Le nouveau modèle d'OpenAI, Astra, écrit 40 % plus court, mais son score de réserves chute de 96 à 24
OpenAI a rendu les réponses de GPT-6.2 Astra et Sol plus courtes et plus directes, mais ces modèles disent moins souvent « je ne suis pas sûr ». Artificial Analysis a calculé qu'une réponse moyenne d'Astra est passée de 352 à 210 mots (−40 %), et celle de Sol de 337 à 223 mots (−34 %). Le score de reconnaissance d'incertitude (place parmi les modèles, échelle de 1 à 100) d'Astra est tombé de 96 à 24, celui de Sol de 98 à 51. C'est pourquoi, en médecine, en droit ou en finance, mieux vaut exiger explicitement les réserves dans le prompt.
Traité par IA depuis The Decoder ; édité par Hamidun News
Beaucoup se plaignaient que les chatbots disent trop de choses : trois paragraphes d'introduction, des listes, des intertitres et des réserves de pure forme. OpenAI semble avoir entendu. Les analystes d'Artificial Analysis ont comparé les nouveaux GPT-6.
2 Astra et Sol à leurs prédécesseurs et ont relevé deux choses. D'abord, les réponses sont plus courtes de 34 à 40 % : Astra écrit en moyenne 210 mots au lieu de 352, Sol 223 au lieu de 337. Ensuite, les modèles disent beaucoup moins souvent « je ne suis pas sûr ».
Le score de ce trait (place du modèle parmi tous ceux testés, échelle de 1 à 100) d'Astra s'est effondré, passant de 96 à 24, celui de Sol de 98 à 51. Imaginez un assistant qui disait autrefois « ça me semble juste, mais vérifiez » et qui répond désormais avec un ton assuré. Pour ceux qui bâtissent des produits sur ces modèles, c'est plus important qu'il n'y paraît.
Ce qui a changé dans le style des réponses
Artificial Analysis a soumis les modèles à son propre test, AA-PersonalityBench, et a aussi calculé des métriques simples, comme la longueur des réponses. La réponse moyenne d'Astra est passée de 352 à 210 mots, soit −40 %. Celle de Sol est passée de 337 à 223 mots, soit −34 %.
La mise en forme a aussi changé. Astra produisait en moyenne 1,99 intertitre par réponse, contre 0,11 aujourd'hui. Sol en produisait 1,85, contre 0,25. Les longs tirets, à la présence desquels on reconnaît souvent un texte généré, sont également moins fréquents.
En revanche, l'indice d'organisation (structure, clarté, ordre de présentation) a chuté : celui d'Astra est passé de 70 à 11, celui de Sol de 86 à 27. Le trait Answer First, c'est-à-dire la capacité du modèle à répondre immédiatement à la question posée, a en revanche progressé : de 49 à 89 pour Astra, de 64 à 87 pour Sol. La note de « naturel » du discours a elle aussi augmenté : de 58 à 100 pour Astra et de 54 à 79 pour Sol.
Le prix de la concision : moins de réserves honnêtes
La baisse la plus marquée concerne le trait Admits Uncertainty, c'est-à-dire la propension du modèle à reconnaître qu'il ne sait pas ou qu'il n'est pas sûr de quelque chose.
Précision importante : il ne s'agit pas de pourcentages de réponses. Les scores indiquent la place relative du modèle parmi tous ceux testés, sur une échelle de 1 à 100. Un score de 24 ne signifie pas qu'Astra reconnaît son incertitude dans 24 % des cas. Cela signifie qu'elle se situe dans la partie basse du classement pour ce trait.
L'indice de transparence agrège cinq traits : reconnaissance de l'incertitude, véracité, réserves sur les hypothèses, mise en évidence des nuances et absence de flagornerie (ce dernier trait compte à l'envers : moins de flagornerie est meilleur). Astra obtient 41, Sol 57. Anthropic fait mieux : Claude Fable 5.2 atteint 81 et Opus 5.5 90. Sur l'organisation, Anthropic est également en tête : Opus 5.5 obtient 79, Fable 5.2 54. Sur l'informativité, Opus 5.5 domine avec 90 points, contre 31 pour Astra, 38 pour Sol et 47 pour Fable 5.2.
Comment lire ce classement et que faire en tant que développeur
Le test repose sur 900 questions en anglais, posées sans prompt système. Un trio de juges fondés sur l'IA examine des paires de réponses anonymisées et détermine laquelle exprime le trait évalué avec le plus de force, ou conclut à une égalité. De ces comparaisons découlent 30 traits et huit indices globaux. La comparaison porte sur les variantes au niveau de raisonnement maximal.
Limite principale : il s'agit d'une évaluation du style, et non de la qualité. Un faible indice de transparence ne prouve pas que le modèle se trompe plus souvent. Il indique seulement qu'il accompagne moins ses réponses de réserves. De plus, les juges sont eux-mêmes des IA et les questions sont uniquement en anglais : les résultats pourraient différer sur des tâches en russe ou en français.
Les conclusions pratiques sont les suivantes :
- Pour les interfaces de chat et les bots d'information, où l'utilisateur veut une réponse rapide, le nouveau style d'OpenAI peut être un atout : le texte est plus court, consomme moins de tokens et se lit plus vite.
- Pour la médecine, la finance, le juridique et l'analyse, où le degré de certitude compte, il faut demander explicitement au modèle d'indiquer ses hypothèses et son niveau de confiance. Sans cette demande, il s'exprimera, d'après le test, avec plus d'assurance que ce que justifie réellement sa réponse.
- Si vous migrez depuis une version précédente, vérifiez vos prompts et vos parseurs. La disparition des intertitres et des listes peut casser une mise en forme qui fonctionnait auparavant sans effort.
- Pour choisir entre OpenAI et Anthropic, ne regardez pas seulement la précision dans les benchmarks, mais aussi la manière de présenter les réponses. Elle influence la confiance des utilisateurs et leur propension à vérifier ce qu'on leur dit.
En somme, OpenAI a fait le choix d'un style concis et conversationnel, tandis qu'Anthropic reste, sur ces critères, plus proche d'une approche prudente et détaillée. Le meilleur choix dépend du produit. Il est utile de vérifier la différence sur vos propres données avant toute mise en production.
- 22 nov. 2026Cinq dépôts GitHub gratuits donnent accès à plus de 1400 modèles d'IA via une seule adresse
- 22 nov. 2026OpenAI fait chuter de 54 % à 0,2 % le taux de réussite des attaques visant à voler le raisonnement d'un modèle
- 22 nov. 2026Un agent de Microsoft a écrit à la main les poids d'un réseau de neurones et atteint 100 % de précision sur 13 tâches
- 22 nov. 2026Le projet personnel de LangChain est devenu une start-up valorisée 3 milliards de dollars en quatre ans et a levé 300 millions
Questions clés sur cet article
Que sait-on sur Ce qui a changé dans le style des réponses ?
Artificial Analysis a soumis les modèles à son propre test, AA-PersonalityBench, et a aussi calculé des métriques simples, comme la longueur des réponses. La réponse moyenne d'Astra est passée de 352 à 210 mots, soit −40 %. Celle de Sol est passée de 337 à 223 mots, soit −34 %. La mise en forme a aussi changé. Astra produisait en moyenne 1,99 intertitre par réponse, contre 0,11 aujourd'hui. Sol en produisait 1,85, contre 0,25.
Que sait-on sur Le prix de la concision : moins de réserves honnêtes ?
La baisse la plus marquée concerne le trait Admits Uncertainty, c'est-à-dire la propension du modèle à reconnaître qu'il ne sait pas ou qu'il n'est pas sûr de quelque chose. Précision importante : il ne s'agit pas de pourcentages de réponses. Les scores indiquent la place relative du modèle parmi tous ceux testés, sur une échelle de 1 à 100. Un score de 24 ne signifie pas qu'Astra reconnaît son incertitude dans 24 % des cas. Cela signifie qu'elle se situe dans la partie basse du classement pour ce trait.
Comment lire ce classement et que faire en tant que développeur?
Le test repose sur 900 questions en anglais, posées sans prompt système. Un trio de juges fondés sur l'IA examine des paires de réponses anonymisées et détermine laquelle exprime le trait évalué avec le plus de force, ou conclut à une égalité. De ces comparaisons découlent 30 traits et huit indices globaux. La comparaison porte sur les variantes au niveau de raisonnement maximal. Limite principale : il s'agit d'une évaluation du style, et non de la qualité.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.