GPT-6 Astra expliqué : 5 usages à tester, 3 pièges à éviter

Quelqu’un va vous poser la question en réunion avant la fin du mois : « on passe sur GPT-6 Astra ? ». Chef de projet, product owner ou dirigeant de PME dont l’équipe tourne sur ChatGPT, l’API OpenAI ou Claude, vous devrez répondre autre chose que « on verra ».

La date qui force la réponse est le 14 octobre 2026 : ce jour-là, OpenAI retire GPT-5.5 de ChatGPT, ChatGPT Work et Codex. Le changement de modèle arrive de toute façon ; la seule question ouverte est vers lequel, GPT-5.6 Sol ou Astra, et pour quels usages.

Cet article ne reprend ni l’annonce ni la rafale de benchmarks : quatre chiffres, cinq usages à tester avec leur métrique, trois pièges qui font déraper une migration, et une grille migrer, tester ou attendre à trancher en quinze jours.

Ce que GPT-6 Astra change, et ce qu’il ne change pas

Le chiffre qui refroidit : 61, comme Sol

L’Intelligence Index d’Artificial Analysis, une mesure indépendante, note GPT-6 Astra à 61. C’est exactement le score de GPT-5.6 Sol, le modèle sorti avant lui et vendu 2,5 fois moins cher.

Sur la même échelle, Claude Opus 5 obtient 63 et Claude Fable 5.1 monte à 66 ; le discours « modèle le plus intelligent du monde » ne tient pas hors de chez OpenAI.

Le score de 99,9 % sur ARC-AGI-3 se lit avec sa réserve : harness maison (l’enrobage logiciel qui pilote le modèle), 19 000 $ de calcul, et 62,7 % en harness standard. Notre guide de lecture des benchmarks IA détaille ce type de mise en scène.

Le chiffre qui chauffe : 41 documents en quelques minutes

Sur OSWorld 2.0, un test où le modèle pilote un vrai ordinateur (ouvrir des logiciels, cliquer, saisir, enregistrer), Astra réussit 72,6 % des tâches en environ 40 minutes, contre 65,7 % en 75 minutes pour Sol.

Legora, éditeur de logiciels juridiques, a publié le 3 septembre un cas plus parlant : Astra a rapproché 41 documents financiers en une seule exécution et trouvé les 4 erreurs plantées par les testeurs, dont un écart de 500 000 £ dans une note de revenus. Le gain atteint 40 % sur ce workflow, contre 3 % en moyenne sur le benchmark interne de Legora.

La fiche technique va dans le même sens : 1,05 million de tokens de contexte, 128 000 en sortie, connaissances arrêtées au 30 avril 2026. Astra lit des dossiers entiers et travaille longtemps ; il ne pense pas mieux.

Astra s’achète comme un exécutant qui tient la distance, pas comme une version plus brillante de ChatGPT.

Cinq usages à tester, dans cet ordre

Un intérimaire senior facturé 2,5 fois le tarif habituel ne trie pas le courrier : on le met sur le dossier où l’erreur coûte 500 000 £. Les cinq usages suivent cette logique, du plus rentable au plus discutable.

Pour chacun : un jeu de cas réels, une seule métrique, et le modèle de comparaison, Sol ou Opus 5.

Le gain d’Astra est une pointe sur quelques workflows, pas un plateau sur tout le catalogue.

Rapprocher des documents entre eux

États financiers contre annexes, contrat contre avenants, réponse à appel d’offres contre cahier des charges : c’est le terrain du cas Legora. Le test : un dossier réel dans lequel vous avez planté trois erreurs ; la métrique : erreurs trouvées sur erreurs plantées. Comparez à Claude Opus 5, qui fait le même travail à moitié prix.

Quand la tâche consiste à piloter un logiciel

Saisie CRM depuis des mails, remplissage d’un portail fournisseur, reporting assemblé depuis quatre exports : ici, Astra clique et tape à votre place, le « computer use » mesuré par OSWorld. Le test : dix saisies réelles en environnement de test, jamais en production. La métrique : le taux de réussite sans reprise humaine, comparé à GPT-5.6 Sol.

Un agent qui travaille plusieurs heures sans vous

Depuis l’Agents API du 10 septembre, OpenAI héberge lui-même le harness de Codex : sessions durables, compaction du contexte (le résumé automatique de ce qui a déjà été fait), sous-agents, sans frais au-delà des tokens, des outils et du bac à sable. Cognition fait tester son propre code par Devin, qui livre la vidéo du test avec la liste des vérifications passées ; Perplexity surveille ses systèmes de production avec Astra.

Le test à votre échelle : une veille ou un contrôle hebdomadaire qui tourne seul. Les métriques : le coût par run et le nombre d’interventions humaines.

La recherche qui croise vingt sources

Sur WANDR, le benchmark de recherche multi-sources de Perplexity, Astra obtient 0,682 pour 11,98 $ la tâche, soit 27 % de mieux qu’Opus 5 pour 3,3 % plus cher. Due diligence fournisseur, benchmark concurrent, veille réglementaire : la métrique unique est le nombre de sources citées qui se vérifient.

Les livrables sous gabarit, où Sol suffit souvent

Documents, tableurs et présentations sous template maison passent par ChatGPT Work. Le test : cinq decks produits à partir d’un brief ; la métrique : les minutes de reprise. Sur cet usage, Sol fait le travail dans la plupart des cas et le surcoût d’Astra se justifie rarement.

Le coût réel de GPT-6 Astra ne se lit pas sur la grille tarifaire

Le prix au million de tokens est un prix au litre : la facture dépend de la consommation du trajet. Avec un modèle qui raisonne, les tokens de raisonnement (le brouillon interne produit avant de répondre) sont facturés au tarif de la réponse.

Quatre lignes de facture à regarder avant de signer

Première ligne, l’effort de raisonnement. Artificial Analysis mesure 0,46 $ la tâche en effort faible contre 1,67 $ en effort maximal, soit 3,6 fois d’écart pour le même modèle ; Simon Willison note que l’effort le plus bas d’Astra bat Sol à n’importe quel niveau, pour 9,55 cents.

Deuxième ligne, le cache (la relecture d’un contexte déjà envoyé) : 1 $ le million chez Astra contre 0,25 $ chez Fable 5.1, ce qu’un agent qui relit le même dossier cinquante fois par jour sent vite.

Troisième ligne, le seuil de 272 000 tokens d’entrée. C’est un péage qui double le tarif de tout le trajet, pas du dernier kilomètre : une seule requête au-delà et l’ensemble passe à 20 $ / 75 $.

Quatrième ligne, les variantes : batch et Flex à moitié prix (5 $ / 25 $) quand le délai ne compte pas, Fast à 20 $ / 100 $ quand il compte, sans SLA de latence.

Astra face à Sol, Opus 5 et Fable 5.1

La grille au 17 septembre 2026 : Astra 10 $ en entrée, 50 $ en sortie ; GPT-5.6 Sol 4 $ / 20 $ en promotion jusqu’au 21 novembre 2026 (5 $ / 30 $ en tarif liste) ; Claude Opus 5 5 $ / 25 $ ; Claude Fable 5.1 10 $ / 50 $. Astra coûte le même prix que Fable 5.1, le double d’Opus 5 et 2,5 fois Sol au tarif promotionnel en vigueur.

Lecture par tâche : sur WANDR, Astra revient 3,3 % plus cher qu’Opus 5 pour 27 % de mieux, alors que la grille le dit deux fois plus cher. La règle à transmettre à votre prestataire : demander le coût par tâche mesuré sur vos cas, jamais le prix au million.

Le bon comparateur d’Astra pour une PME s’appelle Opus 5, pas Fable 5.1 : même famille de tâches, moitié prix, et le modèle qu’Anthropic conseille par défaut.

Trois pièges qui font déraper une migration

Tout basculer parce que GPT-5.5 disparaît

Le 14 octobre 2026, GPT-5.5 quitte ChatGPT, ChatGPT Work et Codex sur tous les plans ; il reste en API. OpenAI lui-même recommande Sol pour l’existant et Astra pour les nouveaux cas ciblés, ce qui exclut la bascule en bloc.

Les conditions d’accès, vérifiées sur le centre d’aide OpenAI au 17 septembre 2026, vont dans le même sens. Sur Enterprise, Astra est désactivé par défaut et s’active par l’administrateur, sans preview automatique ; un abonné Plus ne le voit que dans ChatGPT Work et Codex ; Pro, Business et Enterprise y accèdent dans le chat ; Free et Go restent sur GPT-5.6 Luna.

Une carte bancaire livrée inactive ne débite rien tant que personne ne l’active : un salarié qui ne trouve pas Astra dans le sélecteur a une permission à demander, pas un bug. Le rollout bouge chaque semaine, datez chaque affirmation d’accès.

Confondre un agent qui agit et un assistant qui répond

Astra pilote un ordinateur, et sa system card le classe premier modèle au seuil « Critical » en cybersécurité, avec une monitorabilité de la chaîne de raisonnement en baisse par rapport à Sol. Les capacités offensives sont bridées, réservées au programme Daybreak ; ce qui vous concerne, ce sont les accès donnés à l’agent.

Le UK AI Security Institute a mesuré l’effet d’un périmètre écrit : sur 499 épreuves, 60 attaques de chaîne d’approvisionnement exécutées quand rien ne l’interdit, 2 quand le périmètre l’interdit noir sur blanc. Les résultats désalignés tombent à 3,4 % sans politique de confirmation et 3,0 % avec, contre 18,8 % pour Sol.

Le panneau « interdit » fonctionne, à condition de l’écrire. Quatre règles minimales avant la mise en service : un périmètre réversible, une journalisation de chaque action, une validation humaine sur toute action à conséquence, et aucun accès CRM, comptabilité ou administration au premier tour.

Oublier où partent les données

L’Agents API, en bêta depuis le 10 septembre, héberge les données aux États-Unis uniquement, sans Zero Data Retention (l’engagement de ne rien conserver après traitement), même avec un conteneur auto-hébergé. L’API standard offre le ZDR aux clients éligibles et un projet en région Europe sur approbation d’OpenAI, majoré de 10 % ; le mode Fast reste incompatible avec la résidence UE au lancement.

Pour une PME sous RGPD, cette ligne choisit la voie technique avant le modèle : API standard en région Europe, ou Agents API avec des données déjà anonymisées, ce que le Privacy Filter d’OpenAI traite.

Une migration décidée sur un prix au million est une migration décidée à l’aveugle : le vrai devis tient en trois lignes, coût par tâche, périmètre écrit, résidence des données.

La grille : migrer, tester sur un périmètre, ou attendre

Migrer maintenant si trois conditions sont réunies : un agent déjà en place sur Sol ou Opus 5 échoue par manque de fiabilité sur des tâches longues, le coût par tâche mesuré tient dans le budget, et la résidence des données est réglée.

Tester sur un périmètre, le cas majoritaire : un des cinq usages, 20 à 50 cas réels, le même jeu sur le modèle actuel et sur Astra, et trois métriques, taux de réussite, coût par tâche en euros, minutes de relecture humaine. Comme deux candidats notés sur le même dossier le même jour, la comparaison se fait sans une ligne de code, en quinze jours.

Attendre si vos usages relèvent de la rédaction, du résumé, du support ou du chat courant, où Sol, Terra, Luna ou Opus 5 suffisent, sans contexte long à traiter, ou tant que la résidence UE bloque la voie technique choisie.

Une réserve : les réglages d’un modèle bougent après son lancement, et les « régressions » signalées sur X restent anecdotiques. Elles justifient une seconde passe de test, pas une décision.

Le 14 octobre, GPT-5.5 quitte ChatGPT et Codex, et votre équipe changera de modèle de toute façon. La question tient en deux mots, Sol ou Astra, usage par usage, et GPT-6 Astra ne la gagne que là où le coût par tâche mesuré sur vos cas le dit.

Lundi matin : choisir un workflow long et coûteux en relecture, sortir 20 cas réels, demander à l’équipe ou au prestataire le coût par tâche et le taux de réussite sur les deux modèles, puis trancher migrer, tester ou attendre sous quinze jours.

Pour le versant Anthropic du même arbitrage, notre analyse de Claude Opus 5 pour l’entreprise complète cette grille.

FAQ : dix questions sur GPT-6 Astra

GPT-6 Astra est-il plus intelligent que GPT-5.6 Sol ?

Pas sur les mesures indépendantes : Artificial Analysis note les deux modèles à 61. Astra exécute mieux et plus vite les tâches longues qui touchent des logiciels et des dossiers volumineux, ce qui est autre chose.

Combien coûte GPT-6 Astra en API au 17 septembre 2026 ?

10 $ le million de tokens en entrée, 50 $ en sortie, 1 $ en cache. Batch et Flex divisent le prix par deux, le mode Fast le double, et toute requête au-delà de 272 000 tokens d’entrée passe à 20 $ / 75 $.

Pourquoi parler de coût par tâche plutôt que de prix au million ?

Parce que les tokens de raisonnement sont facturés comme la réponse et varient de 3,6 fois selon l’effort demandé. Sur la tâche WANDR de Perplexity, Astra coûte 3,3 % plus cher qu’Opus 5 alors que la grille le dit deux fois plus cher.

Faut-il migrer avant le 14 octobre 2026 ?

Il faut choisir un modèle avant cette date, car GPT-5.5 quitte ChatGPT, ChatGPT Work et Codex. OpenAI recommande Sol pour l’existant et Astra pour les nouveaux cas ciblés ; l’API GPT-5.5 reste ouverte.

Mon abonnement ChatGPT donne-t-il accès à GPT-6 Astra ?

Au 17 septembre 2026 : Pro, Business et Enterprise dans le chat, Enterprise après activation par l’administrateur, Plus uniquement dans ChatGPT Work et Codex, Free et Go sur GPT-5.6 Luna. Le rollout évolue, à re-vérifier avant d’affirmer.

Comment tester Astra sans développeur ?

Choisir un workflow, sortir 20 à 50 cas réels, faire tourner le même jeu sur le modèle actuel et sur Astra, et relever le taux de réussite, le coût par tâche en euros et les minutes de relecture. Le prestataire ou l’équipe fournit les chiffres.

Quels risques apporte un modèle qui pilote un ordinateur ?

Le risque vient des accès que vous lui donnez. Périmètre écrit et réversible, journalisation, validation humaine des actions à conséquence, aucun accès CRM, comptabilité ou administration au premier tour : le UK AI Security Institute a mesuré qu’un périmètre écrit ramène 60 attaques exécutées à 2.

Mes données restent-elles en Europe avec GPT-6 Astra ?

Pas avec l’Agents API en bêta, hébergée aux États-Unis sans Zero Data Retention. L’API standard propose une région Europe sur approbation d’OpenAI, majorée de 10 %, et le mode Fast y reste indisponible au lancement.

Pour un agent qui tourne plusieurs heures, Astra, Opus 5 ou Fable 5.1 ?

Commencer par Opus 5, moitié prix d’Astra et modèle par défaut chez Anthropic. Passer à Astra ou Fable 5.1, au même tarif, seulement si le test sur 20 à 50 cas montre un écart de fiabilité qui paie le surcoût.

Le contexte d’un million de tokens vaut-il son prix pour une PME ?

Rarement : au-delà de 272 000 tokens d’entrée, la requête entière est facturée 20 $ / 75 $. Découper le dossier ou relire par lots coûte moins cher dans la plupart des cas.