OpenAI lance le modèle GPT-6 Astra, les capacités de l'agent IA dépassent les précédents benchmarks

OpenAI lance le modèle GPT-6 Astra, marquant une transition clé de l'Answer Engine vers l'IA Agent. Astra est désormais capable d'opérer un ordinateur, de naviguer sur le web, d'utiliser des logiciels, d'écrire et d'exécuter du code, ainsi que de compléter des flux de travail complexes. Il atteint 72,6 % de réussite dans le test OSWorld 2.0, dépassant les 65,7 % du GPT-5. Cela signifie que l'IA passe de « mieux répondre » à « réussir à accomplir des tâches » : elle n'est plus simplement un outil de réponse, mais devient une main-d'œuvre numérique pouvant être « embauchée ». La demande en tokens passera d'une croissance uniquement basée sur le nombre d'utilisateurs à un effet multiplicateur engendré par la croissance simultanée du nombre d'agents, du nombre de tâches par agent et de la consommation de tokens par tâche. L'IA génère actuellement un effet de roue vertueuse « Humain + IA → Formation → IA améliorée », où l'amélioration des capacités du modèle devient elle-même le moteur de la croissance de la demande en puissance de calcul.

Auteur et source de l'article : Bureau d'opinions de Shaoshu

Croire que presque tout le monde reconnaît le passage suivant :

À l'ère de l'IA, ce qui vous surpassera, c'est la personne ou l'entreprise qui utilise l'IA plus tôt et mieux que vous.

Mais après le lancement par OpenAI de son propre modèle GPT-6 Astra, cette phrase est complètement inexacte, voire entièrement erronée. Désormais, la formulation correcte est :

À l'ère de l'IA, ce ne seront plus les personnes ou entreprises qui utilisent mieux l'IA qui vous surpasseront, mais celles qui adoptent, déployent et maîtrisent activement les agents d'IA en premier.

Rappelez-vous que le « vous » ci-dessus peut également désigner une entreprise.

Vous vous souvenez ? Le mois dernier, Astra avait déjà fait une apparition, en tant que modèle interne secret d’OpenAI, répondant à 10 problèmes de mathématiques et de science informatique théorique avec un niveau de recherche mathématique de haut niveau (prix Fields). Cette fois-ci, la plus grande avancée d’Astra, officiellement publiée par OpenAI, ne se limite pas à devenir « plus intelligente » (avec des capacités mathématiques et scientifiques accrues), mais elle fait passer l’IA d’un moteur de réponses à un véritable agent IA.

Ainsi, pour cette publication, OpenAI ne se limite plus à indiquer de combien les benchmarks d'Astra ont été améliorés, mais définit dès le départ les limites de ses capacités de manière très claire :

Astra peut désormais opérer des ordinateurs, naviguer sur le web, utiliser des logiciels, écrire et exécuter du code, accomplir des flux de travail complexes, et effectuer des tâches à long terme dans les domaines scientifiques, de la cybersécurité et professionnelles.

Cette phrase résume la véritable avancée d'Astra. Cela signifie que l'IA passe véritablement de « personne → IA → réponse » à « personne → Agent IA → tâche → exécution → résultat ». Ainsi, GPT-6 Astra signifie :

L’IA n’est plus seulement un outil pour répondre à des questions, mais commence à devenir une main-d’œuvre numérique qui peut être « embauchée », travaillant en permanence sans repos.

The improvement in Astra's capability for long-range missions is the most critical.

Dans OSWorld 2.0 (un test proposé par des équipes de CMU et de Stanford pour évaluer la capacité des agents IA à accomplir des tâches complexes telles que le travail bureau, le débogage de logiciels multi-fichiers et la configuration système de sécurité réseau, puis le comparer à une base de référence avec des experts humains), Astra atteint 72,6 %, surpassant les 65,7 % de GPT-5.6 Sol ; parallèlement, le temps simulé pour accomplir les tâches est passé d’environ 75 minutes à environ 40 minutes.

Cela signifie qu'Astra connaît un changement très décisif :

De « mieux répondre » à « réussir à accomplir les tâches ».

Cela changera radicalement notre façon de comprendre la pénétration de l'IA et de calculer la demande totale en tokens. Par le passé, pour estimer la taille du marché de l'IA, nous nous posions naturellement les questions suivantes : combien de personnes utilisent ChatGPT ? Combien d'employés d'entreprises utilisent Copilot ? Quelle est la pénétration de l'IA chez les programmeurs, les agents de service client, les employés de bureau et les scientifiques ?

Ensuite, utilisez « nombre d'utilisateurs × ARPU » pour estimer la taille du marché de l'IA. Ce raisonnement n'est bien sûr pas problématique à l'ère des Answer Engine. Mais à l'ère des AI Agent, des problèmes surgissent :

• L'utilisation de l'IA par une personne ne signifie pas qu'elle ne travaille qu'avec un seul agent ; une personne peut créer plusieurs tâches d'agent. Une entreprise peut déployer simultanément des centaines, voire des milliers d'agents. Un agent peut fonctionner en continu pendant plusieurs heures, voire 24 heures sur 24.

Ainsi, l'inégalité suivante s'applique :

1 personne ≠ 1 utilisateur d'IA ≠ 1 unité de travail d'IA.

Un scientifique des matériaux peut configurer simultanément des dizaines d'agents IA pour effectuer des tâches de recherche dans différents domaines. Ainsi, la variable véritablement à surveiller devient :

• Combien d'agents IA fonctionnent actuellement dans le monde entier ?
• Combien de tâches chaque AI Agent en cours d'exécution effectue-t-il par jour ? Combien de tokens consomme-t-il ?

Le produit de ces deux chiffres constituera la fonction de demande réelle de l'IA.

Que vous utilisiez ou non l’IA, que vos amis autour de vous l’utilisent ou non, que votre entreprise l’utilise ou non, cela n’a aucune importance pour le taux de pénétration de l’IA ni pour la demande totale de jetons. Si vous n’utilisez pas l’IA, quelqu’un d’autre utilisera des agents IA pour remplacer vos avantages ou votre activité, puis vous remplacer vous et votre entreprise.

Alors, ajoutons une phrase spéciale ici :

Aujourd'hui, toutes les entreprises de taille moyenne à grande devraient au moins accorder une attention stratégique au niveau du conseil d'administration à la mise en place d'une stratégie IA, car de nombreuses personnes talentueuses surveillent attentivement vos activités génératrices de revenus.

Ainsi, la définition de la pénétration de l'IA est passée de « Par humain » à « Par agent ». On pensait autrefois que c'était ainsi :

Taux de pénétration de l'IA = Nombre d'utilisateurs d'IA / Population potentielle

Après Astra, la formule de pénétration des agents IA est la suivante :

Taux de pénétration des agents = Tâches prises en charge par les agents IA / Tâches pouvant être exécutées par les agents

Les dénominateurs de ces deux formules présentent évidemment une énorme différence d'ordre de grandeur. Puisque les agents n'ont plus besoin d'être en correspondance un à un avec les humains, une seule personne peut posséder simultanément plusieurs agents IA personnels. Quant au nombre de « tâches exécutables par les agents », je pense que la page de présentation d'Astra publiée par OpenAI donne une indication.

Ci-dessus se trouve la carte stellaire présentée par OpenAI sur sa page de présentation d'Astra. Si la petitesse de l'humanité face à l'univers est évidente, elle reflète aussi notre ignorance envers le monde cosmique ; toute exploration de cette ignorance peut devenir une tâche pour un Agent IA, ce qui implique que le nombre d'Agents IA pourrait être infini.

Ainsi, « combien de personnes dans le monde commencent à utiliser l'IA » et « combien de main-d'œuvre numérique est actuellement en fonction » représentent deux ordres de grandeur complètement différents.

La demande totale pour le token présentera une élasticité bien plus importante que la croissance du nombre d'utilisateurs d'agents IA. En effet, la demande de token à l'ère des agents ne se limite pas à une simple augmentation proportionnelle au nombre d'utilisateurs, mais s'accroît également avec la quantité de travail IA supportée par chaque agent.

Ainsi, la demande totale de token peut être approximativement écrite comme suit :

Demande totale de jetons ≈ Nombre d'agents IA × Nombre de tâches par agent × Consommation de jetons par tâche

Et ces trois variables peuvent toutes augmenter simultanément à un rythme rapide.

Premièrement, l'augmentation du nombre d'agents. Autrefois, une personne n'utilisait peut-être qu'un seul ChatGPT ; à l'avenir, une personne pourra exécuter simultanément un agent assistant personnel, un agent de codage, un agent de recherche, un agent financier, un agent d'achat... Les entreprises pourront passer de dizaines ou centaines d'agents à des milliers, voire des dizaines de milliers.

Deuxièmement, les tâches exécutées par chaque Agent deviennent de plus en plus nombreuses. Autrefois, une demande comme « Résume-moi cet article » nécessitait peut-être seulement quelques milliers de tokens, tandis que dans le futur, il s'agira de « Étudier cet secteur, lire 500 documents, comparer 50 entreprises, établir un modèle, détecter des anomalies, rédiger un rapport, puis formuler des recommandations d'investissement basées sur ce rapport ». C'est précisément là que réside la signification d'Astra : plus le modèle sera capable d'accomplir des tâches complexes, plus les humains oseront confier des tâches complexes aux Agents.

Troisièmement, l'agent passera de « appels occasionnels » à « fonctionnement continu ». C'est le changement le plus important. Les ChatGPT traditionnels fonctionnent de manière à ce que l'utilisateur pose une question, déclenche une seule interaction, obtienne une réponse, puis la session se termine. En revanche, un agent IA…

Atteindre l'objectif → Planifier → Rechercher → Exécuter → Vérifier → Modifier → Réexécuter → Terminer.

C'est une chaîne de calcul en cours d'exécution qui génère constamment des appels API. Plus la tâche est complexe, plus le raisonnement est long, plus le contexte est vaste, plus les appels d'outils sont nombreux, plus la sortie est importante, et plus la consommation de tokens augmente.

Ainsi, l'agent IA augmentera non seulement le nombre d'utilisateurs d'IA, mais aussi la demande de jetons derrière chaque utilisateur d'IA.

Il est donc tout à fait possible que le nombre d'agents IA n'augmente que de 20 %, tandis que la demande totale de jetons augmente de 300 %.

Astra est le plus grand entraînement réalisé jusqu'à présent par OpenAI, et les informations publiques indiquent que sa taille a dépassé 100 000 GPU. Plus important encore, l'IA participe de plus en plus à l'entraînement des modèles eux-mêmes.

Autrefois, c’était « Humain → Formation → IA », et cela évolue progressivement vers :

Humain + IA → Former → Meilleure IA

Ceci est déjà le mode de base de l'RSI ; le modèle peut participer à la génération de données d'entraînement, identifier des problèmes, effectuer des évaluations, fournir des commentaires, et même aider à certaines tâches d'ingénierie et de recherche pendant le processus d'entraînement.

Ainsi, une chaîne d'effet de roue très performante se formera :

Des modèles plus puissants permettent des capacités d'agent IA plus élevées, ce qui permet à l'agent IA d'accomplir davantage de tâches du monde réel, de générer davantage de données de tâches de haute qualité et de retours, aidant ainsi à former des modèles encore plus puissants, qui à leur tour améliorent les capacités de l'agent, permettant ainsi de prendre en charge davantage de tâches…

Cela signifie que le développement de l'IA ne se fera pas comme une « itération de versions » traditionnelle pour les logiciels, mais plutôt comme un système de production à accélération autonome. Le résultat est que la demande pour les tokens subira un effet multiplicateur avec une expansion simultanée sur plusieurs variables, et plus le modèle est puissant, plus cet effet multiplicateur est marqué.

Alors, nous verrons certainement :

L'amélioration des capacités des modèles devient elle-même le moteur de la croissance de la demande en puissance de calcul pour l'IA, entraînant ensuite l'émergence de milliards, puis dizaines de milliards, puis un nombre croissant d'agents IA en tant que main-d'œuvre numérique, ce qui déclenche une demande insatiable et infinie pour les jetons.

C'est l'importance de cette publication de GPT-6 Astra.