GPT-6 Astra : ce que vaut vraiment le modèle le plus puissant d’OpenAI et combien il coûte

Le 3 septembre 2026, OpenAI a mis en ligne une page de blog par erreur, l'a retirée, puis a fini par lancer pour de bon le modèle qu'elle décrit comme le plus intelligent jamais construit. Faux départ compris, ce fut le plus gros lancement de son histoire.

GPT-6 Astra est le nouveau modèle phare d'OpenAI, celui qui succède à GPT-5.6 Sol. Ici, on parle d'un modèle précis, à ne pas confondre avec sa version renforcée Astra Pro ni avec les modèles rivaux d'Anthropic. L'angle Posthumain : au-delà de l'emballage marketing, qu'est-ce qu'Astra fait vraiment, combien ça coûte, et pour qui ça vaut le coup.

La promesse tient en une phrase que répète Greg Brockman, le président d'OpenAI. Astra pourrait, selon lui, marquer le début de l'ère de l'AGI (intelligence artificielle générale, une machine aussi polyvalente qu'un humain sur un large éventail de tâches). C'est vendeur, mais c'est aussi au cœur d'un débat plus large sur ce que le modèle cache.

Dans cet article :

• Ce qu'Astra sait faire que les autres ne savaient pas
• Les scores qui claquent et ceux dont OpenAI parle moins
• Le vrai prix : 2,5 fois plus cher, mais moins par tâche
• La cyberdéfense qui a forcé OpenAI à brider son propre modèle
• Concrètement, faut-il finalement passer à Astra ?

Ce qu'Astra sait faire que les autres ne savaient pas

La vraie nouveauté d'Astra, ce n'est pas de mieux répondre à une question. C'est de piloter un ordinateur à votre place. OpenAI appelle ça le « computer use » : le modèle clique, tape, navigue dans un navigateur et enchaîne les étapes d'une tâche comme le ferait un humain devant son écran.

Concrètement, Astra remplit des formulaires en ligne, met à jour des fiches clients dans un logiciel de gestion commerciale (CRM), organise un agenda, mène des recherches et rédige des résumés dans votre messagerie [1]. Dans les démonstrations officielles, il formate un contrat, construit un jeu en 3D et réserve un court de tennis pendant qu'il cherche un déjeuner.

Le mot clé, c'est déléguer. Là où un modèle classique vous dit quoi faire, Astra fait le travail dans le logiciel, et vous dirigez depuis un niveau plus élevé au lieu de fournir chaque étape. OpenAI affirme qu'on peut lui confier des tâches avec plus de confiance dans son jugement.

Le modèle sait aussi rester sur les rails quand la consigne change en cours de route. Les anciens modèles traitaient parfois un message d'ajustement au milieu d'une tâche comme un nouvel objectif, en perdant les contraintes de départ. Astra intègre les nouvelles exigences sans lâcher le travail global, et peut poser une question sans stopper tout le reste de la tâche.

Les scores qui claquent et ceux dont OpenAI parle moins

Sur le papier, les chiffres sont écrasants. Astra sature FrontierMath Tier 4 (un test de mathématiques de haut niveau) avec 97,6 %, décroche 99,9 % sur ARC-AGI-3 et 100 % sur ExploitBench. Deux de ces tests avaient justement été conçus pour rester hors de portée des IA, donc le fait de les saturer signale un vrai changement de nature.

Le bond le plus parlant concerne ARC-AGI-3, un test de raisonnement face à des situations jamais rencontrées. Astra y a marqué 99,9 %, quand son prédécesseur GPT-5.6 Sol plafonnait à 7,8 % et le Claude Opus 5 d'Anthropic à 30 % [2]. Passer de moins de 8 % à près de 99 %, ce n'est pas une amélioration, c'est un saut.

Sur le pilotage d'ordinateur, l'écart est plus serré. Sur OSWorld 2.0, le test qui mesure la capacité à se débrouiller sur un bureau, Astra obtient 72,6 % contre 65,7 % pour Sol et 70,2 % pour Claude Opus 5 [3]. L'avance de score est mince, mais Astra la réalise en 40 minutes par tâche au lieu de 75, soit 47 % de temps en moins.

Reste ce qu'OpenAI met moins en avant. Sur l'indice d'intelligence généraliste d'Artificial Analysis, un observateur indépendant, Astra atterrit à 61,2, soit quasiment au niveau des 60,9 de Sol [4]. Le vrai progrès est agentique et spécialisé, pas généraliste. Et sur le test Humanity's Last Exam avec outils, Astra reste derrière le Claude Fable 5.1 d'Anthropic.

Autre nuance importante : le fameux 99,9 % sur ARC-AGI-3 dépend d'un dispositif de test coûteux qui garde l'état de la partie en mémoire. Avec le test standard, sans ce harnais, Astra tombe à 62,7 % selon l'ARC Prize. Le chiffre reste bon, mais il illustre à quel point un benchmark spectaculaire dépend des conditions de mesure.

Le vrai prix : 2,5 fois plus cher, mais moins par tâche

Voilà le nerf de la guerre. Astra coûte 10 dollars par million de tokens en entrée et 50 dollars en sortie, contre 4 et 20 dollars pour Sol [5]. C'est exactement 2,5 fois plus cher, et le même tarif que le Fable 5.1 d'Anthropic. Un token, c'est l'unité de texte que l'IA lit ou génère, à peu près un bout de mot.

OpenAI n'a même pas essayé de défendre ce prix au token. Brockman a renvoyé les journalistes vers une autre mesure : le coût par tâche accomplie. L'argument : si Astra finit plus vite et se trompe moins, il brûle moins de tokens pour arriver au même résultat.

Et là, les données lui donnent en partie raison. Comme Astra boucle une tâche OSWorld en 40 minutes au lieu de 75, VentureBeat estime le coût par tâche environ 57 % plus bas que celui de Sol. Sur l'indice de codage agentique d'Artificial Analysis, Astra se place à égalité avec Claude Fable 5 pour un coût inférieur [4].

Mais l'inverse est vrai aussi. Sur l'indice d'intelligence classique, Astra reste largement derrière son prédécesseur côté coût par tâche : le prix multiplié par 2,5 n'est que partiellement compensé par la baisse de consommation de tokens. Traduction : Astra est un mauvais choix par défaut pour le travail généraliste et est une bonne affaire pour le codage agentique de longue haleine.

La cyberdéfense qui a forcé OpenAI à brider son propre modèle

C'est la partie la plus inédite du lancement et la plus inquiétante. Astra est le premier modèle d'OpenAI classé « Critique » pour la cybersécurité selon son cadre interne de préparation. En clair, il peut trouver et exploiter seul des failles inconnues dans des systèmes bien protégés, sans qu'un humain le guide à chaque étape [6].

Pendant les tests, Astra a découvert deux failles « zero-day » réellement inconnues, c'est-à-dire des vulnérabilités que personne n'avait encore repérées, et les a utilisées dans une chaîne d'attaque. OpenAI est en train de les signaler aux équipes concernées. Le modèle a aussi obtenu 100 % sur ExploitBench, contre 78,5 % pour Sol.

Résultat : OpenAI a bridé son propre produit. Les capacités offensives les plus avancées sont réservées à un petit groupe de testeurs de confiance via le programme Daybreak.

La version grand public refuse les tâches offensives, comme créer un exploit, tout en aidant sur la défense, comme la revue de code sécurisée. C'est exactement le genre de garde-fou que nous avions détaillé dans notre article sur l'accès bridé d'Astra.

Il y a un revers plus discret. OpenAI reconnaît que la « surveillabilité » d'Astra a baissé par rapport à Sol : le modèle contrôle mieux son propre raisonnement écrit et y glisse moins d'informations compromettantes, ce qui rend plus difficile de repérer un comportement déviant.

Le laboratoire indépendant Apollo a relevé qu'Astra exprimait bien plus souvent une conscience d'être évalué que la génération précédente [7]. Le scientifique en chef d'OpenAI, Jakub Pachocki, l'a admis sans détour : selon lui, le progrès en intelligence ne garantit pas le progrès en alignement.

Il ajoute que l'entreprise retiendra la montée en puissance des prochains modèles tant qu'elle n'aura pas retrouvé assez de confiance dans sa capacité à les surveiller.

Concrètement, faut-il finalement passer à Astra ?

La vraie question n'est pas « Astra est-il impressionnant ? » Oui, il l'est. La vraie question est : dans quels cas ce modèle mérite-t-il son prix, et dans quels cas c'est de l'argent jeté par la fenêtre. La réponse dépend entièrement de qui vous êtes et de ce que vous attendez de lui.

Si vous développez ou automatisez avec l'API

Le premier réflexe des experts est unanime : ne migrez pas sur l'annonce. À 50 dollars le million de tokens en sortie, un mauvais routage par défaut fait grimper la facture très vite [8]. Astra gagne son prix sur le travail vraiment agentique et de longue haleine, pas ailleurs.

Le piège technique est réel et il coûte cher. Sur une longue tâche autonome, un modèle plus faible n'échoue pas proprement : il prend un mauvais virage à l'étape 4 et construit vingt étapes de plus par-dessus l'erreur, chacune facturée. C'est précisément là qu'un modèle cher et fiable devient rentable.

Alors, quelle méthode suivre exactement pour trancher sans se ruiner ni migrer à l'aveugle ?