points de pourcentage, avec des résultats cités tombant à 62,7 % pour GPT-6 Astra et 30,2 % pour Claude Opus 5 dans d’autres conditions.

L’autonomie sur le long terme a un coût

Le modèle a été présenté comme capable de maintenir un objectif jusqu’à une semaine dans le bon environnement, notamment dans une configuration de type Codex ou avec une orchestration API sur mesure. Mais le laisser explorer une tâche de façon autonome consomme de grandes quantités de contexte et de tokens. L’avertissement est qu’un abonnement seul ne garantit pas de valeur si les utilisateurs s’appuient sur des prompts ouverts sans conception de processus.

La mémoire et le contexte sont désormais des goulets d’étranglement opérationnels

Une recommandation majeure consiste à étendre la fenêtre de contexte de 256 000 à 1 million de tokens pour les tâches riches en exploration, afin que le modèle puisse conserver ses tentatives antérieures et ses étapes de raisonnement. Même dans ce cas, un contexte plus large n’est pas une solution miracle: à mesure que les échanges s’allongent, les modèles peuvent subir une dégradation du contexte, en perdant en cohérence ou en écrasant des informations utiles.

La compaction et la rétention sélective sont essentielles

Pour gérer les longues sessions, le modèle peut compresser le contexte antérieur via une fonction de type /compact. Le point critique est ce qui est conservé: l’identité de la tâche, les faits utiles, les opérations effectuées, les résultats, les échecs et le travail restant. Sans contrôle de cette rétention, des contraintes importantes peuvent disparaître tandis que des détails moins pertinents restent, ce qui dégrade les sorties ultérieures.

Déverser des documents bruts est contre-productif

Injecter un grand nombre de documents non préparés, d’images ou d’archives dites second brain risque de saturer le modèle et d’augmenter le coût sans améliorer la précision. Une architecture plus efficace sépare un plan persistant, une mémoire de tâche temporaire et une mémoire long terme sélective, en n’injectant que les informations nécessaires à l’étape en cours.

La précision semble élevée dans des limites définies

Un test de régression cité a montré qu’avec jusqu’à 128 variables dans des contextes allant jusqu’à 200 000 tokens, le modèle atteignait 98 % à 99,9 % de précision en un seul passage, et parfois 100 % sur des requêtes testées sous ce seuil. Des erreurs apparaissaient apparemment au-delà de 128 variables, tandis que le temps de réponse et le coût augmentaient de manière à peu près linéaire avec la complexité.

L’implication commerciale est pratique, non philosophique

La conclusion la plus forte est que les affirmations sur l’AGI importent moins que la capacité des organisations à transformer des tokens en production fiable. GPT-6 Astra peut automatiser un travail bureautique utile, mais seulement si les entreprises financent l’exploration avec un large budget de tokens ou pré-encodent la structure de la tâche, la politique mémoire et les règles métier nécessaires à une exécution cohérente.

CONCLUSION

GPT-6 Astra est peut-être l’un des modèles généralistes les plus précis à ce jour, mais la fiabilité en automatisation métier dépend encore d’un contexte conçu avec soin, d’une mémoire maîtrisée et d’une logique professionnelle explicite. À court terme, l’enjeu n’est pas de savoir si le modèle est puissant, mais si les organisations peuvent le déployer de manière sûre, économique et avec des sorties vérifiables.

Sur le même sujet : IA

• →GPT-6 « Sol » bientôt ! Gemini 4.0 Pro Checkpoint, DeepSeek v4.1 Flash, Nano Banana 2.5, et plus ! ACTUS IA !· 11 sept.
• →5 activités annexes avec Claude AI qui remplacent un salaire à temps plein· 10 sept.
• →Le duo d’iPhone d’Apple, l’agent IA Muse de Meta, un chercheur d’Anthropic démissionne à cause du risque IA | Diet TBPN· 10 sept.