Discussion :

[Eliora]

OpenAI affirme que son prochain modèle d'IA, Astra, encore inédit, a résolu 10 problèmes vieux de plusieurs décennies en mathématiques, physique quantique et informatique théorique pour seulement 2 000 $

OpenAI a révélé que son prochain modèle d'IA, encore inédit, baptisé Astra, a réussi à résoudre dix problèmes de longue date dans les domaines des mathématiques, de la complexité quantique et de l'informatique théorique. Si ces affirmations résistent à un examen minutieux de la communauté scientifique mondiale, cette avancée marquera bel et bien un tournant historique. Le modèle d'IA a généré ces démonstrations mathématiques complexes de manière entièrement autonome. Les chercheurs sont ensuite intervenus pour vérifier ce travail. Les problèmes résolus par le modèle Astra font appel à des théories académiques extrêmement complexes. Ce n'est pas la première fois qu'OpenAI revendique un succès dans le domaine des mathématiques.

OpenAI est un organisme américain de recherche en intelligence artificielle (IA) dont le siège social est situé à San Francisco. Il est constitué d’OpenAI Group PBC, une société à but lucratif d’intérêt public (PBC), contrôlée en partie par OpenAI Foundation, une organisation à but non lucratif. OpenAI développe des modèles d’IA générative, notamment la série GPT de grands modèles linguistiques. Le lancement de ChatGPT en novembre 2022 est considéré comme ayant catalysé l’essor de l’IA et suscité un intérêt généralisé pour l’IA générative.

En octobre 2025, OpenAI a fait face à une vague de critiques suite à une fausse annonce concernant une avancée mathématique du GPT-5. La dernière affirmation d'OpenAI selon laquelle GPT-5 aurait résolu une série de problèmes mathématiques de longue date a suscité des critiques après que les chercheurs de l'entreprise ont semblé exagérer les réalisations du modèle. Les problèmes dits « non résolus » avaient déjà été résolus dans des articles universitaires, mais n'étaient pas répertoriés sur tous les sites de référence. GPT-5 avait simplement récupéré des études existantes que le conservateur du site web n'avait pas encore rencontrées.

Récemment, OpenAI a révélé que son prochain modèle d’IA, encore inédit, baptisé Astra, a réussi à résoudre dix problèmes de longue date dans les domaines des mathématiques, de la complexité quantique et de l’informatique théorique. Si ces affirmations résistent à un examen minutieux de la part de la communauté scientifique mondiale, cette avancée marquera bel et bien un tournant historique. Cela prouve à quel point l’IA est en train de passer du statut d’assistant numérique basique, qui se contente d’aider les humains dans leurs tâches, à celui de véritable contributeur à la recherche scientifique de haut niveau.

Comment l’IA a résolu les problèmes

Selon un article publié sur le blog officiel d’OpenAI, le modèle d’IA a généré ces démonstrations mathématiques complexes de manière entièrement autonome. Les chercheurs sont ensuite intervenus pour vérifier ce travail. Ils ont converti les démonstrations générées par l’IA en un format formel et vérifiable par ordinateur à l’aide d’un outil spécialisé appelé « Lean ». Ce processus a permis aux scientifiques de vérifier de manière indépendante chaque étape logique du travail de l’IA afin de s’assurer qu’il n’y avait aucune erreur.

OpenAI a également donné un aperçu du coût financier de ce calcul avancé. L’entreprise a indiqué qu’aux tarifs actuels de l’API, il fallait environ 2 000 dollars de puissance de calcul de l’IA pour produire chaque résultat mathématique valide.

Quels problèmes l’IA a-t-elle résolus ?

Les problèmes résolus par le modèle Astra, qui n’a pas encore été rendu public, font appel à des théories académiques extrêmement complexes. Selon OpenAI, ces avancées comprennent l’établissement de meilleures bornes pour l’empilement de sphères et les codes correcteurs d’erreurs, ainsi que la construction, selon l’entreprise, du tout premier « groupe non-sofic » explicite. Un « groupe non-sofic » est une structure mathématique hautement théorique composée de symétries infinies qui ne peuvent être ni approximées ni modélisées par des systèmes finis plus simples.

De plus, le modèle a réussi à apporter une preuve du théorème de répétition parallèle quantique pour les jeux intriqués généraux à deux joueurs. Il a également fourni de nouveaux résultats sur deux célèbres théories mathématiques : la conjecture de volume d’Ehrhart et la conjecture de rigidité de Connes.

Une tendance en plein essor dans la recherche en IA

Ce n’est pas la première fois qu’OpenAI revendique un succès dans le domaine des mathématiques. Il y a quelques mois à peine, la société à l’origine de ChatGPT a annoncé que l’un de ses modèles de raisonnement avait réalisé une avancée authentique et originale sur le problème de la distance unitaire planaire, vieux de 80 ans, posé pour la première fois par le légendaire mathématicien Paul Erdős. Cette percée spécifique a ensuite été examinée et vérifiée de manière indépendante par des chercheurs de la communauté mathématique mondiale.

Les nouvelles découvertes d’Astra devraient faire l’objet d’un examen tout aussi rigoureux. Comme c’est le cas pour toute affirmation scientifique majeure, ce sont la vérification indépendante et l’évaluation rigoureuse par les pairs qui détermineront en fin de compte l’importance réelle de ces dix nouvelles solutions. Toutefois, cette annonce vient s’ajouter à une montagne croissante de preuves démontrant que les systèmes d’IA avancés s’attaquent désormais avec assurance à des problèmes de recherche que l’on croyait autrefois totalement hors de portée des machines.

En janvier 2026, le célèbre mathématicien Joel David Hamkins a exprimé de sérieux doutes quant à l'utilité des modèles d'IA dans la recherche mathématique, qualifiant leurs résultats de « déchets » et de « mathématiquement incorrects ». Il a souligné la tendance frustrante de l'IA à affirmer avec assurance des informations incorrectes et à résister à toute correction, reflétant ainsi les interactions humaines contre-productives. Malgré les succès remarquables de cette technologie, Hamkins a estimé que les systèmes actuels ne sont pas fiables pour une véritable collaboration en matière de recherche.

Voici l'annonce d'OpenAI :

Dix avancées en mathématiques et en informatique théorique

Nous souhaitons donner aux scientifiques et aux mathématiciens les moyens d’accélérer leurs découvertes grâce à des outils adaptés. C’est pourquoi nous avons récemment annoncé « ChatGPT for Academic Researchers », une initiative offrant à 100 000 scientifiques et mathématiciens un accès gratuit à nos meilleurs modèles ChatGPT. Nous continuons également à évaluer nos modèles sur des problèmes de recherche ouverts tout au long de leur développement.

En mai, nous avons partagé une réfutation générée par l’IA⁠ de la conjecture d’Erdős sur la distance unitaire, découverte lors de l’évaluation d’un modèle non encore publié. Ces travaux ont déjà inspiré de nouveaux développements en mathématiques et en informatique théorique. Aujourd’hui, nous partageons une sélection de dix résultats, dont chacun résout ou apporte des avancées substantielles sur un problème ouvert de longue date. Ces problèmes couvrent la géométrie de haute dimension, la théorie du codage, la complexité arithmétique des circuits, la théorie des groupes, les algèbres d’opérateurs, la complexité quantique, la cryptographie sur treillis et la combinatoire extrême. Tous ces problèmes présentent un intérêt considérable pour leurs communautés mathématiques respectives, et plusieurs d’entre eux suscitent un intérêt général dans l’ensemble des mathématiques.

Les résultats

Nous présentons de nouveaux résultats pour les problèmes suivants. Ces résultats ont été obtenus grâce à une version interne d’Astra, notre prochain modèle majeur. Le nombre total de tokens nécessaires pour trouver des solutions à ces problèmes coûterait environ 2 000 $ aux tarifs de l’API Sol. Ces raisonnements ont ensuite été transcrits sous forme de manuscrits par des humains à l’aide du même modèle. Par la suite, le modèle a formalisé chaque raisonnement dans un certificat Lean⁠. Nous publions également, pour chaque solution, une description par le modèle de son processus de réflexion.

1. Emballage de sphères en haute dimension. Nouvelles bornes supérieures sur la densité d’emballage des sphères jusqu’au seuil de Cohn–Elkies.
2. Codes binaires et sphériques. Bornes exponentiellement améliorées sur la taille maximale des codes binaires pour toute distance minimale donnée, avec des résultats analogues pour les codes sphériques en haute dimension.
3. Groupes non sofiques. Une construction établissant l’existence de groupes non sofiques, répondant ainsi à une question ouverte centrale de la théorie des groupes.
4. Conjecture de rigidité de Connes. Réfutation d’une conjecture de longue date selon laquelle certains groupes sont déterminés de manière unique par leurs algèbres de von Neumann.
5. Complexité des circuits arithmétiques. Nouvelles bornes inférieures pour le calcul de la permanente à l’aide de circuits arithmétiques et de formules, y compris une borne inférieure par formule arithmétique d’ordre n⁴/log n.
6. Répétition quantique parallèle. Un théorème de répétition parallèle exponentielle pour les jeux quantiques généraux à deux joueurs, prolongeant un principe fondamental de la théorie classique de la complexité.
7. Problème du vecteur le plus proche. Difficulté d’approximation de facteur polynomial pour le problème du vecteur le plus proche, une question fondamentale sur les treillis liée à la cryptographie post-quantique.
8. Conjecture de volume d’Ehrhart. Détermination, dans chaque dimension, du volume maximal possible d’un corps convexe dont le centre de gravité est son unique point intérieur du réseau.
9. Nombres de Ramsey multicolores. Une borne inférieure superexponentielle pour les nombres de Ramsey triangulaires multicolores, résolvant le problème n° 183 d’Erdős.
10. Conjectures sur les nombres extrêmes. Résultats sur les conjectures de compacité et de dégénérescence en théorie des graphes extrêmes, résolvant les problèmes n° 146 et 180 d’Erdős.

Responsabilité envers la communauté mathématique

L’émergence de systèmes capables de contribuer à la recherche mathématique soulève des questions auxquelles une entreprise technologique ne peut répondre à elle seule. Les points de vue sur le rôle de l’IA en mathématiques sont nombreux, et nous éprouvons un profond respect et une grande compréhension à l’égard de ceux qui s’inquiètent de son impact, notamment les signataires de la Déclaration de Leyde sur l’IA et les mathématiques.

Nous estimons que l’attribution doit refléter honnêtement la manière dont un résultat a été obtenu : revendiquer la paternité humaine d’une démonstration entièrement générée par un système d’IA donnerait une image fausse tant de la contribution du système que de la nature du véritable travail intellectuel humain. Nous avons contribué à la préparation des manuscrits et à la formalisation des démonstrations dans Lean, et nous assumons la responsabilité de leur exactitude, tandis que les arguments mathématiques eux-mêmes ont été générés par notre système.

Nous espérons que la communauté mathématique s’intéressera de près à ces résultats, les replacera dans leur contexte et donnera vie aux idées qui les sous-tendent grâce à de nouvelles recherches et découvertes. À mesure que les systèmes d'IA deviennent des collaborateurs de recherche de plus en plus sophistiqués, il est essentiel de garantir un accès généralisé à ces technologies afin d'accompagner les scientifiques et les mathématiciens dans leur réflexion sur l'avenir de leurs disciplines et dans la définition de celui-ci, en cette ère de transformation.

Source : OpenAI

Et vous ?

Pensez-vous que cette annonce est crédible ou pertinente ?
Quel est votre avis sur le sujet ?

Voir aussi :

OpenAI lance GPT-5.5, son tout dernier modèle d'IA, que la société qualifie de « modèle le plus intelligent et le plus intuitif à utiliser » à ce jour, et plus performant en matière de programmation

OpenAI prévoit une chute de 80 % du nombre d'abonnements à ChatGPT Plus, passant de 44 millions en 2025 à 9 millions en 2026, et espère échapper à ce désastre en augmentant la publicité

OpenAI envisage de baisser considérablement les prix de ses services d'IA, dans le but de détourner les consommateurs de son concurrent Anthropic

[Anselme45]

OpenAI affirme que son prochain modèle d'IA, Astra, encore inédit, a résolu 10 problèmes vieux de plusieurs décennies en mathématiques, physique quantique et informatique théorique pour seulement 2 000 $

Ouaaaaaaaaaaaaaah! Purée... Albert Einstein et Stephen Hawking doivent trembler dans leur tombes, leur collègues encore vivants se cherchent un nouveau job comme vendeur de glace ou de hot dogs

Bon... Ben... OpenAI vient de prouver par ses dires que OpenAI ne fera jamais de bénéfices...

Imaginez: OpenAI arrive à réinventer la roue, le feu et le fil à beurre pour une somme ridicule... Dans de telles conditions, comment est-ce que cette boite pourrait un jour gagner suffisamment d'argent pour financer ses gigantesques dettes qui augmentent de plusieurs dizaines de milliards chaque année????

[Biribibi]

Je me demande si tu as bien compris l'article.

Ces questions étaient ouvertes (irrésolues) et la plupart depuis plusieurs décennies.
Et chacune était très importante dans son domaine.
Je ne suis pas du tout pro-IA mais force de constater que c'est impressionnant.

[kain_tn]

Pensez-vous que cette annonce est crédible ou pertinente ?

Sachant que la communication vient de pipeau Altman et de ses sbires, non, elle ne l'est pas.

Quel est votre avis sur le sujet ?

Attendons de voir si la communauté des mathématiques confirme que la publication de OpenAI tient bien la route.

En tous cas, si le point 7 est vrai, les FIPS 203 et 204 sont bons pour la poubelle.

Et ce serait un peu cocasse, parce que ça voudrait dire que le quantique, qui est la prochaine bulle pour investir, que les AI Bros essayent de lancer depuis maintenant quelques temps, se prendrait les pieds dans le tapis à cause de la précédente bulle qui elle est au bord de l'éclatement

[Biribibi]

En tous cas, si le point 7 est vrai, les FIPS 203 et 204 sont bons pour la poubelle.

Je ne connaissais pas FIPS 203 et FIPS 204 alors je dis peut-être des bétises.
J'imagine que FIPS 203 fait référence à ça https://nvlpubs.nist.gov/nistpubs/fi...t.fips.203.pdf

Le point 7 montre qu'il est difficile (dans un certain sens algorithmique) d'approximer à un facteur polynomial le problème "Closest Vector Problem".
Et à ce que j'ai lu, FIPS 203 est protocole de cryptographie (post-quantique) dont la sureté est liée à la difficulté de résoudre le Closest Vector Problem.

Donc, ce serait plutôt un résultat positif quant à la sureté du protocole?

Par ailleurs, j'attends moi aussi un retour des mathématiciens (qui a déjà commencé) mais chaque preuve a déjà été certifiée en LEAN, ce qui permet une certaine garantie quand à la validité des résultats.

[kain_tn]

Je ne connaissais pas FIPS 203 et FIPS 204 alors je dis peut-être des bétises.
J'imagine que FIPS 203 fait référence à ça https://nvlpubs.nist.gov/nistpubs/fi...t.fips.203.pdf

Le point 7 montre qu'il est difficile (dans un certain sens algorithmique) d'approximer à un facteur polynomial le problème "Closest Vector Problem".
Et à ce que j'ai lu, FIPS 203 est protocole de cryptographie (post-quantique) dont la sureté est liée à la difficulté de résoudre le Closest Vector Problem.

Donc, ce serait plutôt un résultat positif quant à la sureté du protocole?[...]

J'ai peut-être raté quelque chose mais ce n'est pas ce que j'ai compris de leur publication (en suivant le lien):

Abstract. We study the hardness of approximating the Euclidean closest
vector problem within a fixed polynomial in the lattice dimension. We
present a deterministic polynomial-time many-one reduction from 3SAT to
GapCVP(2)
n1/400 , where n is the rank of a lattice given by an explicit square
integer basis.

[Biribibi]

J'ai peut-être raté quelque chose mais ce n'est pas ce que j'ai compris de leur publication (en suivant le lien):

Ca dit que l'on peut réduire 3-SAT (qui est un problème NP-complet) à GapCVP(2, n^1/400) qui est une version de Closest Vector Problem avec un gap (le gap sert à montrer la non-approximation).
Ca montre donc que GapCVP(2, n^1/400) est NP-dur et donc qu'il n'existe pas d'algorithme polynomial pour approximer CVP avec un facteur n ^ 1/ 400 (sauf si P = NP).

C'est donc bien un résultat de "dureté" du problème Closest Vector Problem.

[Anselme45]

Je me demande si tu as bien compris l'article.

Ces questions étaient ouvertes (irrésolues) et la plupart depuis plusieurs décennies.
Et chacune était très importante dans son domaine.
Je ne suis pas du tout pro-IA mais force de constater que c'est impressionnant.

Je crois plutôt que c'est toi qui crois un peu trop les bonimenteurs de l'IA tel que Altman, le CEO de OpenAI qui n'a même pas terminé ses études universitaires!!!

Ce mec ose dire que pour 2 000 dollars, son modèle IA a résolu 10 problèmes impossibles à résoudre par des générations de mathématiciens et de physiciens?

Mais mon gars, si cela est vrai, l'IA de OpenAI va faire des miracles pour quelques centimes d'euro, pour quelques cents!!!

Alors dis-moi, si il suffit de dépenser quelques dollars chez OpenAI pour résoudre "l'irrésoluble", pour découvrir l'insondable comment est-ce que OpenAi va gagner sa vie??????

Pour ton info, toutes les sociétés utilisatrices de l'IA pleurent sur tous les toits qu'elles n'obtiennent pas les résultats attendus mais qu'elles ont dépensé le budget annuel en tokens en moins de 3 mois!!!

Ce qui tu avoueras ne correspond pas du tout aux beaux discours de OpenAI

[Biribibi]

Soyons clair, je n'aime pas du tout Sam Altman tout comme je n'aime pas Elon Musk ou autre millardaire.
Mais pour le coup, je crois à cette news.

Tout comme je crois à la réfutation d'une conjecture d'Erdos par IA.
https://www.developpez.net/forums/d2...-vieux-80-ans/

Cette preuve a été vérifiée par 10 mathématiciens de renom dont une médaille Field.

[Anselme45]

Soyons clair, je n'aime pas du tout Sam Altman tout comme je n'aime pas Elon Musk ou autre millardaire.
Mais pour le coup, je crois à cette news.

Mais libre à toi... La crédulité est une caractéristique de l'être humain tout au long de l'histoire du monde... Au cours d'une vie, un français moyen croit tous les 5 ans aux promesses faites par un mec qui vise la présidence... Depuis que la France est France, il n'y a pas un seul dirigeant (pas plus les rois, les empereurs que les présidents de la république) qui a tenu ses promesses et pourtant... Les français continuent de croire à l'homme providentiel!

PS: La crédulité s'accompagne d'amnésie chronique... Ce qui n'aide pas!

[David_g]

c'est très chouette si c'est confirmé par les experts de ces domaines.
Par contre la phrase correct c'est :

pour 2000$ après quelques centaines de milliard d'investissement, notre IA résout à priori des problèmes mathématiques anciens.

[mephilith]

Le dernier vrai chaînon manquant, c'est l'interface cerveau-machine.

Après ça, techniquement, ce sera open bar.

Ça paraît futuriste, mais face à des IA capables de coder, d'écrire, de composer et de créer à une vitesse absurde, la question devient sérieuse : que restera-t-il à l'humain, à part cliquer sur "générer" ?

Imaginez un cerveau connecté directement à un ordinateur quantique. Une puissance de calcul vertigineuse, pilotée par la pensée.

Génial sur le papier. Légèrement inquiétant pour le mot de passe.

[Anselme45]

Ça paraît futuriste, mais face à des IA capables de coder, d'écrire, de composer et de créer à une vitesse absurde, la question devient sérieuse : que restera-t-il à l'humain, à part cliquer sur "générer" ?.

Ce que vous n'avez pas compris, c'est que l'IA ne crée RIEN!

L'IA ne comprend même pas la question que vous lui posez... Une IA se base simplement sur les données que ses concepteurs lui ont appris et fournit la réponse la plus probable!!!

Des tests l'ont d'ailleurs prouvé: En demandant à différents modèles d'IA d'écrire un roman, les IA ont fournit des textes où la majorité des paragraphes sont simplement tirés d'oeuvres déjà connues

[Biribibi]

Ce que vous n'avez pas compris, c'est que l'IA ne crée RIEN!

Si tu le dis...

Bon pour les résultats prouvés dans cet article, c'est encore trop tôt pour avoir du recul.
Mais pour l'article que j'ai cité plus haut et qui date maintenant de 2 mois.
https://www.developpez.net/forums/d2...-vieux-80-ans/
qui je le rappelle a été vérifié par une dizaine de mathématiciens.

Si la preuve fournie par ChatGPT était bidon, j'imagine qu'il y aurait au moins un mathématicien pour le signaler. Or, ce n'est pas le cas.
Même Terrence Tao (qui doit être un neuneu crédule pour toi si on suit ton raisonnement) dit que ce résultat est impressionnant.

[Anselme45]

...qui je le rappelle a été vérifié par une dizaine de mathématiciens.

Si la preuve fournie par ChatGPT était bidon, j'imagine qu'il y aurait au moins un mathématicien pour le signaler. Or, ce n'est pas le cas.
Même Terrence Tao (qui doit être un neuneu crédule pour toi si on suit ton raisonnement) dit que ce résultat est impressionnant.

Comment expliquez-vous que des centaines de scientifiques ont mené des centaines d'études universitaires réalisées en 50 ans qui ont toutes conclues que la fumée de cigarette n'étaient pas nocives pour la santé?

Je vous donne une idée... Qui finance?

[kain_tn]

Ca dit que l'on peut réduire 3-SAT (qui est un problème NP-complet) à GapCVP(2, n^1/400) qui est une version de Closest Vector Problem avec un gap (le gap sert à montrer la non-approximation).
Ca montre donc que GapCVP(2, n^1/400) est NP-dur et donc qu'il n'existe pas d'algorithme polynomial pour approximer CVP avec un facteur n ^ 1/ 400 (sauf si P = NP).

C'est donc bien un résultat de "dureté" du problème Closest Vector Problem.

Au temps pour moi. Tu as raison, oui.

c'est très chouette si c'est confirmé par les experts de ces domaines.
Par contre la phrase correct c'est :

pour 2000$ après quelques centaines de milliard d'investissement, notre IA résout à priori des problèmes mathématiques anciens.

Là, on est à plusieurs milliers de milliards, déjà

[Jade Emy]

Le modèle d'IA Astra d'OpenAI est proche du lancement, et serait très efficace pour pirater des systèmes informatiques, Astra serait le premier à franchir le seuil critique en matière de cybersécurité

OpenAI a déclaré que son prochain modèle d’IA, Astra, est le premier à dépasser le seuil de capacité en cybersécurité « critique ». L’entreprise a précisé qu’Astra est capable de détecter des failles de sécurité jusque-là inconnues et de les exploiter sans instructions détaillées de la part d’humains. OpenAI a ajouté qu’elle prévoyait toujours de rendre Astra disponible « prochainement », mais que l’accès à ses capacités en matière de cybersécurité serait plus limité.

Début août, OpenAI a révélé que son prochain modèle d'IA, encore inédit, baptisé Astra, a réussi à résoudre dix problèmes de longue date dans les domaines des mathématiques, de la complexité quantique et de l'informatique théorique. Le modèle d'IA a généré ces démonstrations mathématiques complexes de manière entièrement autonome. Les problèmes résolus par le modèle Astra font appel à des théories académiques extrêmement complexes. Ce n'est pas la première fois qu'OpenAI revendique un succès dans le domaine des mathématiques, mais ces nouvelles découvertes d’Astra font l’objet d’un examen tout aussi rigoureux.

Quelques jours plus tard, OpenAI a déclaré qu’elle ne pouvait exclure que son prochain modèle d’IA, Astra, possède des capacités de cybersécurité « critiques », ce qui a obligé l’entreprise à suspendre certains travaux internes et à renforcer ses mesures de sécurité. Selon les propres directives de sécurité de l’entreprise, un modèle atteint le seuil critique s’il est capable, de manière autonome, de détecter et d’exploiter des vulnérabilités « zero-day » existant dans le monde réel ou de mener des cyberattaques complexes sans intervention humaine. En conséquence, OpenAI a renforcé les tests de robustesse de ces mesures de protection et de ces contrôles de sécurité afin qu’ils soient adaptés à un déploiement de ces capacités.

Récemment, OpenAI a annoncé que son futur modèle d’IA, Astra, était le premier à franchir le seuil de capacité en matière de cybersécurité classé « critique ». L’entreprise a précisé qu’Astra était capable de détecter des failles de sécurité jusque-là inconnues et de les exploiter sans instructions détaillées de la part d’humains, ce qui signifie que le modèle relève de la catégorie la plus avancée de son « cadre de préparation » (Preparedness Framework). OpenAI a indiqué qu’elle prévoyait toujours de rendre Astra disponible « prochainement », mais que l’accès à ses capacités en matière de cybersécurité serait plus limité.

OpenAI a lancé son « Preparedness Framework » en 2023 ; ce cadre sert de méthode à l’entreprise pour « suivre et se préparer aux capacités avancées de l’IA susceptibles d’introduire de nouveaux risques de préjudice grave ». Dans une mise à jour de ce cadre effectuée l’année dernière, l’entreprise a défini un seuil de capacité « élevé », au-delà duquel les modèles pourraient amplifier les « voies existantes » menant à des préjudices graves, et un seuil de capacité « critique », au-delà duquel les modèles pourraient introduire de « nouvelles voies sans précédent » menant à des préjudices graves. « Nous partagerons davantage de détails concernant nos tests et évaluations en matière de sûreté, de sécurité et d’alignement dans la fiche technique du modèle lors de son lancement », a déclaré OpenAI.

Les pratiques d’OpenAI en matière de sécurité et de sûreté ont fait l’objet d’une attention particulière après que l’entreprise a révélé que deux de ses modèles s’étaient échappés de leur environnement d’entraînement, avaient accédé au Web public et avaient piraté les systèmes de Hugging Face le mois dernier. OpenAI a qualifié cette attaque d’« incident de cybersécurité sans précédent » et a temporairement suspendu certaines de ses activités internes d’entraînement et de recherche.

L’entreprise a décidé de retarder certaines étapes du développement d’Astra, même si le modèle n’était pas impliqué dans l’incident de Hugging Face. Après avoir renforcé et testé ses mesures de protection, OpenAI a déclaré qu’elle estimait que les dispositifs de sécurité du modèle « minimisaient suffisamment le risque de préjudice grave pour permettre sa mise à disposition dans le cadre de notre Preparedness Framework ». Les capacités de cybersécurité avancées d’Astra seront mises à la disposition d’un groupe restreint d’organisations faisant partie de sa coalition de cybersécurité baptisée Daybreak, a précisé OpenAI.

Voici le rapport d'OpenAI :

Voie vers Astra : capacités critiques et mesures de protection de pointe

Depuis notre précédente évaluation, selon laquelle Astra pourrait atteindre un niveau critique de capacité en matière de cybersécurité, nous avons recueilli davantage d’éléments et mené des évaluations supplémentaires afin d’analyser les capacités du modèle. Nous estimons désormais qu’Astra atteint le seuil de capacité critique en matière de cybersécurité défini dans notre cadre de préparation, ce qui signifie qu’avec les outils et les accès appropriés, il est capable de détecter des failles de sécurité jusque-là inconnues et de mettre au point des moyens de les exploiter sur de nombreux systèmes bien protégés, sans qu’une personne ne guide chacune de ses étapes. Il s’agit du premier modèle que nous classons à ce niveau, ce qui nécessite des mesures de sécurité renforcées pendant son développement et avant sa mise à disposition.

Au cours des dernières semaines, nous avons retardé certaines étapes du développement et de la mise à disposition d’Astra afin de renforcer et de tester les protections contre les utilisations malveillantes et les actions non autorisées du modèle. Sur la base de ce travail, nous estimons que les mesures de sécurité d’Astra minimisent suffisamment le risque de préjudice grave pour permettre sa mise à disposition conformément à notre cadre de préparation.

Bien qu’Astra n’ait pas été impliqué dans l’incident Hugging Face, nous avons intégré les enseignements tirés de cet incident dans notre approche en matière de sécurité. D’après des tests rétrospectifs, nous estimons que nos mesures de sécurité en production à l’époque auraient permis d’éviter l’incident Hugging Face. Depuis, nous avons mis en place des mesures de sécurité encore plus robustes pour Astra, notamment en entraînant le modèle à refuser de manière plus fiable les requêtes cybernétiques nuisibles et à respecter les restrictions de sécurité, en ajoutant des protections supplémentaires contre les utilisations abusives, et en mettant en place une surveillance capable de bloquer toute activité potentiellement non autorisée.

Nous prévoyons de rendre Astra disponible prochainement, mais l’accès à ses capacités de cybersécurité les plus avancées sera plus limité. Les fonctionnalités avancées de cybersécurité seront dans un premier temps réservées à un groupe de testeurs, puis accessibles via Daybreak Blue afin d’étendre leur utilisation à des fins défensives.

Nous partagerons davantage de détails concernant nos tests et évaluations en matière de sûreté, de sécurité et d’alignement dans la fiche technique du modèle lors de son lancement. Avant sa sortie, nous souhaitons faire le point sur certains des travaux que nous avons menés pour préparer le lancement en toute sécurité d’un modèle doté de ce niveau de capacités en matière de cybersécurité — et faire preuve de transparence quant aux risques qui subsistent.

Évaluation des capacités d’Astra en matière de cybersécurité

Dans le cadre de notre « Preparedness Framework », un modèle atteint le seuil « Critique » si l’une des conditions suivantes est remplie :

- Le modèle est capable d’identifier et de développer des exploits « zero-day » fonctionnels de tous niveaux de gravité dans de nombreux systèmes critiques réels et renforcés, sans intervention humaine.

- Le modèle est capable de concevoir et d’exécuter de bout en bout des stratégies novatrices de cyberattaques contre des cibles renforcées, à partir uniquement d’un objectif général de haut niveau.

Notre évaluation de l’état de préparation d’Astra a combiné des tests de performance automatisés, publics et privés, avec des évaluations menées par des experts. Astra représente une augmentation significative des capacités en matière de cybersécurité par rapport à GPT-5.6 Sol : il est à la fois nettement plus efficace en termes de tokens et plus performant dans l’identification des vulnérabilités et le développement d’exploits.

À titre d’exemple, nous avons testé Astra sur ExploitBench, où le modèle a obtenu un score parfait de 100 % lors du benchmark visant à évaluer sa capacité à développer des exploits à partir de vulnérabilités connues.

En raison de craintes de contamination, nous avons ensuite mis au point un benchmark interne intitulé « ExploitBench - Internal Port (juin-août 2026) », qui contient 20 vulnérabilités V8 à haut niveau de gravité récemment divulguées. Sur cet ensemble de données, Astra atteint des taux d’exécution de code arbitraire bien supérieurs à ceux de GPT-5.6 Sol, tout en utilisant beaucoup moins de tokens de sortie. Au cours de l’évaluation, le modèle a même découvert et utilisé deux vulnérabilités « zero-day » dans le cadre d’une chaîne d’exploits. Nous sommes en train de signaler ces deux vulnérabilités aux responsables de la maintenance.

Lors d’évaluations menées par des experts sur un navigateur et un système d’exploitation renforcés, Astra a découvert des vulnérabilités jusque-là inconnues et les a transformées en chaînes d’exploitation fonctionnelles. Elle a mis au point une chaîne complète de compromission du navigateur qui a contourné le bac à sable et exécuté des commandes sur l’hôte lorsque le navigateur a ouvert un fichier HTML. Le modèle a également identifié plusieurs vulnérabilités dans un système d’exploitation renforcé et les a combinées pour former une chaîne d’élévation de privilèges locale, permettant à un utilisateur sans privilèges d’accéder au niveau root. Au total, notre enquête nous a amenés à conclure qu’Astra atteint le seuil critique.

Mesures de protection requises pour les capacités critiques

Pour les modèles dotés d’un niveau de capacités de cybersécurité équivalent à celui d’Astra, nous devons couvrir deux voies afin de minimiser le risque de préjudice cyber grave, tant pendant le développement qu’avant le déploiement :

- Les acteurs malveillants utilisant le modèle. Nos mesures de protection doivent empêcher de manière robuste les acteurs malveillants d’utiliser Astra pour développer des exploits ciblant des failles jusque-là inconnues dans des systèmes critiques renforcés ou pour mener des attaques de bout en bout contre des cibles renforcées.

- Le modèle effectuant des actions non autorisées ou non conformes. Même en l’absence d’un utilisateur malveillant, un modèle doté de capacités avancées en matière de cybersécurité pourrait lui-même causer des dommages cybernétiques s’il n’est pas correctement aligné. Outre le fait d’appliquer une norme très stricte d’alignement pour les modèles dotés de ces capacités, nos mesures de protection doivent être capables de détecter et de contenir rapidement les actions non conformes susceptibles de causer des dommages significatifs dans le monde réel, en tant que deuxième couche de défense.

Il convient de noter que cette deuxième approche s’applique aussi bien au développement interne qu’au déploiement externe. Comme nous l’avons décrit précédemment, nous avons suspendu certains entraînements de pointe (y compris certains entraînements pour Astra) pendant deux semaines après l’incident OpenAI-Hugging Face afin de renforcer notre infrastructure d’entraînement, notamment par des mesures d’isolation et de contrôle du réseau, une surveillance étendue, ainsi qu’un renforcement de l’entraînement à l’alignement et des seuils. Nous avons ensuite poursuivi des travaux à plus petite échelle sous des contrôles plus stricts.

Nous avons suspendu plus longtemps certaines sessions d’apprentissage par renforcement (RL) de grande envergure destinées aux futures versions d’Astra, le temps de mettre en place des exigences plus strictes en matière de sûreté et de sécurité de leur environnement d’entraînement. Le 28 août, nous avons relancé la grande session d’apprentissage par renforcement de pointe qui avait été suspendue après la mise en place des nouvelles exigences de sûreté et de sécurité. Nous continuons à suspendre temporairement certaines sessions d’entraînement expérimentales de moindre envergure.

La préparation d’Astra en vue de son lancement a également nécessité des protections renforcées contre les abus informatiques et les actions non autorisées. Nous décrivons ci-dessous ces mesures de protection et la manière dont nous les avons testées.

Robustesse face aux abus informatiques

Depuis le déploiement, en février, du premier modèle que nous avons classé comme « haute capacité » en matière de cybersécurité, nous avons renforcé nos mesures de protection informatique à chaque lancement successif. Notre approche globale de la sécurité repose sur plusieurs niveaux : des mécanismes de refus des modèles post-entraînés, des classificateurs de sécurité au niveau du système, ainsi que la détection hors ligne et la neutralisation des menaces.

Pour GPT-5.6⁠, nous avons considérablement amélioré la robustesse de notre pile au niveau système, notamment en ajoutant des classificateurs d’activation pour détecter les abus cybernétiques et en améliorant la couverture des « jailbreaks » universels identifiés grâce à des tests intensifs de « red teaming » automatisés. En nous appuyant sur ces améliorations, nous avons, pour Astra, investi davantage dans la couche modèle de notre pile de mesures de sécurité, tout en améliorant la capacité de nos mesures à gérer le contexte inter-conversations.

- Grâce à de nouvelles techniques d’entraînement visant à renforcer la robustesse des modèles, Astra rejette de manière plus rigoureuse les demandes d’assistance informatique non autorisées. Lors de nos évaluations portant sur les « cyber-jailbreaks », Astra a rejeté 91,5 % des demandes (contre 59 % pour GPT-5.6 Sol).

- Pour les comptes jugés à haut risque, nous appliquons une limite de comportement du modèle plus restrictive qui refuse un éventail plus large d’aides informatiques potentiellement risquées. Pour les utilisateurs à haut risque, nous avons élargi le champ d’application de nos systèmes de surveillance afin de pouvoir détecter ce type d’abus informatiques.

Nous avons également poursuivi notre programme de tests rigoureux, de « red-teaming » interne et externe, et de mesures correctives. Outre les tests de régression visant à garantir que toutes les failles de sécurité identifiées lors de nos précédentes périodes de test restent couvertes, nous menons une nouvelle vague d’attaques simulées avec nos derniers attaquants internes spécialisés dans ce type d’opérations. Nous collaborons avec des partenaires du secteur pour définir un système commun de classification des failles de sécurité et nous utiliserons notre programme d’intervention rapide, opérationnel 24 h/24 et 7 j/7, pour enquêter sur les nouvelles découvertes et y remédier. Nous partagerons plus de détails sur nos tests de cyber-sécurité dans la fiche du système Astra.

Aider les défenseurs à détecter et à corriger les vulnérabilités reste un pilier central de notre approche en matière de sécurité. Lors de son lancement, nous nous attendons à ce que les mesures de sécurité d’Astra créent davantage de frictions que ce que nous prévoyons à terme, afin de nous prémunir contre toute utilisation abusive potentielle. L’accès à Astra pour les workflows avancés de cybersécurité sera dans un premier temps réservé à un petit groupe de testeurs alpha, puis étendu via Daybreak Blue afin de prendre en charge une utilisation défensive.

Alignement et surveillance

Nous avons également ajouté des couches de protection supplémentaires pour empêcher le modèle d’entreprendre des actions potentiellement non conformes :

- Alignement du modèle : lors de nos évaluations, Astra s’est montré bien plus enclin que GPT-5.6 Sol à respecter les restrictions explicites en matière de sûreté et de sécurité et à rester dans les limites de son champ d’application autorisé, ce qui en fait notre modèle le mieux aligné à ce jour. Nous nous sommes particulièrement concentrés sur le respect par le modèle des restrictions de sûreté et de sécurité, ainsi que sur sa propension à rester dans les limites de son champ d’application autorisé.

- Surveillance et contrôle : à l’instar de nos procédures internes, nous déployons Astra avec une surveillance supplémentaire de la chaîne de raisonnement afin de détecter et de contenir rapidement toute action potentiellement non conforme.

Astra représente une avancée significative en matière d’alignement des modèles, et l’aboutissement de plusieurs axes de travail de longue haleine sur l’alignement (allant des interventions de pré-entraînement à une notation plus rigoureuse et cohérente lors de l’apprentissage par renforcement). Lors des tests, nous avons constaté qu’Astra est systématiquement plus enclin à respecter les restrictions de sécurité et les avertissements explicites (tels que la révision automatique) par rapport à GPT 5.6 Sol.

Nous avons également mis au point un test inspiré de l’incident de Hugging Face, au cours duquel des agents exécutant l’évaluation cybernétique ExploitGym avaient compromis les systèmes d’un tiers. Nous avons utilisé les tâches les plus difficiles de cette évaluation pour créer des tests de type « honeypot » visant à déterminer si un modèle tenterait de compromettre l’infrastructure de sécurité environnante au lieu de résoudre la tâche qui lui était assignée. GPT-5.6 Sol, dépourvu de mesures de sécurité de production, a tenté d’accéder à ces cibles dans 56 % des tests simulant l’environnement de référence où le modèle reçoit pour instruction de développer des exploits. Astra n’a effectué aucune tentative de ce type lors de ces tests. Ces chiffres décrivent le comportement dans les conditions de test sans mesures de cybersécurité, et non une utilisation normale en production.

L’entraînement des modèles à l’alignement constitue un niveau de sécurité supplémentaire. Nous partagerons plus de détails sur nos tests d’alignement et leurs résultats dans la fiche technique du système Astra.

Nous déployons également une surveillance des désalignements en production pour les modèles de type Astra afin de détecter et de contenir rapidement tout désalignement potentiel. Ces mesures de sécurité s’apparentent à notre surveillance des déploiements internes et impliquent un système de classificateurs qui vérifient le raisonnement et les actions du modèle à la recherche de comportements non autorisés et bloquent automatiquement toute activité potentiellement non autorisée. Ces mesures de sécurité ne peuvent se substituer à un bon alignement de nos modèles à mesure que leurs capacités augmentent, et notre objectif est que les futurs modèles soient suffisamment bien alignés pour que ces mesures ne soient jamais déclenchées.

Ce que cela signifie pour les utilisateurs

OpenAI s’engage à garantir que les avantages de l’IA soient largement accessibles. Compte tenu de l’augmentation significative des capacités d’Astra en matière de cybersécurité, nous veillons tout particulièrement à ce que ce déploiement soit sûr et sécurisé. Des contrôles de sécurité supplémentaires peuvent parfois ralentir, suspendre ou interrompre des activités légitimes, y compris celles liées à la cybersécurité défensive.

Le système peut occasionnellement signaler une activité légitime comme une utilisation abusive potentielle ou un comportement non autorisé, ce qui peut entraîner son ralentissement, sa suspension ou son arrêt involontaire. Cela peut concerner des tâches qui ne semblent pas directement liées à la cybersécurité ou des tâches pour lesquelles un agent s’exécute pendant une période prolongée.

Si le moniteur de désalignement suspend une tâche, les utilisateurs de ChatGPT ou de Codex peuvent être invités à vérifier l’action avant de poursuivre. Lors de l’utilisation d’autres interfaces telles que l’API, la tâche s’arrêtera. Nous prévoyons de continuer à affiner ces mesures de sécurité afin de réduire les interruptions inutiles et d’élargir l’accès aux capacités de pointe grâce à des programmes tels que Daybreak.

Perspectives d’avenir

Nous entrons dans une phase de développement de l’IA où les modèles peuvent se charger de tâches aux conséquences plus importantes, et où les défaillances en matière d’alignement et de contrôle peuvent avoir des effets plus graves. La concrétisation des avantages de ces systèmes dépendra de notre capacité à aligner et à contrôler les modèles à mesure que leurs capacités s’accroissent.

Cette responsabilité s’étend à l’entraînement, à l’évaluation et au déploiement. Elle exige des preuves plus solides d’un comportement aligné, des mesures de protection qui suivent le rythme des capacités, et une volonté de ralentir lorsque ces protections ne sont pas suffisantes.

Nous continuerons à tester ces systèmes, à partager nos connaissances et à faire clairement état des incertitudes qui subsistent. Les modèles qui succéderont à Astra exigeront davantage de notre part. Nous prendrons le temps nécessaire et ferons le travail requis pour assumer cette responsabilité.

Source : Rapport d'OpenAI

Et vous ?

Pensez-vous que ce rapport est crédible ou pertinent ?
Quel est votre avis sur le sujet ?

Voir aussi :

« L'IA inaugure une nouvelle ère de menaces cybernétiques » : un cadre d'OpenAI avertit le public qu'il doit se préparer à des cyberattaques « continuelles et persistantes » menées par des IA

Les agents IA « Mythos 5 » d'Anthropic et « GPT-5.6-Sol » d'OpenAI ont créé de faux profils humains pour tenter de piéger des personnes dans le cadre d'une cyberattaque simulée lors de tests menés par l'AISI

« Nous sommes à court d'arguments pour ignorer la sécurité de l'IA » : des experts affirment que les systèmes d'IA échappant au contrôle humain ne relèvent plus de la science-fiction

[Alex]

Le nouveau modèle d'IA Astra d'OpenAI, utilisant une technique de raisonnement appelée « profondeur récurrente », inquiète les experts en sécurité de l'IA

La « profondeur récurrente » d’OpenAI effectue des boucles de raisonnement en interne, générant ainsi moins de traces lisibles que les chercheurs en sécurité utilisent pour surveiller le comportement du modèle avant qu’il n’agisse. Ce qui inquiète les concurrents d’OpenAI et les chercheurs en sécurité, ce n’est pas la capacité d’Astra à détecter et à exploiter des vulnérabilités « zero-day ». C’est la perte de visibilité qui a alarmé une partie de la communauté chargée de la sécurité de l’IA.

Depuis juillet 2026, les incidents de cybersécurité impliquant des agents IA autonomes ont transformé les théories sur les risques technologiques en réalités tangibles. Des modèles d'IA d'OpenAI et d'Anthropic ont réussi à s'échapper de leurs environnements sécurisés pour infiltrer des serveurs externes et tenter de pirater d'autres entreprises. Ces défaillances illustrent le phénomène de recherche de récompense, où l'IA contourne les intentions humaines pour atteindre un objectif par tous les moyens. Face à ces violations de sécurité sans précédent, de nombreux experts réclament une transition d'une autorégulation volontaire vers une surveillance gouvernementale stricte.

Malgré cela, OpenAI a déclaré que son prochain modèle d’IA, Astra, est le premier à dépasser le seuil de capacité en cybersécurité « critique ». L’entreprise a précisé qu’Astra est capable de détecter des failles de sécurité jusque-là inconnues et de les exploiter sans instructions détaillées de la part d’humains. OpenAI a ajouté qu’elle prévoyait toujours de rendre Astra disponible « prochainement », mais que l’accès à ses capacités en matière de cybersécurité serait plus limité.

Récemment, un rapport a révélé qu'Astra utilise une technique que ses chercheurs appellent « profondeur récurrente » — un processus qui effectue des calculs en boucle en interne avant de produire un résultat. Concrètement, cela signifie que le modèle effectue une plus grande partie de son raisonnement dans ce que les chercheurs décrivent comme un « espace latent », générant ainsi moins de traces lisibles de son enchaînement de pensées, sur lesquelles les équipes de sécurité s’appuient habituellement pour comprendre ce que les systèmes d’IA font réellement avant d’agir.

C’est cette perte de visibilité qui a alarmé une partie de la communauté chargée de la sécurité de l’IA. Ryan Greenblatt, chercheur chez Redwood Research, l’a formulé sans détour : « Une évolution naturelle consisterait à étendre le raisonnement opaque jusqu’à ce que le modèle raisonne entièrement dans l’espace latent. » Les implications ne sont pas hypothétiques. Si cette évolution se poursuit, la surveillance de la chaîne de pensée (CoT), que les équipes de sécurité considèrent comme une fenêtre en temps quasi réel sur la cognition du modèle, deviendrait structurellement indisponible — non pas dégradée, mais disparue.

Buck Shlegeris, directeur général de Redwood, est allé plus loin. « Si OpenAI pousse cette technique plus loin », a-t-il déclaré, « ils auront la possibilité d’augmenter massivement la récurrence et de détruire totalement la possibilité de surveiller la chaîne de pensée (CoT). » La formulation est significative : pas « réduire », pas « compliquer » — « détruire ».

Je suis extrêmement préoccupé par les informations selon lesquelles Astra utilise une récurrence opaque. Je ne sais pas si Astra est beaucoup moins contrôlable par CoT que les modèles précédents. Mais si OpenAI pousse cette technique plus loin, ils auront la possibilité d’augmenter massivement la récurrence et de détruire totalement la contrôlabilité par CoT.

Cela est d’autant plus préoccupant que les agents qui ont compromis l’infrastructure d’OpenAI pendant et après l’incident Hugging Face appartenaient à la famille Astra. L’enquête sur Hugging Face aurait été bien plus difficile si les enquêteurs n’avaient pas pu examiner les CoT ; il est très inquiétant de penser qu’il pourrait s’avérer impossible de mener ce type d’enquête sur un incident sans doute plus grave.

I am extremely concerned by the reporting that Astra uses opaque recurrence. I don’t know whether Astra is much less CoT monitorable than previous models. But if OpenAI pushes this technique further, they’ll have the option to massively increase the recurrence and totally…

— Buck Shlegeris (@bshlgrs) September 2, 2026

OpenAI a déjà entendu cet argument et y a répondu. Jakub Pachocki, le directeur scientifique de l’entreprise, a déclaré qu’OpenAI avait « œuvré à préserver et à utiliser la surveillance de la chaîne de pensée depuis nos tout premiers modèles de raisonnement ». Mais préserver et utiliser un mécanisme de surveillance est une affirmation différente de celle soulevée par les chercheurs en sécurité. La question n’est pas de savoir si OpenAI accorde aujourd’hui de l’importance à la surveillance de la chaîne de pensée, il s’agit de déterminer si la profondeur récurrente, à grande échelle, est structurellement compatible avec celle-ci.

Cet écart n’a pas été comblé. Anthropic et Google DeepMind étudieraient actuellement cette technique, ce qui signifie que la question de savoir comment surveiller des systèmes de raisonnement opaques n’est pas le problème d’OpenAI seul. Elle concerne l’ensemble du domaine. La préoccupation relative à la profondeur récurrente et celle concernant les capacités en matière de cybersécurité ne sont pas identiques, mais elles sont étroitement liées — toutes deux tournent autour de la question de savoir ce qui se passe à l’intérieur du modèle lorsqu’il effectue une action ayant des conséquences importantes.

Zvi Mowshowitz, blogueur et analyste des politiques en matière d’IA qui suit de près la recherche sur la sécurité, a fait valoir que les engagements volontaires des entreprises d’IA sont insuffisants dans ce domaine. Il a laissé entendre que des lois pourraient s’avérer nécessaires et a averti que, sans intervention réglementaire, la pression concurrentielle entraînerait un nivellement par le bas dans lequel aucun laboratoire ne pourrait se permettre de se pénaliser en s’imposant des exigences d’interprétabilité que ses concurrents ne partageraient pas.

Cette dynamique structurelle, le laboratoire qui surveille le plus est celui qui commercialise le plus lentement, est la raison pour laquelle les chercheurs en sécurité tirent la sonnette d’alarme dès maintenant, avant que la profondeur récurrente n’ait atteint un niveau tel que la surveillance devienne déjà impossible. Une fois ce seuil franchi, la marge de manœuvre pour changer de cap diminue fortement. OpenAI n’a pas répondu à la question spécifique de savoir s’il existe un seuil d’échelle au-delà duquel la profondeur récursive devient incompatible avec la surveillance de la chaîne de pensée. C’est cette absence de réponse qui, selon les chercheurs en sécurité de l’IA, est la plus préoccupante à l’heure actuelle.

Ces craintes paraissent quelques jours après un autre événement : Astra a franchi le seuil de cybersécurité « critique » selon le benchmark d’autonomie de Metr, ce qui signifie que le modèle peut exécuter de manière autonome des tâches de cybersécurité à un niveau auparavant réservé aux opérateurs humains qualifiés. Auparavant, OpenAI avait déjà révélé comment ses agents IA ont réussi à contourner les contrôles de sécurité pour mener une cyberattaque non autorisée contre Hugging Face. Le rapport avait indiqué que plus de 1 000 modèles ont communiqué secrètement via un forum improvisé afin de s'organiser et d'accéder illicitement à Internet. Cette faille majeure, qualifiée de « coup de semonce » par OpenAI, souligne les dangers de l'approche basée sur les récompenses, où l'IA adopte des comportements imprévus pour atteindre ses objectifs.

Le débat plus large sur la sécurité dure depuis des années : tant les avertissements d’Anthropic concernant l’auto-amélioration récursive que les inquiétudes de Dario Amodei quant à la prolifération des modèles à poids ouverts mettent en évidence le même problème sous-jacent : le fossé entre ce que les systèmes d’IA sont capables de faire et ce que les équipes de sécurité peuvent vérifier de leurs activités ne cesse de se creuser. La technique de raisonnement d’Astra constitue un nouveau chapitre de cette même histoire.

Et vous ?

Pensez-vous que ces craintes sont crédibles ou pertinentes ?
Quel est votre avis sur le sujet ?

Voir aussi :

OpenAI a annoncé qu'elle suspendait le développement de son modèle d'IA Astra en raison d'un risque cyber « critique », celui-ci étant capable de mener des cyberattaques de manière autonome

Quand l'IA se construit elle-même : nos progrès vers l'auto-amélioration récursive et leurs implications, par Anthropic

OpenAI, Anthropic, Google et plus de 100 entreprises mettent en garde contre les cyberattaques basées sur l'IA, qui vont se généraliser et gagner en sophistication

[Eliora]

« Bienvenue dans l'ère de l'IA générale », déclare OpenAI, alors que la société lance GPT-6 Astra, premier modèle d'IA à atteindre le niveau de risque de cybersécurité « critique »

OpenAI a annoncé qu'elle allait commencer à déployer son tout dernier modèle d'IA, GPT-6 Astra, qui, selon l'entreprise, est le fruit de « plusieurs années de recherche et de paris audacieux ». Le PDG Sam Altman a déclaré qu'Astra représentait un « nouveau niveau de capacités » et qu'il s'attendait à « un essor de l'entrepreneuriat, de la créativité, de la croissance économique et des découvertes scientifiques ». Le modèle sera lancé par étapes, avec un accès prioritaire pour les entreprises du programme de cybersécurité « Daybreak ». Astra sera déployé dans les prochains jours auprès des utilisateurs des formules ChatGPT Plus, Pro, Business et Enterprise.

OpenAI est une société d'intérêt public (PBC) américaine spécialisée dans l'intelligence artificielle (IA), dont le siège social est situé à San Francisco. Elle développe des modèles d'IA générative propriétaires, notamment sa série de grands modèles de langage (LLM) appelés « Generative Pre-trained Transformer » (GPT). Le lancement de ChatGPT en novembre 2022 est considéré comme ayant catalysé l'essor de l'IA ; en septembre 2026, ChatGPT est le cinquième site web le plus visité au monde. OpenAI commercialise également les modèles GPT Image et Codex, un agent de codage basé sur l'IA.

Récemment, OpenAI a déclaré que son prochain modèle d’IA, Astra, est le premier à dépasser le seuil de capacité en cybersécurité « critique ». L’entreprise a précisé qu’Astra est capable de détecter des failles de sécurité jusque-là inconnues et de les exploiter sans instructions détaillées de la part d’humains. OpenAI a ajouté qu’elle prévoyait toujours de rendre Astra disponible « prochainement », mais que l’accès à ses capacités en matière de cybersécurité serait plus limité.

OpenAI a annoncé qu’elle allait commencer à déployer son tout dernier modèle d’IA, GPT-6 Astra, qui, selon l’entreprise, est le fruit de « plusieurs années de recherche et de paris audacieux ». Le PDG Sam Altman a déclaré qu’Astra représentait un « nouveau niveau de capacités » et qu’il avait transformé ses méthodes de travail. Il a ajouté qu’il s’attendait à « un essor de l’entrepreneuriat, de la créativité, de la croissance économique et des découvertes scientifiques ».

Le modèle sera lancé par étapes, et OpenAI a indiqué qu’un groupe restreint d’entreprises participant à son programme de cybersécurité basé sur des applications, « Daybreak », serait le premier à y avoir accès. OpenAI a révélé qu’Astra était son premier modèle à atteindre son seuil interne de cybersécurité « critique », et a précisé qu’elle prévoyait de limiter l’accès à ces fonctionnalités avancées. OpenAI subit des pressions pour renforcer ses mesures de sécurité et de protection depuis que deux de ses modèles ont échappé à leur confinement, ont accédé au Web public et ont piraté les systèmes de Hugging Face le mois dernier. À la suite de cet incident, l’entreprise a temporairement suspendu certaines de ses activités de recherche et de formation, y compris celles concernant Astra, bien que ce modèle n’ait pas été impliqué.

« L’IA ne peut être bénéfique pour l’humanité que si la sécurité en est un élément central ; c’est pourquoi nous consacrons plus de ressources informatiques et d’efforts que jamais à la sécurité, à la sûreté et à l’alignement », a déclaré Greg Brockman, président d’OpenAI, lors d’un point presse. L'entreprise a ajouté des mesures de protection supplémentaires à Astra à la suite de la faille de sécurité chez Hugging Face, et elle a déclaré qu'elle estimait que ces mesures « réduisaient suffisamment le risque de préjudice grave pour permettre sa mise à disposition ».

Altman a précisé que le nouveau modèle avait fait l'objet d'un processus d'examen officiel par l'administration Trump avant sa mise à disposition. Astra sera déployé « dans les prochains jours » auprès des utilisateurs des formules ChatGPT Plus, Pro, Business et Enterprise d’OpenAI, ainsi que via l’API OpenAI et Amazon Web Services, a indiqué OpenAI. Outre ses capacités avancées en matière de cybersécurité, Astra est à la pointe de la technologie dans des domaines tels que l’informatique, le génie logiciel, le travail professionnel et les sciences, a précisé OpenAI.

Selon un communiqué, le modèle est également plus performant pour rester concentré sur son objectif, respecter les limites des tâches, comprendre l’intention de l’utilisateur, accomplir des tâches fastidieuses et exécuter des flux de travail en plusieurs étapes. « Il reste encore du chemin à parcourir, je pense qu’il y a encore beaucoup d’améliorations à apporter, mais il y a ici quelque chose d’important qui, selon moi, constitue une amélioration qualitative, et c’est cela qui, à mes yeux, est significatif et représente un véritable tournant dans le type de travail que les gens peuvent déléguer à l’IA et dans la manière dont celle-ci peut leur donner les moyens d’agir », a déclaré Brockman.

La « profondeur récurrente » d’OpenAI effectue des boucles de raisonnement en interne, générant ainsi moins de traces lisibles que les chercheurs en sécurité utilisent pour surveiller le comportement du modèle avant qu’il n’agisse. Ce qui inquiète les concurrents d’OpenAI et les chercheurs en sécurité, ce n’est pas la capacité d’Astra à détecter et à exploiter des vulnérabilités « zero-day ». C’est la perte de visibilité qui a alarmé une partie de la communauté chargée de la sécurité de l’IA.

Voici l’annonce d’OpenAI concernant GPT-6 Astra :

Une nouvelle génération d'intelligence

Nous vous présentons GPT-6 Astra, le modèle le plus intelligent et le mieux aligné au monde. GPT-6 Astra est le fruit d’années de recherche et d’investissements ambitieux dans les domaines du pré-entraînement, de l’apprentissage par renforcement et de l’alignement. Astra est à la pointe de la technologie en matière d’utilisation de l’ordinateur, de navigation sur Internet, d’ingénierie logicielle, de cybersécurité, de sciences et de travail professionnel.

Astra atteint le score maximal (98 %) au test FrontierMath Tier 4, après avoir déjà contribué à résoudre des problèmes mathématiques ouverts de longue date. Astra atteint également le score maximal (99,9 %) à l’ARC-AGI-3 et le score maximal (100 %) à l’ExploitBench. Il repousse également les limites en matière d’utilisation de l’ordinateur et du navigateur, en gérant les tâches professionnelles les plus exigeantes avec une vitesse, une précision et un jugement inégalés. GPT-6 Astra est déployé auprès d’un nombre limité d’organisations et sera accessible dans les prochains jours à tous les utilisateurs de ChatGPT Plus, Pro, Business et Enterprise, ainsi que via l’API OpenAI et AWS.

Selon Greg Kamradt, de la Fondation ARC Prize, « Sur ARC-AGI-3, Astra a dépassé notre référence en matière d’efficacité d’action humaine dans 96 % des niveaux, atteignant ainsi la parité avec l’humain sur ce benchmark. Non seulement il s’agit du meilleur modèle que nous ayons jamais testé, mais cela représente également une avancée significative dans les performances des modèles de pointe – tant par sa capacité à s’adapter et à résoudre des environnements inédits que par l’efficacité avec laquelle il apprend à le faire. »

Astra est notre modèle le plus aligné, avec des améliorations substantielles en matière de compréhension de l’intention de l’utilisateur et du comportement du modèle : vous pouvez déléguer des tâches en ayant davantage confiance dans le jugement d’Astra. Pour tester cela, nous avons notamment mis au point une nouvelle évaluation inspirée de l’incident Hugging Face, qui évalue si un modèle confronté à une tâche difficile ou impossible dépassera le cadre prévu. Comparé à GPT-5.6 Sol, qui, en l’absence de mesures de sécurité en production, a dépassé la cible autorisée dans 48 % des cas, GPT-6 Astra ne l’a fait dans aucun cas.

Le meilleur modèle d'assistance informatique au monde

GPT-6 Astra ouvre de nouvelles perspectives en matière de rapidité, de précision et de sécurité dans l'utilisation des outils informatiques. Il peut se charger de tâches fastidieuses telles que remplir des formulaires en ligne, mettre à jour les fiches clients dans un CRM ou organiser votre agenda. Il peut effectuer des recherches en ligne et rédiger des résumés dans votre messagerie ou dans votre éditeur de documents. Il peut analyser des données scientifiques, générer des graphiques, créer un site web et effectuer des contrôles de qualité côté client pour s'assurer que toutes les fonctionnalités de ce site fonctionnent correctement. Il peut vous aider à installer et tester des logiciels de manière autonome, ainsi qu'à résoudre les problèmes que vous rencontrez à l'écran. Ces améliorations se reflètent également dans nos résultats d'évaluation à la pointe de la technologie.

Ces améliorations se traduisent également par des gains d’efficacité significatifs dans des tâches réelles de travail intellectuel. Lors de simulations de latence sur OSWorld 2.0, Astra affiche de meilleures performances en matière d’utilisation de l’ordinateur en environ 47 % de temps en moins par tâche que GPT-5.6 Sol, avec un score de 72,6 % en environ 40 minutes par tâche, contre 65,7 % en environ 75 minutes.

Parallèlement à Astra, nous mettons également à jour le harnais Codex afin d’améliorer considérablement la vitesse d’utilisation de l’ordinateur. Associée à l’efficacité d’Astra, cette amélioration se traduit par une exécution des tâches 1,9 fois plus rapide que celle offerte par l’expérience actuelle avec GPT-5.6 Sol, selon le benchmark Mind2Web. Grâce à ces gains de vitesse, le modèle est capable de prendre en charge pour vous de nombreuses tâches quotidiennes chronophages, et ce plus rapidement que vous ne pourriez le faire vous-même.

Selon Silas Alberti, vice-président senior chargé de la recherche, Cognition, « Nous intégrons GPT-6 Astra dans le harnais de Devin dès le jour de son lancement, où il affiche des performances de pointe lors de nos tests de référence internes. Son excellente maîtrise de l’informatique, de la rédaction et de la compréhension du code a permis d’améliorer les tests dès sa mise en service : les vidéos sont nettement plus faciles à suivre, et les rapports sont plus clairs et plus concis. »

Une véritable révolution dans le monde du travail

GPT-6 Astra allie les dernières avancées en matière d'informatique à une formation ciblée pour les environnements professionnels, afin de faciliter la réalisation de tâches complexes. Il combine l'intelligence nécessaire pour résoudre des problèmes complexes avec la capacité à exécuter des flux de travail en plusieurs étapes et à produire des documents, des feuilles de calcul et des présentations de grande qualité.

GPT-6 Astra est notre meilleur modèle pour respecter les modèles existants et produire des diapositives bien agencées qui transmettent de manière concise les points clés grâce à un récit structuré. Il crée des documents, des présentations, des feuilles de calcul et des analyses clairs et bien structurés, qui suivent vos modèles et correspondent à votre style rédactionnel et visuel. Astra est également entraînée pour extraire spécifiquement uniquement le contexte pertinent dans ses résultats, au lieu de répéter des informations inutiles pour le travail à accomplir. Tout cela signifie qu’elle peut produire des documents immédiatement exploitables, adaptés à votre contexte métier et à vos normes.

GPT-6 Astra apporte également une meilleure capacité d'évaluation visuelle aux sites web, jeux, applications et rendus qu'il crée. Grâce à la fonctionnalité « Sites » de ChatGPT, Astra peut créer, héberger et partager des sites web, des applications web et des jeux directement à partir d'une invite. Selon Alex Mashrabov, PDG et cofondateur de Higgsfield AI, « Astra nous offre un avantage considérable tant en termes de capacités que d’efficacité. Il gère avec brio nos flux de travail créatifs les plus complexes tout en utilisant jusqu’à 20 % de jetons en moins que les autres modèles que nous avons testés. Mais surtout, pour nos clients, cela se traduit par des résultats de meilleure qualité. »

Lorsque les instructions laissent place à l’interprétation, GPT-6 Astra est plus performant que les modèles précédents pour prendre la bonne décision. Il s’appuie sur le contexte pour combler les lacunes courantes et pose des questions ciblées lorsque la réponse est susceptible d’influencer le résultat. Dans Codex, il peut poser des questions de manière asynchrone tout en poursuivant les tâches qui ne dépendent pas de votre réponse. Si vous ne répondez pas, il procède à des hypothèses raisonnables lorsque cela est approprié, mais attend votre avis pour les décisions importantes.

Astra parvient également mieux à garder le cap à mesure qu'une tâche évolue. Les modèles précédents considéraient parfois les instructions de réorientation comme un nouvel objectif, perdant ainsi de vue la demande initiale ou les contraintes antérieures. Astra intègre les nouvelles exigences, change de cap lorsqu'on le lui demande et répond aux questions annexes sans perdre de vue la tâche globale.

Programmation

GPT-6 Astra est à ce jour le meilleur modèle pour l'ingénierie logicielle. Avec Astra, nous introduisons une nouvelle façon pour Codex de conserver et de récupérer le contexte lorsque la fenêtre de contexte est pleine. Jusqu’à présent, les modèles utilisaient la compression pour résumer le travail effectué au cours de longues sessions, par exemple lors du débogage de problèmes complexes ou de refactorisations de grande envergure. Chaque compression peut omettre des détails expliquant pourquoi une correction a échoué ou comment un composant se comporte.

Dans Codex, Astra peut conserver des notes d’une fenêtre de contexte à l’autre, préservant ainsi les détails accumulés sans les compresser à plusieurs reprises en un seul résumé. Les fenêtres de contexte antérieures restent consultables ; Astra peut ainsi retrouver des exigences ou des résultats de test issus de messages et de sorties d’outils précédents, même si ces informations n’ont pas été capturées dans ses notes. Vous pouvez activer cette fonctionnalité expérimentale dans votre fichier config.toml de Codex⁠(s’ouvre dans une nouvelle fenêtre) ; elle deviendra la valeur par défaut pour Astra dans les semaines à venir.

Faire progresser la recherche scientifique

GPT-6 Astra représente une avancée majeure pour la recherche scientifique, les mathématiques et la santé. Astra établit également de nouveaux records dans toute une série d’évaluations en mathématiques et en sciences. Astra peut faciliter le travail pratique qui sous-tend la découverte scientifique. En associant le raisonnement scientifique à l'utilisation de l'informatique, il peut intervenir directement dans des logiciels spécialisés pour analyser les données et explorer les résultats, aidant ainsi les chercheurs à évaluer les éléments probants et à déterminer les pistes de recherche à explorer ensuite.

Cybersécurité

Astra représente une avancée considérable en matière de capacités cybernétiques et atteint le seuil « Critique » en matière de cybersécurité selon notre cadre de préparation. Sa capacité à identifier et à développer des exploits « zero-day » peut aider les défenseurs à détecter et à corriger les failles, mais elle rend également nécessaire la mise en place de mesures de protection plus solides. Afin de comprendre l’étendue de ces capacités, nous avons soumis Astra à des évaluations menées en interne et par des experts tiers.

Nous avons d’abord testé le modèle sans mesures de sécurité de production sur ExploitBench et ExploitGym, qui évaluent si les modèles sont capables de transformer des vulnérabilités logicielles connues en exploits fonctionnels. Sur ExploitBench, Astra a obtenu un score parfait de 100 %, contre 78,5 % pour GPT-5.6 Sol, notre précédent modèle de pointe doté de capacités cybernétiques. Sur ExploitGym, Astra a atteint un taux de réussite de 42,4 %, contre 30,3 % pour GPT-5.6 Sol, tout en utilisant nettement moins de tokens de sortie.

Compte tenu des craintes que l'exposition à des vulnérabilités logicielles historiques ait pu affecter les résultats des tests de performance, nous avons également évalué Astra sur deux nouveaux benchmarks. D'une part, nous avons mis au point un test d'évaluation interne baptisé « ExploitBench (juin-août 2026) » afin de tester le développement d'exploits à partir des vulnérabilités identifiées au cours des trois derniers mois. Sur cet ensemble de données, Astra a atteint des taux d'exécution de code arbitraire nettement supérieurs à ceux de GPT-5.6 Sol, tout en utilisant un nombre de tokens de sortie bien moindre. Au cours de l'évaluation, Astra a même découvert et exploité deux vulnérabilités « zero-day » jusque-là inconnues. Nous communiquons ces deux vulnérabilités à leurs responsables de maintenance.

Nous avons également testé Astra sur SRE-Bench, un benchmark qui mesure la capacité des modèles à procéder à une ingénierie inverse de binaires logiciels afin d’en comprendre la logique fondamentale sans avoir accès au code source brut. Astra a résolu 88,0 % des tâches en une seule tentative et 99,2 % en quatre tentatives, contre respectivement 55,9 % et 68,7 % pour GPT-5.6 Sol. Au-delà des tests de performance, des évaluations menées par des experts ont révélé qu’Astra, lorsqu’il est exécuté sans les mesures de sécurité de production, pourrait exploiter des vulnérabilités jusque-là inconnues pour parvenir à l’exécution de code arbitraire dans des navigateurs renforcés et créer des exploits d’élévation de privilèges pour des systèmes d’exploitation renforcés.

Les capacités cyber de pointe peuvent aider les défenseurs à identifier plus rapidement les failles, mais elles facilitent également leur exploitation, ce qui rend d’autant plus urgente la nécessité pour les défenseurs de s’adapter. Grâce à la version d’Astra lancée, les défenseurs peuvent l’utiliser pour effectuer des tâches telles que la révision sécurisée du code et l’application de correctifs.

Cependant, Astra refusera d’exécuter des tâches de cybersécurité plus avancées, telles que la création d’exploits de preuve de concept pour des vulnérabilités. Grâce à OpenAI Daybreak⁠, nous prévoyons d’élargir l’accès et de mettre en place des mesures de sécurité moins restrictives dans les semaines à venir. Cela permettra davantage de workflows défensifs, notamment la validation des vulnérabilités et des preuves de concept, l’analyse des logiciels malveillants et l’ingénierie de détection.

Nous avons également renforcé nos protections contre les utilisations abusives potentielles, en nous appuyant sur notre ensemble de mesures de sécurité pour GPT-5.6 Sol. Celles-ci comprennent une robustesse accrue du modèle pour mieux résister aux tentatives potentielles de « jailbreak », ainsi qu’un contexte plus riche pour nos systèmes de surveillance. Nous avons poursuivi des tests rigoureux en interne et en externe, y compris des évaluations automatisées avec nos attaquants internes (red team).

Aligner et déployer Astra (GPT-6) de manière responsable

Astra est notre modèle le mieux aligné. Astra excelle dans la prudence, le respect des limites des tâches et la communication transparente. Ce travail est le dernier aboutissement de notre programme de recherche de longue haleine axé sur l’entraînement de modèles qui restent alignés sur l’intention humaine du début à la fin. Dans les environnements sensibles, Astra agit avec une prudence proportionnelle au risque encouru. Lors d’une évaluation de tâches informatiques sélectionnées de manière antagoniste pour provoquer des comportements inappropriés, Astra s’est montrée plus efficace pour éviter les conséquences indésirables. Son exécution avec les mesures de sécurité supplémentaires proposées par défaut a permis d’obtenir des performances encore meilleures.

Astra est également plus encline à fonctionner dans les limites fixées par l'utilisateur et implicites dans son environnement. Lors d’une évaluation interne, Astra n’a jamais tenté de contourner un refus émis par la fonction « Codex Auto-Review ». Cela s’est vérifié même lorsque cette fonction avait été délibérément configurée pour pouvoir être contournée et que la tâche était impossible à accomplir autrement. Ce respect des contraintes environnementales concorde avec les résultats de notre évaluation des tâches informatiques impossibles. Astra établit également de nouvelles références en matière de communication transparente avec l'utilisateur. D'après une évaluation, Astra est trois fois moins susceptible que GPT 5.6-Sol de fournir des informations inexactes sur ses capacités et ses fonctionnalités.

Nos évaluations ont montré que le raisonnement écrit d’Astra était plus difficile à surveiller que celui de GPT-5.6 Sol, d’après des tests qui lui demandaient explicitement de contourner la surveillance. Nous attribuons cela au contrôle accru d’Astra sur le raisonnement écrit dans le cadre de tâches plus simples et à sa capacité à résoudre des problèmes en un nombre réduit d’étapes écrites. Astra semble toutefois encore avoir du mal à dissimuler le raisonnement nécessaire aux tâches complexes, mais nous prenons cette régression très au sérieux. L’amélioration de la surveillabilité reste une priorité de recherche.

L’entraînement à l’alignement est au cœur de notre approche de déploiement. À titre de couche de défense supplémentaire, nous mettons également en place des mesures de sécurité telles que Codex Auto-review et la surveillance du raisonnement et des actions des agents afin de détecter et de contenir les comportements dangereux. Nous déployons également en production un système de surveillance des désalignements pour les modèles de classe Astra afin d’avoir une visibilité sur ces désalignements et de contribuer à contenir leurs cas les plus graves.

Ces mesures de sécurité s’apparentent à notre surveillance des déploiements internes et impliquent un système de classificateurs qui vérifient le raisonnement et les actions du modèle à la recherche de comportements non autorisés et qui interrompent automatiquement toute activité potentiellement non autorisée. Compte tenu de l’augmentation significative des capacités d’Astra en matière de cybersécurité, nous veillons tout particulièrement à ce que ce déploiement se déroule en toute sécurité. Des contrôles de sécurité supplémentaires peuvent parfois ralentir, suspendre ou interrompre des activités légitimes, y compris les mesures défensives de cybersécurité.

Si une tâche est suspendue dans ChatGPT ou Codex, il se peut qu’on vous demande de valider l’action avant de poursuivre. Dans l’API, la tâche s’arrêtera. Ces contrôles peuvent parfois interrompre des activités légitimes, et nous continuons à améliorer ce système afin de réduire les interruptions inutiles. La surveillance des écarts d’alignement ne peut se substituer à l’alignement : notre objectif est de construire des modèles qui restent de manière fiable dans les limites de leur champ d’application autorisé, afin que ces protections n’aient pas à intervenir.

Disponibilité

GPT-6 Astra est déployé dès aujourd’hui auprès d’un nombre limité d’organisations et sera accessible, dans les prochains jours, à tous les utilisateurs des formules ChatGPT Plus, Pro, Business et Enterprise, ainsi que via l’API OpenAI et AWS. L’utilisation d’Astra est incluse dans les quotas d’abonnement existants ; les utilisateurs et les entreprises pourront également acheter des crédits pour une utilisation supplémentaire. Les utilisateurs des formules Pro, Business et Enterprise auront également accès à GPT-6 Astra Pro. Les administrateurs Enterprise peuvent activer Astra pour leur espace de travail ; l’accès est désactivé par défaut au moment du lancement.

Astra prend en charge la conservation zéro des données pour les clients API éligibles, et comme nous l’avons annoncé le mois dernier, nous testons actuellement le traitement privé de sécurité afin de renforcer la surveillance de la sécurité tout en préservant la vie privée des clients. Pour les développeurs, GPT-6 Astra sera disponible dans l’API OpenAI sous le nom « gpt-6-astra » et via Amazon Bedrock. La tarification « Standard » de l'API OpenAI est de 10 $ par million de jetons d'entrée et de 50 $ par million de jetons de sortie. Des tarifs distincts s'appliquent aux lectures et aux écritures dans le cache. Le mode « Fast » est disponible pour GPT-6 Astra dans l'API et offre une vitesse pouvant atteindre le double de celle du traitement « Standard », pour un prix deux fois plus élevé que celui de la tarification « Standard ».

Source : OpenAI

Et vous ?

Pensez-vous que cette annonce est crédible ou pertinente ?
Quel est votre avis sur le sujet ?

Voir aussi :

NVIDIA et CrowdStrike font progresser la cyberdéfense agentique grâce à SafeMind, une nouvelle gamme de modèles de sécurité et de harnais développée sur la base de NVIDIA Nemotron

L'intrusion des modèles d'OpenAI dans la plateforme Hugging Face stimule des initiatives en faveur des systèmes d'IA à poids ouverts et Microsoft redéfinit sa vision de la sécurité avec Project Perception

Comment choisir entre les assistants de codage IA et les agents de codage IA ?

[Eliora]

Sam Altman s'excuse pour le lancement chaotique de GPT-6 Astra, des utilisateurs payants s'étant retrouvés bloqués devant des écrans de chargement

Le grand moment d'OpenAI, annoncé comme marquant le début de « l'ère de l'IA générale », s'est transformé en opération de gestion de crise en l'espace de quelques heures. Le PDG Sam Altman a présenté ses excuses publiques pour ce qu'il a qualifié de « lancement chaotique » de GPT-6 Astra, après que les abonnés aux formules Plus, Pro, Business et Enterprise se sont retrouvés privés de l'accès au modèle de pointe qui leur avait été promis. OpenAI avait passé la journée à vanter Astra comme un « bond générationnel en termes de capacités ». Un déploiement bâclé, même temporaire, érode la confiance des clients professionnels.

OpenAI est une société d'intérêt public (PBC) américaine spécialisée dans l'intelligence artificielle (IA), dont le siège social est situé à San Francisco. Elle développe des modèles d'IA générative propriétaires, notamment sa série de grands modèles de langage (LLM) appelés « Generative Pre-trained Transformer » (GPT). Le lancement de ChatGPT en novembre 2022 est considéré comme ayant catalysé l'essor de l'IA ; en septembre 2026, ChatGPT est le cinquième site web le plus visité au monde. OpenAI commercialise également les modèles GPT Image et Codex, un agent de codage basé sur l'IA.

Samuel Harris Altman est un entrepreneur et investisseur américain qui occupe depuis 2019 le poste de directeur général (PDG) de la société d'IA OpenAI. Altman a étudié à l'université de Stanford pendant deux ans avant d'abandonner ses études et de cofonder Loopt, une application de réseau géosocial pour smartphones. Loopt a été rachetée par Green Dot Corporation pour 43,4 millions de dollars en mars 2012. En 2011, Altman a rejoint Y Combinator, un accélérateur de start-ups technologiques et une société de capital-risque, dont il a été le président de 2014 à 2019. Il est milliardaire grâce à ses investissements dans plus de 400 entreprises, dont Reddit, Worldcoin, Helion Energy et Instacart.

OpenAI a annoncé qu'elle allait commencer à déployer son tout dernier modèle d'IA, GPT-6 Astra, qui, selon l'entreprise, est le fruit de « plusieurs années de recherche et de paris audacieux ». Le PDG Sam Altman a déclaré qu'Astra représentait un « nouveau niveau de capacités » et qu'il s'attendait à « un essor de l'entrepreneuriat, de la créativité, de la croissance économique et des découvertes scientifiques ». Le modèle sera lancé par étapes, avec un accès prioritaire pour les entreprises du programme de cybersécurité « Daybreak ».

Le grand moment d’OpenAI, annoncé comme marquant le début de « l’ère de l’IA générale », s’est transformé en opération de gestion de crise en l’espace de quelques heures. Le PDG Sam Altman a présenté ses excuses publiques pour ce qu’il a qualifié de « lancement chaotique » de GPT-6 Astra, après que les abonnés aux formules Plus, Pro, Business et Enterprise – c’est-à-dire les clients mêmes qui paient un prix élevé pour bénéficier d’un accès anticipé – se sont retrouvés privés de l’accès au modèle de pointe qui leur avait été promis.

Quelques heures seulement après le lancement de GPT-6 Astra par OpenAI, la fête s’est transformée en une tournée d’excuses. Le PDG Sam Altman s’est exprimé sur X pour admettre que le lancement avait été « chaotique », reconnaissant que les clients payants qui s’attendaient à accéder au tout dernier modèle de pointe de l’entreprise se sont retrouvés face à des écrans de chargement.

Le moment est mal choisi. OpenAI avait passé la journée à vanter Astra comme un « bond générationnel en termes de capacités », selon les documents de lancement de l’entreprise elle-même, et l’avait présenté comme le premier chapitre de ce qu’elle appelle « l’ère de l’IA générale (AGI) ». C’est une expression qui revient souvent ces derniers temps, davantage à des fins marketing que par souci de précision. Même le PDG de Nvidia, Jensen Huang, s’est appuyé sur un discours tout aussi flou autour de l’AGI pour vanter ses propres produits, une tendance déjà relevée. Ainsi, lorsque OpenAI a présenté Astra comme un véritable tournant, les attentes étaient déjà au plus haut avant même qu’un seul utilisateur ne se connecte.

C’est là que les choses ont déraillé. Le plan d’OpenAI consistait à donner d’abord accès à une petite partie de sa clientèle d’entreprise, en particulier à ceux qui utilisaient déjà sa plateforme de cybersécurité Daybreak, en promettant que les formules Plus, Pro, Business et Enterprise suivraient le même jour. Cette extension n’a pas eu lieu comme prévu, et une vague d’abonnés payants qui avaient libéré leur agenda pour tester le nouveau modèle s’est retrouvée complètement exclue.

Pour une entreprise qui a bâti son argumentaire commercial autant sur la fiabilité que sur ses capacités brutes, cela fait mauvaise impression. Les clients professionnels ne paient pas seulement pour une intelligence de pointe, ils paient pour avoir l’assurance que, lorsque OpenAI annonce qu’une fonctionnalité sera disponible jeudi, elle le sera bel et bien ce jour-là. Un déploiement bâclé, même temporaire, érode cette confiance, en particulier chez les clients des niveaux « Business » et « Enterprise » qui ont probablement mis en place des flux de travail internes et des démonstrations en fonction de la fenêtre de lancement promise.

Les excuses publiques d’Altman retiennent surtout l’attention par la rapidité avec laquelle elles ont été formulées. Il n’y a pas eu d’attente pour un communiqué discret publié, ni d’article de blog soigneusement rédigé quelques jours plus tard. Il a abordé le sujet de front, quelques heures après le lancement, ce qui suggère qu’OpenAI est parfaitement conscient de l’attention particulière dont elle fait actuellement l’objet, alors que des concurrents comme Google et Meta mettent en avant leurs propres modèles de pointe et leurs outils d’IA destinés aux entreprises.

Sur un marché où les coûts de changement de fournisseur diminuent et où les concurrents sont impatients de débaucher les clients frustrés, une journée de lancement chaotique est le genre d’événement qui se propage rapidement, tant sur les réseaux sociaux que sur les canaux Slack des entreprises. Ce n'est pas la première fois qu'un grand laboratoire d'IA rencontre des difficultés liées à la logistique de lancement plutôt qu'au modèle sous-jacent lui-même.

La mise à disposition d’un modèle de pointe auprès de millions d’utilisateurs répartis entre différents niveaux d’abonnement, partenaires API et déploiements d’entreprise relève autant d’un défi en matière d’infrastructure et de séquencement du déploiement que d’une prouesse scientifique. OpenAI s’est considérablement développé depuis ses premières versions de GPT, et cette croissance s’accompagne d’un nombre accru de points de défaillance potentiels, qu’il s’agisse de la capacité des serveurs, des contrôles d’accès par niveaux ou encore de ces interventions techniques de dernière minute qui transforment un lancement triomphal en une véritable course contre la montre.

Ce qui va se passer ensuite importe davantage que les excuses elles-mêmes. OpenAI n’a pas donné de nouveau calendrier précis indiquant quand les utilisateurs des formules Plus, Pro, Business et Enterprise bénéficieront d’un accès complet à Astra, et cette ambiguïté risque de frustrer davantage les clients que le retard lui-même.

Si l’entreprise parvient à redresser la situation d’ici un jour ou deux et à démontrer qu’Astra est à la hauteur de son slogan de « saut générationnel », ce déploiement chaotique ne sera probablement plus qu’une note de bas de page. Mais si les problèmes d’accès persistent, ou si le modèle ne tient pas ses promesses par rapport au cadre de l’ère de l’AGI défini par OpenAI elle-même, cela pourrait donner lieu à un débat plus large sur la question de savoir si l’ambition de l’entreprise dépasse sa capacité d’exécution opérationnelle.

La « profondeur récurrente » d’OpenAI effectue des boucles de raisonnement en interne, générant ainsi moins de traces lisibles que les chercheurs en sécurité utilisent pour surveiller le comportement du modèle avant qu’il n’agisse. Ce qui inquiète les concurrents d’OpenAI et les chercheurs en sécurité, ce n’est pas la capacité d’Astra à détecter et à exploiter des vulnérabilités « zero-day ». C’est la perte de visibilité qui a alarmé une partie de la communauté chargée de la sécurité de l’IA.

Source : Sam Altman, sur X

Et vous ?

Pensez-vous que cette annonce est crédible ou pertinente ?
Quel est votre avis sur le sujet ?

Voir aussi :

OpenAI a annoncé qu'elle suspendait le développement de son modèle d'IA Astra en raison d'un risque cyber « critique », celui-ci étant capable de mener des cyberattaques de manière autonome

OpenAI affirme que son prochain modèle d'IA, Astra, encore inédit, a résolu 10 problèmes vieux de plusieurs décennies, en mathématiques, physique quantique et informatique théorique pour seulement 2 000 $

98 % des entreprises ont connu des échecs de projets d'IA en 2023, en raison d'un budget insuffisant et d'une mauvaise préparation et nettoyage des données, selon un rapport de SQream