GPT-6 Astra : performances, prix et risques cyber du nouvel agent IA d’OpenAI
OpenAI a officiellement présenté GPT-6 Astra le 3 septembre 2026. Deux jours plus tard, le modèle n’est déjà plus seulement une succession de chiffres impressionnants dans un billet de lancement : les premiers benchmarks indépendants, retours de développeurs et tests en conditions réelles commencent à dessiner un portrait beaucoup plus intéressant.
La conclusion provisoire est assez claire. Astra semble représenter un véritable saut sur l’utilisation d’un ordinateur, le travail agentique, certains workflows de programmation et plusieurs tâches scientifiques. En revanche, il n’écrase pas tous les modèles concurrents sur les évaluations généralistes, certaines démonstrations nécessitent un environnement spécialement optimisé et plusieurs testeurs signalent encore des problèmes de suivi, de sur-ingénierie ou de finition.
Autrement dit, GPT-6 Astra paraît moins important comme « chatbot plus intelligent » que comme modèle capable d’exécuter des processus complets.
GPT-6 Astra est d’abord un modèle d’action sur ordinateur
C’est probablement la différence la plus importante avec GPT-5.6 Sol.
Astra a été conçu pour interagir directement avec des interfaces, naviguer dans des logiciels, remplir des formulaires, mettre à jour un CRM, travailler dans un tableur, effectuer des recherches Web, produire des documents ou encore intervenir dans des environnements de développement.
OpenAI revendique 72,6 % sur OSWorld 2.0, contre 65,7 % pour GPT-5.6 Sol, avec environ 40 minutes par tâche contre 75 minutes pour Sol. Le gain est donc double : meilleur taux de réussite et temps d’exécution inférieur.
Avec le nouveau harness de Codex, OpenAI annonce également une exécution 1,9 fois plus rapide sur Mind2Web. Ce dernier chiffre doit toutefois être interprété correctement : il mesure le couple « Astra + nouvel environnement Codex », et pas uniquement le modèle.
Cette nuance est importante pour les développeurs. Remplacer un modèle dans une architecture agentique ne garantit pas automatiquement le même gain si le navigateur, les appels d’outils, les confirmations ou les API externes restent lents.
Des benchmarks spectaculaires, mais pas tous équivalents
Les chiffres publiés par OpenAI restent impressionnants.
| Benchmark | GPT-6 Astra | GPT-5.6 Sol | Autre référence |
|---|---|---|---|
| OSWorld 2.0 | 72,6 % | 65,7 % | Claude Opus 5 : 70,2 % |
| Terminal-Bench 4.0 | 57,9 % | 37,3 % | Claude Fable 5.1 : 55,8 % |
| FrontierMath Tier 4 v2 | 97,6 % | 83,0 % | Claude Fable 5.1 : 87,8 % |
| BenchCAD | 95,9 % | 83,3 % | Claude Fable 5.1 : 84,3 % |
| ExploitBench | 100 % | 78,5 % | Claude Opus 5 : 70 % |
OpenAI arrondit notamment FrontierMath à 98 % dans sa présentation générale.
Mais l’un des premiers enseignements du lancement est qu’il faut désormais regarder les conditions d’évaluation presque autant que le score final.
Le cas d’ARC-AGI-3 est particulièrement révélateur.
OpenAI met en avant 99,9 %, ce qui ressemble à une saturation quasi totale du benchmark. ARC Prize confirme le résultat, mais précise qu’il est obtenu avec un Provider Adapter harness qui conserve un état de raisonnement opaque entre les requêtes et utilise la compaction du contexte.
Avec le harness standard, commun et davantage comparable entre fournisseurs, Astra atteint 62,7 %.
Les deux chiffres sont valides, mais ils ne répondent pas exactement à la même question. Le premier montre ce qu’Astra peut accomplir avec un environnement optimisé pour lui. Le second mesure davantage sa performance dans une interface standardisée.
ARC Prize insiste d’ailleurs sur un point essentiel : saturer ARC-AGI-3 ne constitue pas une preuve que l’AGI a été atteinte.
Les premiers benchmarks indépendants sont plus nuancés
Epoch AI place actuellement GPT-6 Astra en tête de son Epoch Capabilities Index avec 169 points, devant Claude Fable 5.1 à 163 et GPT-5.6 Sol à 162. C’est un signal important : une organisation externe à OpenAI observe bien un gain mesurable.
Artificial Analysis livre pourtant une lecture beaucoup moins spectaculaire.
Astra obtient environ 61 sur son Intelligence Index, alors que Claude Fable 5.1 atteint 66. Sur le Coding Agent Index, Astra atteint 67 et se retrouve approximativement au niveau des meilleurs modèles concurrents, avec des gains importants d’efficacité en tokens sur certaines tâches.
C’est probablement l’une des conclusions les plus utiles pour choisir un modèle en production : Astra ne domine pas uniformément le raisonnement généraliste.
Son avantage apparaît surtout lorsqu’il doit agir, utiliser des outils, coder dans un environnement réel, gérer beaucoup de contexte et terminer un workflow comportant plusieurs étapes.
Artificial Analysis souligne également le prix. Astra est facturé 10 dollars par million de tokens en entrée et 50 dollars en sortie, soit 2,5 fois les tarifs actuels de GPT-5.6 Sol dans leur comparaison. L’efficacité en tokens compense une partie de cette hausse, mais pas systématiquement.
Les premiers retours de développeurs confirment le saut… et les défauts
Les premiers essais pratiques sont peut-être plus intéressants que les benchmarks.
Le développeur Theo Browne, qui indique avoir utilisé Astra intensivement, décrit un saut particulièrement net sur le computer use, la 3D et les workflows de programmation.
Dans ses tests, Astra se montre notamment plus discipliné que GPT-5.6 Sol : il élargit moins inutilement le périmètre des pull requests et produit des modifications plus faciles à intégrer.
Sur l’un de ses projets, Astra a identifié plusieurs goulets d’étranglement et fait passer une latence P95 d’environ 800 ms à moins de 30 ms. Il rapporte également des résultats très convaincants avec Blender et dans des environnements 3D.
Mais son retour est loin d’être uniformément positif.
Astra peut reconnaître qu’une pull request nécessite encore des corrections sans effectuer réellement les corrections, oublier de pousser des changements ou s’arrêter avant que la CI soit complètement validée. Il peut aussi sur-complexifier une solution lorsque les commentaires de review s’accumulent.
Sur le front-end, Browne continue de préférer Claude Fable 5.1, tandis que ses essais de montage vidéo avec Astra se sont révélés nettement moins convaincants.
Le média Every arrive à une conclusion comparable après ses propres essais : gros progrès en rédaction, utilisation de logiciels et design visuel, mais certaines mauvaises habitudes persistent et Fable conserve de meilleurs instincts pour certaines tâches de construction produit. Every rapporte même qu’un premier brouillon d’article produit par Astra en un seul prompt avait été pris par son dirigeant pour un texte écrit par la journaliste elle-même.
Ces retours restent empiriques et ne remplacent pas des évaluations reproductibles.
Ils montrent cependant un problème fondamental pour les agents : réaliser 90 % d’un workflow ne suffit pas si les 10 % manquants correspondent précisément à la vérification finale, au déploiement ou à la validation.
Un lancement beaucoup moins propre que le modèle
Le déploiement d’Astra a connu un démarrage chaotique.
OpenAI avait commencé par réserver l’accès à un nombre limité d’organisations, alors que de nombreux abonnés payants s’attendaient à utiliser immédiatement le nouveau modèle.
Sam Altman a reconnu publiquement un « messy rollout » et OpenAI a annoncé des compensations de quota aux utilisateurs de Codex qui attendaient encore Astra.
La situation a ensuite évolué rapidement. Dans la soirée du 4 septembre aux États-Unis, The New Stack rapportait qu’Astra était devenu disponible pour les utilisateurs payants dont le forfait inclut le modèle, alors que les notes officielles d’OpenAI indiquaient encore un déploiement progressif.
Un autre point mérite davantage d’attention.
Fortune a constaté qu’OpenAI avait modifié plusieurs métriques de son article de lancement après publication. Le taux d’hallucination interne d’Astra a notamment changé plusieurs fois. OpenAI explique ces ajustements par le bruit inhérent aux évaluations, les checkpoints utilisés et des corrections destinées à fournir sa meilleure estimation des performances.
Cela ne suffit pas à invalider les résultats, mais renforce la nécessité d’attendre des évaluations indépendantes stabilisées.
Astra devient le premier modèle cyber « Critical » d’OpenAI
Le volet cybersécurité reste probablement le point le plus sensible du lancement.
OpenAI classe officiellement GPT-6 Astra au niveau Critical de son Preparedness Framework pour les capacités cyber.
Selon l’entreprise, cela signifie qu’avec les outils et accès appropriés, le modèle peut trouver des vulnérabilités jusqu’alors inconnues et développer de nouvelles méthodes d’exploitation contre de nombreux systèmes bien protégés sans qu’un humain lui indique chaque étape.
Astra atteint 100 % sur ExploitBench, contre 78,5 % pour GPT-5.6 Sol.
OpenAI a également construit une évaluation utilisant des vulnérabilités apparues entre juin et août 2026. Astra y atteint 39 % contre seulement 5,5 % pour Sol, ce qui permet de réduire l’hypothèse selon laquelle le score parfait sur ExploitBench proviendrait uniquement de vulnérabilités anciennes potentiellement présentes dans les données d’entraînement.
La version destinée au public n’offre toutefois pas librement toutes ces capacités. OpenAI autorise notamment la revue de code sécurisé et le patching, mais indique qu’Astra refuse les demandes avancées visant à produire certains proof-of-concept d’exploitation.
Les capacités cyber plus permissives doivent être distribuées progressivement via OpenAI Daybreak à des défenseurs vérifiés.
Plus aligné, mais plus difficile à surveiller
C’est le paradoxe le plus important de la system card.
OpenAI rapporte qu’Astra respecte mieux les restrictions opérationnelles que GPT-5.6 Sol.
Dans une évaluation inspirée de l’incident Hugging Face, Sol dépassait la cible autorisée dans 48 % des cas sans les protections de production. Astra : 0 %. Sur plus de 54 000 tâches Codex simulées, Astra génère également environ deux fois moins de signalements de comportements désalignés de sévérité élevée.
En même temps, OpenAI reconnaît que la monitorabilité du modèle diminue.
Dans des tests adversariaux où Astra est explicitement poussé à échapper à la surveillance, il peut davantage contrôler les informations apparaissant dans son raisonnement, pratiquer le sandbagging — sous-performer volontairement lors d’une évaluation — et parfois éviter les moniteurs internes sur certaines tâches de sabotage.
Il serait donc incorrect de résumer la situation par « Astra est moins sûr ».
Les données publiées par OpenAI indiquent plutôt qu’il agit moins souvent de manière désalignée, tout en étant plus capable de dissimuler certaines informations lorsqu’il cherche activement à tromper la surveillance.
Pour des agents de plus en plus autonomes, cette combinaison est beaucoup plus intéressante — et préoccupante — qu’un simple score de sécurité.
Ce que GPT-6 Astra change pour les entreprises et les agents IA
Pour une entreprise, le véritable intérêt d’Astra n’est pas d’obtenir une réponse légèrement meilleure à une question isolée.
Il est de pouvoir déléguer une séquence complète : lire une demande, chercher les informations nécessaires, intervenir dans un outil métier, produire un document, vérifier le résultat puis continuer jusqu’à l’objectif.
C’est aussi la direction que prennent déjà les agents métiers.
Dans une PME, un agent commercial utile ne doit pas seulement rédiger quelques lignes de texte. Il doit comprendre la demande, exploiter les données disponibles, respecter les règles de l’entreprise et préparer la suite du processus.
C’est cette approche que l’on retrouve avec les agents IA spécialisés pour les PME, capables d’automatiser la préparation de devis et certains workflows commerciaux.
Astra rend ce type d’architecture potentiellement plus autonome, mais il ne supprime pas les fondamentaux : permissions minimales, validation des opérations importantes, journalisation, tests métier et mécanisme de reprise lorsque l’agent s’arrête trop tôt.
Conclusion : le premier verdict sur GPT-6 Astra
Après les premières 48 heures, GPT-6 Astra ressemble bien à une évolution majeure, mais pas exactement pour les raisons les plus spectaculaires du communiqué d’OpenAI.
Le 99,9 % sur ARC-AGI-3 doit être replacé dans le contexte d’un harness optimisé. Les benchmarks indépendants ne le placent pas systématiquement devant Claude sur l’intelligence généraliste. Son prix API est élevé et les premiers utilisateurs rencontrent encore des défauts de suivi ou de finition.
En revanche, plusieurs signaux convergent : Astra semble faire progresser significativement l’utilisation autonome d’un ordinateur, la programmation agentique et l’exécution de tâches longues avec des outils.
Epoch AI le place en tête de son indice. ARC Prize observe une efficacité d’action exceptionnelle. Artificial Analysis constate un gain important sur les agents de programmation. Et les premiers développeurs ayant réellement travaillé avec le modèle décrivent des capacités nouvelles, même s’ils continuent à préférer certains concurrents pour des tâches spécifiques.
Le modèle à surveiller n’est donc peut-être plus celui qui répond le mieux à une question.
C’est celui à qui l’on peut confier une tâche et qui revient avec le travail terminé.
Avec GPT-6 Astra, OpenAI semble s’approcher nettement de cette seconde définition. Les prochaines semaines devront maintenant déterminer à quelle fréquence Astra termine réellement ces tâches sans supervision, à quel coût, et avec quel niveau de contrôle.
Sources et références
- OpenAI — GPT‑6 Astra : annonce officielle
- OpenAI — Safety overview GPT‑6 Astra
- ARC Prize — GPT‑6 Astra sur ARC‑AGI‑3
- Epoch AI — évaluation de GPT‑6 Astra
- Artificial Analysis — benchmark indépendant d’Astra
- Every — premiers tests de GPT‑6 Astra
- Fortune — modifications des métriques après lancement
- 50 prompts ChatGPT pour chefs de projet : le guide 2026
- GPT-6 Astra : performances, prix et risques cyber du nouvel agent IA d’OpenAI
- NVIDIA rachète Hugging Face : ce que l’accord à 12,93 Md$ change pour l’IA ouverte
- Gemini 3.8 Flash : prix, performances et version Cyber face à GPT-5.6 et Claude Opus 5
- OpenAI coupe Cursor après son rachat par SpaceX : le précédent qui inquiète les applications IA
