GPT-6 Astra est-il vraiment plus puissant ? Ce que disent les chiffres

🗓️ Mis à jour le 7 septembre 2026

GPT-6 Astra est-il vraiment plus puissant que la version précédente ?

Sur les tâches longues et automatisées, oui, et l’écart est net. Sur l’intelligence générale mesurée par des tiers, non : GPT-6 Astra obtient le même score que GPT-5.6 Sol sur l’index indépendant d’Artificial Analysis.

OpenAI a lancé GPT-6 Astra le 3 septembre 2026, avec un déploiement par vagues : d’abord un ensemble restreint d’organisations, puis les abonnements Pro et Business, enfin les comptes Plus. Le modèle est également accessible par l’API et par les plateformes de Microsoft et d’Amazon.

L’entreprise le présente comme son modèle le plus capable, en pointe sur le pilotage d’ordinateur, la navigation web, l’ingénierie logicielle et la cybersécurité. Les chiffres publiés soutiennent en partie cette présentation, à condition de regarder comment ils ont été obtenus.

C’est l’objet de ce relevé. Pour savoir à qui s’adresse cette version et ce qu’elle apporte au quotidien, nous avons publié un premier article le 5 septembre.

Pourquoi le 99,9 % d’ARC-AGI-3 tombe-t-il à 62,7 % ?

Parce qu’ARC Prize a mesuré le modèle de deux façons. Avec une interface neutre, commune à tous les modèles évalués, Astra atteint 62,7 %. Avec un adaptateur qui exploite les capacités propres au fournisseur, il monte à 99,9 %. Le second chiffre est celui qui circule.

ARC-AGI-3 soumet le modèle à des jeux qu’il n’a jamais vus, pour mesurer sa capacité à comprendre une règle nouvelle sans entraînement préalable. La progression reste spectaculaire dans les deux cas : GPT-5.6 Sol plafonnait à 7,8 %.

Le détail des conditions mérite d’être connu. Le dispositif neutre a coûté environ 26 000 dollars de calcul, l’adaptateur environ 19 000, et les deux ont tourné à effort de raisonnement élevé ou maximal.

Les auteurs du test posent eux-mêmes une limite explicite : saturer ce benchmark ne démontrerait pas l’atteinte d’une intelligence générale, car les environnements testés ont des mécaniques déterministes et fermées, sans la complexité du monde réel.

Ils relèvent en revanche un résultat qui n’a rien d’anecdotique : sur 96 % des niveaux, Astra a atteint l’objectif en moins de coups qu’un joueur humain de référence.

Que mesure chaque épreuve, concrètement ?

Les noms de benchmarks disent rarement ce qu’ils testent. Voici les huit épreuves citées au lancement, ce qu’elles mesurent réellement, et l’écart avec la version précédente.

Sur quelles épreuves GPT-6 Astra ne gagne-t-il pas ?

Sur les connaissances expertes et sur une partie du codage. Claude Fable 5.1 le devance à Humanity’s Last Exam, 65,0 % contre 57,2 %. Cette épreuve n’apparaît pas dans la présentation d’OpenAI.

Trois autres comparaisons vont dans le même sens :

• FrontierCode 1.1 : 53,3 % pour Astra, 53,5 % pour Fable 5. L’écart est infime, mais il n’est pas à l’avantage d’OpenAI.
• DeepSWE v1.1 : 74,1 % pour Astra, 75,4 % pour Muse Spark 1.3 de Meta.
• Index Artificial Analysis : 61,2 pour Astra, 61,2 pour GPT-5.6 Sol, 65,7 pour Claude Fable 5.1.

Une précision méthodologique change la lecture de tout le tableau : FrontierMath a été financé par OpenAI, qui dispose d’un accès privilégié à ce test. Le score de 97,6 % reste vérifiable, mais il n’a pas le même statut qu’une mesure conduite par un tiers sans lien avec l’éditeur.

Que dit un classement indépendant ?

Artificial Analysis, qui agrège plusieurs épreuves dans un index unique, place GPT-6 Astra à 61,2 — exactement le score de la version précédente, et derrière Claude Fable 5.1 à 65,7.

Cet index combine des tests de connaissances, de travail de bureau et de raisonnement plutôt qu’une épreuve unique. Il donne donc une image plus large que le chiffre le plus flatteur d’une annonce.

Deux mesures de cet organisme méritent l’attention d’une entreprise. Astra consomme environ 10 % de jetons en moins pour produire sa réponse, ce qui raccourcit les échanges. Mais son coût par million de jetons est d’environ deux fois et demie celui de la version précédente.

Le modèle écrit donc plus court et coûte plus cher. Pour un usage intensif par API, l’arbitrage se calcule, il ne se devine pas.

Qu’est-ce qui progresse vraiment pour une entreprise ?

La durée des tâches. Sur OSWorld 2.0, Astra accomplit en 40 minutes ce qui en prenait 75 à la version précédente. Sur les tâches de navigation web, OpenAI mesure une exécution 1,9 fois plus rapide.

Ce gain se voit surtout sur le travail à plusieurs étapes : ouvrir un fichier, en extraire des données, les recouper, produire un document. AutomationBench, qui mesure exactement ce type de production de bureau, passe de 18,1 % à 41,4 %.

Le chiffre reste à sa juste place : 41,4 %, c’est moins d’une tâche sur deux menée au bout. Un indépendant ou une PME de Wallonie, du Grand-Duché ou de la frontière française y gagne un brouillon avancé sur des tâches longues, pas un travail livrable sans relecture.

Faut-il s’inquiéter du seuil « critique » en cybersécurité ?

C’est la première fois qu’OpenAI classe un de ses modèles au seuil « critique » de son cadre de préparation. Astra obtient 100 % à ExploitBench, contre 78,5 % à la version précédente.

ExploitBench mesure la capacité à transformer une vulnérabilité connue en code d’attaque fonctionnel. Sur un second test interne, l’exécution de code arbitraire passe de 5,5 % à 39,0 %.

Ces essais ont été menés sans les protections appliquées en production, et OpenAI a levé la limite de temps pour cette comparaison. Le chiffre décrit donc un potentiel en laboratoire, pas ce qu’un utilisateur obtient dans ChatGPT.

Pour une entreprise, la conséquence pratique tient en une ligne : les mêmes capacités servent à défendre et à attaquer, et le délai entre la publication d’une faille et son exploitation se raccourcit.

Comment lire un score de benchmark sans se faire avoir ?

En vérifiant cinq points avant de retenir un chiffre : qui a fait passer le test, avec quel dispositif, à quel effort de calcul, quelles épreuves manquent, et si le test ressemble à votre travail.

1. Qui a fait passer le test. Un score publié par l’éditeur, un score mesuré par un tiers et un score publié par un concurrent ne se lisent pas de la même façon.
2. Avec quel dispositif. L’écart entre 99,9 % et 62,7 % sur ARC-AGI-3 ne vient pas du modèle, mais de l’interface utilisée pour le tester.
3. À quel effort de calcul. Les chiffres d’annonce sont pris à effort maximal. Ce réglage coûte cher et n’est pas celui de l’usage courant.
4. Quelles épreuves manquent. Une épreuve absente d’une présentation est souvent celle où le modèle perd, comme Humanity’s Last Exam ici.
5. Si le test ressemble à votre travail. Un score de mathématiques de recherche ne dit rien de la qualité d’un compte rendu de réunion.

Faut-il changer d’outil pour autant ?

Pas par défaut. Un écart de quelques points sur un index général ne se traduit presque jamais en différence visible sur un travail courant. Le test qui compte est celui que vous faites sur vos propres dossiers.

La méthode tient en trois gestes : prendre trois tâches réelles déjà faites, les repasser au nouveau modèle, comparer le résultat à ce que produisait l’outil en place. Une demi-journée suffit et vaut mieux que n’importe quel classement.

Pour choisir un outil selon l’usage plutôt que selon l’annonce, notre guide des modèles par usage reste le point de départ. Et pour apprendre à formuler et à vérifier, la formation en IA pour indépendants et PME part des tâches de l’entreprise, pas des benchmarks.

Questions fréquentes

GPT-6 Astra est-il plus puissant que GPT-5.6 Sol ?

Sur les tâches longues et automatisées, oui : 72,6 % contre 65,7 % à OSWorld 2.0, et 57,7 % contre 37,3 % à Terminal-Bench 4.0. Sur l’index indépendant d’Artificial Analysis, qui agrège plusieurs épreuves, les deux modèles obtiennent le même score de 61,2.

Que veut dire le score de 99,9 % à ARC-AGI-3 ?

Qu’Astra a résolu presque tous les jeux du test, mais avec un adaptateur exploitant les capacités propres au fournisseur. Avec l’interface neutre commune à tous les modèles, ARC Prize mesure 62,7 %. Les auteurs du test précisent qu’un score élevé ne démontrerait pas l’atteinte d’une intelligence générale.

GPT-6 Astra est-il la meilleure IA du marché en septembre 2026 ?

Pas selon les mesures indépendantes disponibles. Claude Fable 5.1 le devance sur l’index d’Artificial Analysis, 65,7 contre 61,2, et à Humanity’s Last Exam, 65,0 % contre 57,2 %. Astra domine en revanche nettement le pilotage d’ordinateur et la cybersécurité offensive.

Pourquoi parle-t-on d’un risque « critique » en cybersécurité ?

Parce qu’Astra obtient 100 % à ExploitBench, contre 78,5 % à la version précédente. C’est le premier modèle qu’OpenAI classe au seuil « critique » de son cadre de préparation. Ces essais ont été menés sans les garde-fous appliqués en production.

Un bon score de benchmark garantit-il un meilleur résultat sur mon travail ?

Non. Les chiffres publiés au lancement sont obtenus à effort de calcul maximal, un réglage qui n’est pas celui de l’usage courant. La seule mesure qui vaut pour une entreprise est un essai sur ses propres dossiers, comparé à l’outil déjà en place.

Nos sources

Les chiffres cités dans cet article proviennent de sources publiques identifiées, consultées le 7 septembre 2026 :

• OpenAI — GPT-6 Astra: A new generation of intelligence (3 septembre 2026)
• ARC Prize — OpenAI’s GPT-6 Astra on ARC-AGI-3 (les deux dispositifs de test)
• Artificial Analysis — Benchmarking GPT-6 Astra (index indépendant v4.1.1)
• Vellum — GPT-6 Astra Benchmarks Explained (recensement épreuve par épreuve)
• Emergent — GPT-6 Astra Benchmarks: What the Numbers Actually Show
• The New Stack — OpenAI launches GPT-6 Astra and says welcome to the « AGI era »

Transparence — cet article a été produit avec l’assistance de l’intelligence artificielle pour la recherche et le croisement des sources, la structuration et la mise en page. Les données chiffrées proviennent des sources publiques citées ci-dessus et sont vérifiables.

La sélection du sujet, la vérification des faits et la responsabilité éditoriale sont assurées par la rédaction d’info-lux.com. Voir notre charte éditoriale et IA.

• 
  GPT-6 Astra est-il vraiment plus puissant ? Ce que disent les chiffres
• 
  Influenceur d’IA : les deux sens du terme, et celui qui compte pour votre entreprise
• 
  Le nouveau ChatGPT est arrivé : ce qu’il fait de plus, et pour qui ça vaut le coup
• 
  Formation en IA pour indépendants et PME : apprendre en construisant, pas en regardant
• 
  Nous avons testé 90 sites d’entreprises face aux IA : le problème n’est pas celui qu’on croit
• 
  Les IA vous envoient-elles vraiment des clients ? Nous avons ouvert nos propres chiffres