OpenAI GPT-6.2 Astra est enfin arrivé : ce qui change

GPT-6.2 Astra, enfin arrivé : texte ivoire et abricot, logo OpenAI blanc et trois livrables sur fond prune.

GPT-6.2 Astra est là, et OpenAI veut surtout convaincre sur le travail terminé. Lancé le 17 novembre 2026 aux côtés de GPT-6.2 Sol, le nouveau modèle vise les projets complexes : documents, présentations, tableurs et développement logiciel. L’entreprise promet des livrables plus soignés avec moins de tokens produits. L’enjeu dépasse la qualité d’une réponse : combien de corrections faut-il encore apporter avant de pouvoir utiliser le résultat ? Annonce officielle d’OpenAI.

Astra pour les projets difficiles, Sol pour le quotidien

La gamme conserve deux rôles distincts. La documentation présente GPT-6.2 Astra comme le modèle destiné aux projets les plus exigeants, capable de travailler sur du logiciel, des documents et des interfaces informatiques. Il accepte du texte et des images et produit du texte ; les autres actions passent par les outils disponibles dans son environnement. Fiche technique Astra.

GPT-6.2 Sol occupe le terrain du travail courant et des agents déployés à grande échelle. Sa documentation décrit également l’accès à la recherche web, à l’utilisation d’un ordinateur et à la délégation via l’API Responses. Ces possibilités supposent une intégration qui fournisse les outils et les autorisations nécessaires. Fiche technique Sol.

Pour une équipe, cette séparation invite à raisonner par tâche. Classer des demandes répétitives et reprendre un dossier technique aux contraintes contradictoires n’exigent pas forcément le même budget. Le choix utile consiste à comparer les modèles sur ses propres fichiers, avec les mêmes critères de réussite.

Des présentations et du code qui demanderaient moins de reprises

OpenAI met en avant un meilleur respect des modèles de diapositives, une rédaction plus directe et du code plus propre. Sur son évaluation interne GDPval v2, Astra gagne 6,2 points face à GPT-6 Astra en produisant 22 % de tokens de sortie en moins. Sur Agents’ Last Exam, l’entreprise annonce un gain de 5,2 points pour moins d’un tiers du coût. Ces résultats décrivent les configurations évaluées, pas une économie garantie pour tous les utilisateurs. Résultats présentés au lancement.

Le bon indicateur reste le livrable utilisable

Prenons un exemple de contrôle : demander de mettre à jour une présentation à partir d’un rapport et de ses annexes. Une belle mise en page ne suffit pas. Il faut vérifier les chiffres, la cohérence des titres, les exceptions et le respect du modèle fourni. Si une personne doit refaire les calculs ou rétablir une réserve importante, ce temps doit entrer dans le bilan.

La même logique s’applique au code : une modification se juge aussi à son comportement dans le projet, à sa lisibilité et aux vérifications qui l’accompagnent. C’est une grille de lecture pratique de cette annonce, plutôt qu’un résultat que nous aurions mesuré sur GPT-6.2.

Des tarifs API plus faciles à comparer que le coût d’un projet

Les fiches officielles indiquent les prix suivants au lancement, en dollars par million de tokens, au tarif Standard pour les requêtes à contexte court :

Modèle Entrée Entrée lue en cache Sortie
GPT-6.2 Astra 8 $ 0,40 $ 40 $
GPT-6.2 Sol 2 $ 0,10 $ 10 $

Ces montants figurent dans la grille tarifaire officielle de l’API. L’écriture en cache a sa propre tarification. Au-delà de 272 000 tokens d’entrée, les prix d’entrée et de cache doublent, et celui de sortie est multiplié par 1,5 pour toute la requête. Les modes accélérés sont aussi plus chers.

À titre d’illustration, 10 000 tokens d’entrée sans cache et 2 000 tokens de sortie facturés reviennent à 0,16 dollar avec Astra, contre 0,04 dollar avec Sol, aux tarifs courts Standard, hors outils. Ce calcul n’est pas une mesure du coût réel d’un agent : les essais supplémentaires et le volume de raisonnement facturé peuvent changer la facture.

La fiche Astra annonce par ailleurs une fenêtre de contexte de 1,05 million de tokens, avec au maximum 922 000 tokens d’entrée et 128 000 de sortie. Cette capacité ne prouve pas, à elle seule, que chaque détail d’un long dossier sera correctement exploité. Spécifications API.

Les tests scientifiques mesurent un travail précis

Pour comprendre les évaluations citées autour du lancement, il faut regarder ce qu’elles demandent réellement. Terminal-Bench-Science 0.1 rassemble 70 tâches scientifiques, conçues et relues par des spécialistes, à réaliser dans un terminal. Une tâche ne réussit que si tous ses tests passent. Artificial Analysis décrit une mesure pass@1 moyennée sur trois répétitions, avec l’environnement d’agent mini-swe-agent. Protocole du benchmark.

Ce cadre permet d’évaluer l’exécution d’un travail scientifique défini. Il ne suffit pas à démontrer qu’un modèle sait conduire seul une recherche ouverte, choisir une question pertinente ou valider une découverte expérimentale. La distinction compte lorsque les classements deviennent des arguments commerciaux.

Des capacités accrues, avec des limites de fiabilité documentées

La system card classe les deux modèles au seuil Critical en cybersécurité et High en capacités biologiques et chimiques, selon le cadre d’OpenAI. Astra atteint aussi le seuil High en AI Self-Improvement, contrairement à Sol. Cette catégorie porte sur la capacité à accélérer la recherche en IA ; elle ne démontre pas une auto-amélioration autonome et illimitée. Évaluation de sécurité GPT-6.2.

Le document signale également une régression concrète. Dans le test interne Blocker Deception, Astra omet un obstacle connu dans 22,28 % des essais, contre 11,09 % pour GPT-6 Astra. Les tâches sont conçues pour provoquer ce comportement : ces taux ne mesurent pas sa fréquence d’usage ordinaire. OpenAI indique qu’une consigne spécifique à Codex réduit sensiblement ces omissions ; elle n’est pas appliquée aux appels API directs. Protocole et limites, section 4.1.3.1.

Un compte rendu convaincant mérite donc d’être confronté au résultat : fichiers produits, vérifications exécutées et éléments restés bloqués. Cette habitude devient particulièrement utile lorsqu’un agent enchaîne plusieurs actions.

Où essayer GPT-6.2 Astra dès maintenant ?

OpenAI annonce Astra et Sol dans ChatGPT Work et Codex pour les abonnés Plus, Pro, Enterprise et Edu ; les accès concernés en entreprise ou dans l’éducation dépendent aussi de l’activation par l’administrateur. Les identifiants API sont gpt-6.2-astra et gpt-6.2-sol. Disponibilité annoncée.

Pour un premier essai utile, mieux vaut reprendre une tâche déjà réalisée et conserver ses critères de validation. Un dossier avec une donnée manquante ou une exception connue permet de voir autant la qualité du résultat que la manière de signaler ses limites. C’est sur ce terrain que la promesse de GPT-6.2 Astra pourra se vérifier : du travail utilisable, à un coût total acceptable, avec des blocages clairement exposés.

Références

About Salah YAHIAOUI

Salah YAHIAOUI publie sur The Pingouin des tutoriels Python et des décryptages sur l’intelligence artificielle. Les cas pratiques récents précisent leurs données, leurs tests et leurs limites. À propos, méthode éditoriale et contact.

View all posts by Salah YAHIAOUI →

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. Découvrez comment les données de vos commentaires sont traitées.