Découvrez GPT-6 Astra, ses progrès en raisonnement, code et usage d’ordinateur, son arrivée dans ChatGPT, Codex et l’API, ainsi que ses limites concrètes.
GPT-6 Astra : nouveautés dans ChatGPT et l’API
OpenAI a présenté GPT-6 Astra le 3 septembre 2026. Derrière le nom Astra, il ne faut pas imaginer une fonctionnalité isolée de ChatGPT, mais un nouveau modèle destiné aux tâches complexes de bout en bout. Il est disponible dans plusieurs expériences : GPT-6 Pro dans ChatGPT repose sur Astra, tandis que ChatGPT Work et Codex proposent directement GPT-6 Astra aux comptes éligibles. L’API l’expose sous l’identifiant gpt-6-astra.
La nouveauté la plus importante n’est donc pas seulement une hausse de performance sur des tests. Astra cherche à mieux relier raisonnement, utilisation d’outils et production d’un résultat exploitable : analyser des sources, intervenir dans une application, modifier du code, puis vérifier le travail réalisé.
À retenir. ChatGPT, ChatGPT Work, Codex et l’API n’offrent pas exactement la même expérience. Le modèle peut être commun, mais les outils disponibles, les limites d’usage et les protections dépendent du produit et du forfait.
Ce que GPT-6 Astra change réellement
OpenAI présente Astra comme son modèle le plus capable pour le raisonnement complexe, le développement logiciel, la recherche, l’utilisation d’un ordinateur et la création de documents. Cette combinaison vise les travaux qui demandent plusieurs étapes et plusieurs applications, pas uniquement une réponse textuelle.
Trois évolutions sont particulièrement utiles au quotidien :
- une meilleure continuité sur les tâches longues : Astra conserve plus facilement l’objectif lorsqu’une demande évolue ou qu’une nouvelle contrainte arrive ;
- un meilleur jugement face aux zones ambiguës : il peut compléter les détails routiniers, mais demander une précision lorsque la décision change réellement le résultat ;
- un usage d’ordinateur plus abouti : dans un environnement autorisé, il peut naviguer dans des interfaces, travailler avec des fichiers et vérifier visuellement le résultat.
Ces capacités ne rendent pas le modèle autonome sans limite. Les outils, permissions, confirmations et données accessibles restent définis par l’application qui l’héberge. Une organisation doit donc continuer à appliquer le moindre privilège et à conserver une validation humaine pour les actions importantes.
Astra dans ChatGPT, Work et Codex
Dans ChatGPT, GPT-6 Pro est alimenté par Astra pour les forfaits éligibles. Dans ChatGPT Work, le modèle est orienté vers la recherche et la production de livrables : documents, présentations, feuilles de calcul, analyses ou sites. Dans Codex, il est adapté au travail logiciel : comprendre un dépôt, modifier des fichiers, exécuter des vérifications et préparer une livraison.
Le déploiement dépend du forfait, du produit et, pour les organisations, des réglages de l’espace de travail. Les utilisateurs Plus disposent d’un accès limité à Astra dans Work et Codex. Les offres Pro, Business et Enterprise ont des modalités différentes ; GPT-6 Pro dans Chat n’est pas inclus de la même manière que l’usage partagé entre Work et Codex.
Si Astra n’apparaît pas dans l’application de bureau, OpenAI recommande de rechercher les mises à jour, de redémarrer complètement l’application, puis de vérifier de nouveau le sélecteur de modèles. Codex en ligne de commande nécessite au minimum la version 0.153.0.
Les nouveautés pour les développeurs
L’API Responses apporte avec Astra trois mécanismes intéressants pour les applications agentiques.
Appels d’outils asynchrones
Une application peut déclarer une fonction ou un outil personnalisé avec async: true. Astra peut alors poursuivre une partie indépendante du raisonnement ou utiliser un autre outil pendant que l’application exécute l’opération longue. Le résultat est ensuite associé à l’appel d’origine avec son call_id.
Cette possibilité convient, par exemple, à un agent qui lance une analyse de dépôt tout en préparant la synthèse des fichiers déjà inspectés. L’application reste responsable de l’exécution, de la persistance du travail en attente et de la reprise correcte.
Instructions pendant l’exécution
Avec le pilotage en cours de tour, un utilisateur peut corriger la direction d’une tâche avant sa fin. Sur une connexion WebSocket, l’application transmet la nouvelle instruction sans repartir de zéro : le travail terminé est conservé et la suite tient compte de la correction.
Cette fonction est utile dans les interfaces où une tâche peut durer plusieurs minutes. Elle évite de laisser finir un traitement devenu inutile après un changement de priorité.
Effort de raisonnement ajustable
Astra accepte les niveaux low, medium, high, xhigh et max. Une application peut modifier cet effort au cours d’une conversation avec un élément configuration_update, tout en préservant le préfixe mis en cache. Le niveau none n’est pas pris en charge.
Le bon réglage n’est pas toujours le plus élevé. Réservez les efforts importants aux décisions complexes, puis mesurez la qualité, la latence et le coût sur vos propres cas d’usage.
Capacités et limites de l’API
GPT-6 Astra dispose d’une fenêtre de contexte de 1 050 000 tokens et peut produire jusqu’à 128 000 tokens. Il accepte le texte et les images en entrée, mais pas l’audio ou la vidéo. Il prend en charge le streaming, les appels de fonctions, les sorties structurées et plusieurs outils de la Responses API, dont la recherche web, la recherche dans les fichiers, l’interpréteur de code, l’utilisation d’ordinateur et MCP.
Le fine-tuning n’est pas disponible. Le mode rapide n’est pas compatible avec la résidence des données dans l’Union européenne. Pour un usage avec outils, OpenAI recommande la Responses API, même si le modèle reste accessible par Chat Completions pour d’autres scénarios.
Le tarif standard annoncé est de 10 dollars par million de tokens en entrée et 50 dollars par million de tokens en sortie. Les lectures de cache, écritures de cache, traitements Batch, Flex et Fast ont leurs propres tarifs. Un prix par token plus élevé ne suffit pas à prédire le coût réel : il faut mesurer le nombre de tentatives, les tokens de raisonnement, l’usage des outils et le taux de réussite par tâche.
Faut-il remplacer tous ses modèles par Astra ?
Non. Astra cible d’abord les tâches difficiles qui justifient davantage de raisonnement et d’outils : développement complexe, recherche multi-source, analyse professionnelle ou automatisation dans plusieurs applications.
Pour un classement simple, une extraction répétitive ou une réponse courte à fort volume, un modèle plus économique peut rester préférable. Une architecture raisonnable route les demandes selon leur difficulté, mesure la qualité obtenue et conserve un budget explicite.
Avant une migration, vérifiez au minimum :
- les paramètres devenus incompatibles, notamment
temperature,top_pet certains réglages de logs ; - le niveau de raisonnement réellement nécessaire ;
- les permissions accordées aux outils et aux connecteurs ;
- la qualité sur un jeu d’évaluation représentatif de vos utilisateurs ;
- le coût complet par tâche réussie, pas seulement le tarif par token.
Ce qu’il faut retenir
GPT-6 Astra fait évoluer ChatGPT vers des travaux plus longs et plus concrets. Son intérêt principal réside dans la combinaison du raisonnement, du code, des outils et de l’utilisation d’ordinateur, avec une meilleure capacité à rester aligné sur l’objectif pendant une tâche qui change.
Pour les développeurs, les appels d’outils asynchrones, le pilotage pendant l’exécution et l’ajustement du raisonnement ouvrent des workflows plus interactifs. Pour les équipes, le gain potentiel dépendra surtout de la qualité des permissions, des validations et des évaluations mises autour du modèle.
