SortieAnalyse · Sur le radarThe Decoder→ original

OpenAI : GPT-6 Astra a conçu seul, en une semaine, un appareil complet pour Codex

L'équipe matériel d'OpenAI explique que GPT-6 Astra a conçu, en une semaine et dans le cadre d'un projet parallèle, un appareil permettant de dialoguer à la voix avec l'agent Codex. Le modèle a lui-même réalisé le boîtier, routé la carte, sélectionné les composants, écrit le firmware et l'interface. Un sous-traitant a livré une série de prototypes en moins d'un mois, mais plusieurs itérations ont été nécessaires.

Traité par IA depuis The Decoder ; édité par Hamidun News
OpenAI : GPT-6 Astra a conçu seul, en une semaine, un appareil complet pour Codex
Source : The Decoder. Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireThe Decoder ↗
Rédacteur en chef
Boîtier, carte, firmware et UItout a été réalisé par un seul modèle
Chiffre clé #2Les erreurs concernaient les tolérances et l'assemblage, pas la logique du schéma
Modèle interne87,5 % sur BenchCAD 2.0 contre 59,4 % pour Astra

Le matériel passait pour le dernier bastion où l'IA s'aventure à contrecœur : trop de physique, de tolérances et de sous-traitants. OpenAI affirme que ce bastion vient de se fissurer. Selon l'entreprise, son équipe matériel a confié à GPT-6 Astra la conception d'un appareil permettant de parler avec l'agent de programmation Codex, et ce en moins d'une semaine. Qui plus est, dans le cadre d'un projet parallèle, et non d'une mission principale.

Ce que le modèle a réellement fait

D'après OpenAI, Astra a parcouru seule toute la chaîne. Elle a conçu le boîtier, choisi les composants, routé les pistes du circuit imprimé, écrit le firmware et l'interface. Auparavant, ces étapes étaient assurées par différents spécialistes : un mécanicien, un électronicien, un développeur de logiciel embarqué. Désormais, un seul agent garde tout en tête et harmonise les décisions entre les différentes couches. Par exemple, si la carte est plus large de quelques millimètres, le boîtier s'adapte sans échange entre humains.

Ensuite, un fabricant sous contrat est entré en jeu. Il a produit une petite série de prototypes en moins d'un mois. À titre de comparaison, le cycle classique entre l'idée et les premiers exemplaires fonctionnels prend généralement plusieurs trimestres dans les startups.

Où le modèle a trébuché

Un détail important, facile à manquer : plusieurs cycles de corrections ont été nécessaires. Astra ne tenait pas toujours compte des contraintes de fabrication, des tolérances et des subtilités d'assemblage. C'est précisément la différence entre « le dessin est correct » et « la pièce peut être moulée, imprimée et assemblée à la main ». Le modèle maîtrise bien la géométrie numérique, mais l'atelier réel connaît des choses absentes de ses données : le comportement du plastique, l'endroit où le foret ne passe pas, l'ordre de montage des composants.

Benchmark et chiffres

OpenAI met aussi en avant un bond de qualité. Le nouveau modèle interne obtient 87,5 % sur BenchCAD 2.0, tandis que GPT-6 Astra, au niveau de raisonnement maximal, atteint 59,4 %. Ce benchmark vérifie si le modèle sait reconstruire des pièces et assemblages 3D et identifier les connexions sur des circuits imprimés. L'entreprise n'a rien révélé sur le modèle interne, ces chiffres sont donc invérifiables. C'est une situation habituelle : la comparaison repose sur un test et des conditions propres à l'entreprise.

Autre chiffre : la consommation de tokens des équipes matériel d'OpenAI a été multipliée par 23 depuis février. Elles utilisent Codex et ChatGPT pour les modèles CAO, les plans de fabrication et les simulations en robotique et en infrastructure de calcul. Parallèlement, l'entreprise développe son propre appareil, selon la rumeur quelque chose entre l'enceinte intelligente et le smartphone.

Que faire de tout cela

Premièrement, il s'agit d'une déclaration d'OpenAI elle-même, sans confirmation indépendante pour l'instant, et la « semaine » concerne un projet parallèle mené par une équipe qui maîtrise parfaitement ses outils. Il ne faut pas attendre un tel résultat de n'importe quelle équipe.

Deuxièmement, pour les fondateurs de startups matérielles, le signal est bien réel : le coût de la première itération baisse, et le goulot d'étranglement n'est plus la conception mais le retour de la production. Celui qui apprendra à fournir rapidement au modèle les remarques du sous-traitant (tolérances, rapports DFM, photos réelles de défauts) en tirera le plus grand bénéfice.

Troisièmement, pour les product managers : on peut prototyper le matériel en parallèle du logiciel, et non après lui. Un premier pas raisonnable : prendre une tâche simple, comme un boîtier de capteur ou une carte d'interface, la soumettre au modèle puis l'envoyer au sous-traitant pour une évaluation de fabricabilité. Vous saurez ainsi rapidement où votre chaîne modèle-production se brise.

En résumé : l'IA ne remplace pas encore l'atelier ni l'ingénieur de production expérimenté, mais elle raccourcit le cycle entre l'idée et l'objet physique. Or ce cycle a toujours été le principal frein dans le matériel.

Dossier

Questions clés sur cet article

Que sait-on sur Ce que le modèle a réellement fait ?

D'après OpenAI, Astra a parcouru seule toute la chaîne. Elle a conçu le boîtier, choisi les composants, routé les pistes du circuit imprimé, écrit le firmware et l'interface. Auparavant, ces étapes étaient assurées par différents spécialistes : un mécanicien, un électronicien, un développeur de logiciel embarqué. Désormais, un seul agent garde tout en tête et harmonise les décisions entre les différentes couches.

Que sait-on sur Où le modèle a trébuché ?

Un détail important, facile à manquer : plusieurs cycles de corrections ont été nécessaires. Astra ne tenait pas toujours compte des contraintes de fabrication, des tolérances et des subtilités d'assemblage. C'est précisément la différence entre « le dessin est correct » et « la pièce peut être moulée, imprimée et assemblée à la main ».

Que sait-on sur Benchmark et chiffres ?

OpenAI met aussi en avant un bond de qualité. Le nouveau modèle interne obtient 87,5 % sur BenchCAD 2.0, tandis que GPT-6 Astra, au niveau de raisonnement maximal, atteint 59,4 %. Ce benchmark vérifie si le modèle sait reconstruire des pièces et assemblages 3D et identifier les connexions sur des circuits imprimés. L'entreprise n'a rien révélé sur le modèle interne, ces chiffres sont donc invérifiables. C'est une situation habituelle : la comparaison repose sur un test et des conditions propres à l'entreprise.

ZK
Zhemal Khamidun — CPO d'Alpina Digital, product manager d'AlpinaGPT. Conçoit des produits IA depuis 2019. Hamidun News est un projet personnel devenu un agrégateur en production avec plus de 6 000 lecteurs.
✦ Hands-On AI Engineering · Hamidun Academy

Build & Ship Production AI Agents Without Boilerplate Code

Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.

Start 72h Free Trial →Vibe-Coding Intensive
Qu'en pensez-vous ?
Chargement des commentaires…