Une annonce axée sur le travail
Le 3 septembre, OpenAI a présenté GPT‑6 Astra comme un modèle destiné aux tâches professionnelles complexes : utilisation de l’ordinateur, navigation, ingénierie logicielle et recherche scientifique. L’entreprise évoque des séquences en plusieurs étapes et la création de documents, feuilles de calcul et présentations ; ce sont ses déclarations, pas des tests indépendants de CherTra News.
L’intérêt est moins un benchmark isolé que l’association du raisonnement, de l’interaction avec des logiciels et de la production de livrables. Elle peut prendre part à un processus opérationnel si les tâches, permissions et contrôles sont soigneusement conçus.
Ce qu’une organisation devrait tester
Avant de confier un travail réel à un modèle qui utilise l’ordinateur, définissez une tâche limitée et des essais couvrant les cas habituels et les exceptions. Vérifiez les modèles internes, la détection des données manquantes et l’arrêt avant une action nécessitant une approbation humaine.
La disponibilité compte également. OpenAI décrit un lancement initial réservé à certaines organisations puis une extension. L’accès et les conditions peuvent dépendre du produit, de l’offre et de la région : vérifiez les modalités en vigueur au lieu de supposer que le modèle est déjà accessible à tous.
Prendre en compte le système autour du modèle
Les résultats dépendent aussi des données accessibles, des outils, des instructions, des journaux, des validations et des procédures de reprise. Préparer un brouillon à partir de données autorisées ne signifie pas qu’il puisse être envoyé, modifier un CRM ou approuver une transaction.
Commencez par des tâches en lecture seule ou à faible impact. Gardez visibles les données utilisées, ajoutez des contrôles aux actions d’écriture et déterminez qui gère les exceptions, reprend une exécution interrompue et révoque l’accès. Ces détails peuvent compter davantage que de petites différences entre modèles.
Adopter progressivement
Une petite entreprise peut commencer par résumer un ensemble connu de documents internes ou préparer un brouillon à faire relire. Mesurez le processus de départ, le temps de contrôle, les erreurs et les cas qui doivent être repris par une personne.
La bonne question n’est pas de savoir si l’IA réussit une longue démonstration, mais si l’ensemble du système réalise une tâche définie avec précision, des contrôles soutenables et une possibilité de reprise. Cette décision dépend du produit et du processus concernés.
Sources et références
Une erreur factuelle à signaler ou une source à suggérer ? Contacter la rédaction.
