Une annonce portée par l’enthousiasme, mais jugée sur les capacités
La nouvelle annonce de Sam Altman s’inscrit dans la tradition des grands lancements d’OpenAI: il ne s’agit pas seulement de promettre un modèle plus rapide ou moins cher, mais de suggérer que les utilisateurs peuvent désormais confier à l’IA des tâches d’une nature différente. Le centre de cette actualité est GPT-6.1 Terra, présenté par OpenAI comme un modèle rapide et efficace, conçu pour le raisonnement visuel détaillé, l’usage précis de l’ordinateur et une rédaction professionnelle plus naturelle . Dans des propos rapportés cette semaine, Altman a décrit Terra comme l’entrée dans une nouvelle ère de l’usage informatique, ce qui montre qu’OpenAI veut faire de cette sortie un jalon pratique vers des systèmes capables d’utiliser des logiciels, d’interpréter des écrans et d’exécuter des tâches de travail avec moins de friction [6].
Cette nuance est importante. L’enthousiasme initial autour du nouveau modèle d’Altman n’est pas seulement une affaire de communication. Il repose sur une thèse plus large: OpenAI estime que ses modèles passent progressivement de l’intelligence conversationnelle à l’action concrète. Terra est positionné précisément sur cette transition. OpenAI affirme que le modèle peut aider à rédiger des propositions, interpréter des plans techniques, remplir des formulaires et monter des vidéos, c’est-à-dire des activités répétitives et visuelles très présentes dans le travail quotidien .
Ce que GPT-6.1 Terra est censé apporter
Terra n’est pas présenté comme le modèle le plus puissant d’OpenAI dans l’absolu. Il est plutôt conçu comme un modèle d’équilibre: assez capable pour des usages informatiques complexes, assez peu coûteux pour être déployé à grande échelle, et assez rapide pour s’intégrer aux flux de travail quotidiens. OpenAI indique que les prix standards de l’API de Terra sont 50% inférieurs à ceux de GPT-5.6 Terra et de GPT-6.1 Sol, avec un tarif de 1 dollar par million de jetons d’entrée, 0,05 dollar par million de jetons d’entrée mis en cache, et 5 dollars par million de jetons de sortie .
Ce signal tarifaire est décisif. Un modèle très avancé mais trop coûteux reste souvent une vitrine technologique. Un modèle moins cher, capable d’exécuter des flux de travail logiciels de manière fiable, peut devenir une infrastructure. Terra vise clairement cette seconde catégorie. OpenAI précise qu’il est disponible pour les utilisateurs Plus, Pro, Enterprise et Edu dans ChatGPT Work et Codex, ainsi que pour les développeurs via l’API sous l’identifiant gpt-6.1-terra .
Cette sortie montre aussi comment OpenAI segmente désormais sa gamme. Pour les tâches les plus difficiles en recherche ou en programmation, l’entreprise continue d’orienter les utilisateurs vers GPT-6.1 Sol ou GPT-6 Astra, tandis que Terra doit couvrir une large zone de travail professionnel courant . Autrement dit, le caractère « révolutionnaire » de ce modèle ne tient pas uniquement à un pic d’intelligence, mais à la volonté de rendre l’usage agentique de l’ordinateur moins cher et plus ordinaire.
Des benchmarks axés sur la vitesse, le coût et la vision
Les résultats de benchmark publiés par OpenAI sont centraux pour comprendre pourquoi Altman insiste sur l’usage informatique plutôt que sur la simple conversation. Sur Agents’ Last Exam, un benchmark de tâches professionnelles réalisées sur ordinateur, OpenAI affirme que GPT-6.1 Terra obtient 15 points de pourcentage de plus que GPT-5.6 Terra à effort de raisonnement moyen, pour environ un tiers du coût . L’entreprise ajoute que Terra atteint un niveau comparable à GPT-6 Astra sur ce benchmark pour un dixième du prix par jeton, tout en accomplissant les tâches plus de trois fois plus vite que GPT-6 Astra et GPT-6.1 Sol .
OpenAI met également en avant le raisonnement visuel de Terra. Sur MMMU-Pro, un benchmark de vision, l’entreprise indique que Terra surpasse GPT-5.6 Terra à tous les niveaux de raisonnement et se rapproche de GPT-6 Astra et GPT-6.1 Sol à coût inférieur . Sur OSWorld 2.1, un test hors ligne de tâches multietapes dans des applications de bureau, OpenAI affirme que Terra dépasse le meilleur score de GPT-5.6 Terra à effort de raisonnement moyen, avec seulement une fraction du coût par tâche .
Pour les utilisateurs, la vraie question sera la fiabilité en conditions réelles. Les benchmarks donnent une direction, pas une garantie. Mais la direction est nette: OpenAI veut produire des modèles capables de voir ce qui se passe sur un écran, de décider de l’étape suivante, d’utiliser des outils et de terminer des tâches dans de vraies applications.
Moins d’erreurs factuelles et de meilleurs résultats en code
OpenAI présente également Terra comme un système plus fiable. Sur son benchmark interne de prompts conçus pour provoquer des erreurs, l’entreprise affirme que le taux d’erreur factuelle à faible effort de raisonnement est passé de 53,6% avec GPT-5.6 Terra à 16,7% avec GPT-6.1 Terra . À effort de raisonnement maximal, OpenAI indique que le taux descend à 4,3%, soit un niveau proche de GPT-6 Astra et GPT-6.1 Sol .
Le code constitue un autre axe majeur. Sur Terminal-Bench 4.0, OpenAI affirme que GPT-6.1 Terra résout 50,3% des tâches à effort de raisonnement maximal, soit plus du double du score publié de GPT-5.6 Terra, qui était de 21,5% . Les modèles les plus avancés restent recommandés pour les tâches de programmation les plus complexes, mais Terra semble conçu pour couvrir une grande partie des besoins ordinaires en ingénierie logicielle et automatisation.
C’est ici que l’annonce rejoint la stratégie produit plus générale d’OpenAI. L’entreprise ne construit plus seulement un modèle phare destiné à tout le monde. Elle organise une échelle de modèles où le coût, la vitesse, le niveau de sécurité et la profondeur de raisonnement varient selon les cas d’usage. La promesse de Terra est de permettre à une entreprise d’exécuter davantage de tâches avant que la facture, la latence ou le risque opérationnel ne deviennent trop élevés.
L’ombre de la sécurité sur les modèles capables d’utiliser l’ordinateur
Un modèle capable d’utiliser des logiciels exige aussi des garde-fous plus stricts. L’addendum à la carte système d’OpenAI indique que GPT-6.1 Terra est traité comme Critical en cybersécurité et High pour les capacités biologiques et chimiques dans le cadre du Preparedness Framework de l’entreprise [2]. Le même document précise que Terra utilise la même pile de protections que GPT-6.1 Sol et GPT-6 Astra [2].
Cette classification cybersécurité n’est pas un détail technique. Elle fait partie intégrante du récit produit. Si Terra est conçu pour utiliser précisément un ordinateur, sa capacité à interagir avec du code, des systèmes, des fichiers et des interfaces devient à la fois son argument commercial et son risque principal. Dans son addendum de sécurité, OpenAI indique que Terra a réussi 5 cibles sur 22 dans un Sandbox Bench interne destiné à tester la capacité des modèles à identifier et exploiter des vulnérabilités dans des environnements inspirés de systèmes internes [2]. L’entreprise précise que GPT-6.1 Sol et GPT-6 Astra obtiennent des scores plus élevés sur le même test, mais le résultat de Terra suffit à justifier un haut niveau de confinement et de surveillance [2].
L’enthousiasme d’Altman prend donc une dimension plus ambivalente. Le modèle impressionne parce qu’il peut faire davantage. Il appelle aussi à la prudence parce que « faire davantage » signifie désormais interagir avec des environnements sensibles.
Les résultats scientifiques associés aux modèles internes d’OpenAI
Dans le même cycle d’actualité, OpenAI a annoncé trois productions scientifiques générées par l’IA en mathématiques, informatique théorique et physique, en les présentant comme des découvertes liées à l’analyse harmonique, à la théorie de la complexité et à la théorie quantique des champs [3]. Ce ne sont pas de simples fonctionnalités produit, mais elles éclairent le contexte de Terra: OpenAI affirme que ses modèles actuels ou internes commencent à produire des résultats que des communautés d’experts doivent évaluer.
OpenAI affirme que ses modèles ont produit une preuve de la conjecture de lissage local en toute dimension, ce qui résoudrait aussi la conjecture de Kakeya et la conjecture de restriction de Stein en toute dimension si la communauté mathématique l’acceptait [3]. En informatique théorique, l’entreprise indique que son système a produit une preuve selon laquelle l’Exponential Time Hypothesis est fausse, et que le résultat a été formalisé dans Lean [3]. En physique, OpenAI affirme que ses modèles ont produit des travaux liés à des preuves d’existence mathématiquement rigoureuses pour la chromodynamique quantique et certaines théories quantiques des champs en quatre dimensions [3].
OpenAI ne demande pas que ces résultats soient considérés comme définitivement établis. L’entreprise décrit les manuscrits comme une forme de données brutes de recherche et explique que des experts externes aideront à organiser leur compréhension [3]. Pour le résultat en informatique théorique, OpenAI indique qu’un groupe dirigé par Russell Impagliazzo, Ramamohan Paturi et Ryan Williams vérifiera et accompagnera le travail, tandis que les données brutes seront rendues publiques pour permettre un examen indépendant [3].
Pourquoi la vérification indépendante est essentielle
Les analyses externes insistent sur la même prudence. XenoSpectrum a souligné que la revendication d’OpenAI sur l’Exponential Time Hypothesis repose sur une prépublication non évaluée par les pairs et sur une preuve en Lean, mais que la participation d’experts ne constitue pas une confirmation [4]. Stanford Tech Review a également rapporté que ni la revendication d’OpenAI ni celle, apparentée, d’Anthropic n’avaient encore été acceptées par la communauté scientifique, tout en rappelant qu’une réfutation de l’ETH ne résoudrait pas le problème P versus NP [5].
Cette distinction est fondamentale. Lean peut vérifier qu’un énoncé formel découle de définitions et d’axiomes donnés, mais des experts doivent encore juger si la formalisation correspond bien à la revendication mathématique que les humains pensent examiner. En bref, une preuve vérifiée par machine n’est pas automatiquement une preuve acceptée par la communauté.
Pour OpenAI, le processus lui-même est néanmoins stratégique. L’entreprise expérimente un nouveau modèle de diffusion de la recherche générée par IA: publier directement certains résultats, confier d’autres résultats à des experts externes, et retarder certains matériaux lorsque le groupe scientifique concerné préfère rédiger d’abord sa propre analyse [3]. C’est une question de gouvernance autant qu’une question scientifique.
Le vrai jalon derrière le titre
Le titre parle de Sam Altman dévoilant un nouveau modèle révolutionnaire. Le fond de l’histoire est plus large: OpenAI tente de normaliser un nouveau type de système d’IA, moins coûteux, plus rapide, visuellement compétent, capable d’utiliser l’ordinateur et connecté à des flux de recherche où les modèles peuvent produire des revendications que les humains doivent vérifier.
GPT-6.1 Terra est l’expression produit de cette ambition. Les annonces scientifiques en sont l’expression recherche. Ensemble, elles expliquent pourquoi l’enthousiasme d’Altman paraît crédible et pourquoi la prudence reste indispensable. OpenAI ne présente pas seulement un autre chatbot. L’entreprise pousse vers une IA capable d’utiliser des outils, d’assister le travail professionnel et, potentiellement, de contribuer à la découverte formelle.
Le prochain test ne sera pas le billet de lancement. Ce sera l’adoption réelle, les modes d’échec, l’évaluation indépendante et la capacité de Terra à tenir sa promesse de coût et de performance dans les bureaux, les environnements de développement et les laboratoires. Pour l’instant, le nouveau modèle d’OpenAI donne à Altman une raison crédible d’être enthousiaste — et donne à tous les autres une bonne raison de suivre l’évolution de près.