« Bienvenue dans l’ère de l’AGI. » Le président d’OpenAI, Greg Brockman, a osé la formule lors du lancement d’Astra, le nouveau modèle de la firme. Nouvelle exagération d’un secteur qui nous a habitués à parler de révolution à chaque nouvelle sortie ? Apparemment, pas tant que ça.
Même François Chollet, un chercheur prudent face aux annonces en fanfare, assez courantes en intelligence artificielle, se dit impressionné. Il a créé ARC-AGI-3, un test qui confronte les modèles à des jeux inconnus, sans leur en révéler les règles ni l’objectif. Pour réussir, l’IA doit explorer, formuler des hypothèses, comprendre les relations de cause à effet et adapter sa stratégie.
En mars 2026, les meilleurs modèles résolvaient moins de 1 % des épreuves. Six mois plus tard, Astra atteint 66 % dans la configuration standard et frôle les 100 % lorsqu’il peut conserver en mémoire ses découvertes et ses erreurs. Dans cette version optimisée, il résout presque tous les niveaux (96 %) en moins d’actions que la moyenne des humains.
En examinant plus en détail les raisonnements d’Astra, Chollet a observé un comportement inédit. Le modèle construit à la volée un modèle symbolique de chaque univers. Il invente même sa propre notation algébrique pour représenter les objets, leurs états et planifier ses actions.
Ce n’est pourtant pas encore une preuve d’AGI. Les parties restent courtes, les environnements simples et la quantité d’informations à apprendre sans commune mesure avec le monde réel. ARC-AGI-3 mesure certaines propriétés de l’intelligence générale, pas l’intelligence générale elle-même.
La rupture est néanmoins concrète. Astra a été particulièrement optimisé pour un usage agentique, soit le fait pour le modèle de pouvoir agir de manière autonome, planifier et prendre des décisions. Il peut créer et modifier des scènes 3D dans Blender, reconstruire des objets en trois dimensions à partir de simples vues 2D, utiliser des logiciels comme Excel, Power BI ou KiCad, mais aussi naviguer sur le Web, remplir des formulaires, tester des sites et mener pendant plusieurs heures des travaux de recherche ou de développement. Sur d’autres types de tâches, ses scores aux tests ne sont pas très différents de ceux de GPT-5.6.
À 10 dollars le million de tokens en entrée et 50 dollars en sortie, il est affiché comme 2,5 fois plus cher que GPT-5.6 Sol, mais à l’usage, la différence n’est peut-être pas si grande. Ce modèle plus puissant consomme moins de tokens à tâche équivalente.
Astra n’est peut-être pas encore l’AGI. Mais le basculement économique, lui, a déjà commencé : des compétences rares et coûteuses deviennent accessibles à presque tous.
Comment l’Europe a dompté l’antimatière
