OpenAI lance GPT-5.4 Pro : de nouveaux records sur ARC-AGI-2, FrontierMath et en logique

OpenAI a dévoilé GPT-5.4 Pro, une nouvelle version phare qui fait un pas en avant net, non seulement sur les métriques brutes, mais aussi dans la manière dont le modèle se comporte face à des tâches complexes. Si le suffixe Pro passait souvent pour un simple abonnement plus cher, il ressemble ici à un niveau de qualité à part.

Un bond dans les tests

Le chiffre phare de l'analyse est 83,3 % sur ARC-AGI-2, contre 54 % pour la version précédente. Pour une catégorie de tâches où les modèles ne doivent pas deviner un schéma mais réellement déduire la règle à partir d'exemples, c'est une hausse très brutale. Ce résultat compte moins en lui-même que comme signal : OpenAI a renforcé la capacité du modèle à fonctionner là où les heuristiques superficielles s'effondrent et où il faut conserver la structure du problème jusqu'à la réponse.

La progression sur FrontierMath est tout aussi parlante : cet ensemble de problèmes passait depuis longtemps pour un territoire quasi inaccessible aux modèles d'IA grand public. Ces tests servaient surtout à montrer des limites ; ils deviennent de plus en plus un moyen de comparer la capacité d'un modèle à bâtir une longue chaîne de raisonnement sans perdre le fil. Dans ce contexte, GPT-5.4 Pro paraît non seulement plus rapide ou plus pratique, mais nettement plus profond dans son profil intellectuel.

Des tests au-delà des tableaux

Les auteurs de l'analyse ne se sont pas limités aux benchmarks et ont soumis le modèle à des scénarios plus appliqués. Plutôt que des pourcentages abstraits, ils ont observé comment GPT-5.4 Pro gère des tâches qui exigent de combiner logique, planification et attention aux détails. Ce format est plus intéressant qu'un tableau classique, car il montre non pas une compétence isolée mais le comportement du modèle sous contrainte, quand une erreur au milieu de la chaîne ruine tout le résultat dès la première défaillance.

• Un casse-tête logique avec des serveurs et des dépendances entre nœuds
• Des tâches qui obligent à tenir plusieurs conditions en même temps
• Des scénarios où il faut trouver un chemin non évident vers la solution
• Un simulateur d'infiltration complet sur canvas, où comptent le plan et l'enchaînement des actions

D'après la description des tests, le point fort de la nouvelle version n'est pas seulement la bonne réponse finale, mais aussi la stabilité en cours de résolution. Le modèle perd moins souvent le contexte, respecte mieux les contraintes et bascule moins vite dans des suppositions au hasard quand la tâche sort des exemples standards du corpus d'entraînement. Pour les utilisateurs, cela compte davantage qu'un chiffre record dans un classement : c'est ainsi que se ressent un vrai gain de qualité au quotidien.

Ce qui a surpris dans son comportement

L'un des épisodes les plus parlants de l'analyse ne concerne pas les mathématiques, mais le comportement de recherche du modèle. En cours de résolution, GPT-5.4 Pro a trouvé sur internet un article scientifique oublié de 2011 et s'en est servi comme raccourci vers la réponse. D'un côté, c'est impressionnant : le modèle ne se contente pas de parcourir des schémas mémorisés, il sait aller chercher un appui extérieur là où cela aide vraiment. De l'autre, un tel épisode soulève aussitôt la question des limites de l'autonomie et de la vérification des sources trouvées.

C'est un changement important dans la nature même de l'interaction avec l'IA. L'utilisateur travaille de plus en plus non pas avec une encyclopédie parlante, mais avec un système qui combine raisonnement, recherche et adaptation de la stratégie à la tâche. C'est pourquoi comparer uniquement le nombre de tokens ou la vitesse de réponse explique de plus en plus mal la valeur réelle d'un modèle. L'essentiel devient autre : sa fiabilité pour réfléchir, chercher et ne pas se briser sur un itinéraire non conventionnel.

Ce que cela signifie

La barre a de nouveau été relevée pour les modèles de pointe, et GPT-5.4 Pro montre que la prochaine étape de la concurrence ne porte plus sur la cohérence de base du texte, mais sur la profondeur du raisonnement et la stabilité dans les scénarios complexes. Pour le marché, cela signifie une accélération du passage du « chatbot intelligent » à un outil de travail pour l'analyse, les mathématiques, la programmation et les tâches en plusieurs étapes, où l'humain devait encore, jusqu'ici, couvrir le modèle presque à chaque étape.