GPT-6 Astra, un monde virtuel qui a fait peur à celui qui l'a commandé

Pourquoi ce n'est pas de l'émergence

La scène est marquante, mais il faut être clair sur ce qu'elle montre.

Ce que Shumer a construit s'appelle une simulation multi agents. Concrètement, chaque personnage est un programme qui, en boucle, envoie au modèle l'état du monde autour de lui (ce qu'il voit, ce qu'il possède, ce que les autres viennent de dire), reçoit une décision en retour (se déplacer, ramasser, parler), et l'exécute dans le jeu. Quand la sortie est du texte destiné à un autre personnage, une synthèse vocale la transforme en voix, et elle sort par les enceintes.

Autrement dit : donner à des agents un objectif partagé, un canal de communication et une voix, puis les découvrir en train de discuter, ce n'est pas un comportement inattendu, c'est le comportement pour lequel ils ont été instanciés. Le principe est documenté depuis les travaux type "Generative Agents" de 2023, où des dizaines de personnages pilotés par un LLM s'organisaient déjà dans un village virtuel.

Ce qui fait l'effet, c'est le décor : trois heures du matin, des voix inconnues dans le salon. Pas la nature du phénomène.

Le vrai saut est ailleurs, et il est moins photogénique

L'exploit, c'est qu'Astra a monté l'ensemble seul.

Construire ce genre de simulation dans Unreal Engine, ce n'est pas écrire un script de cent lignes. Il faut générer le terrain et les décors, créer les blueprints (la logique de jeu du moteur), brancher chaque personnage sur son instance du modèle, gérer la mémoire de chacun, faire tourner la boucle en continu sans que tout parte en vrille au bout de dix minutes, et déboguer les erreurs du moteur au passage. C'est plusieurs jours de travail pour un développeur qui connaît déjà l'outil.

C'est exactement ce sur quoi OpenAI a poussé cette génération. La fonctionnalité mise en avant au lancement s'appelle le computer use : au lieu de rendre une liste d'instructions à suivre, le modèle pilote lui-même la souris et le clavier sur un vrai bureau, ouvre les logiciels, clique dans les menus. Sur OSWorld 2.0, un test qui mesure le pourcentage de tâches informatiques ordinaires qu'un agent termine sans aide, OpenAI annonce 72,6 % en environ 40 minutes par tâche, contre 65,7 % en 75 minutes pour la génération précédente.

C'est ce type de travail, long, autonome, avec des outils, qui n'était pas atteignable il y a six mois.

Ce que le reste du week-end confirme

Le tweet ne sort pas de nulle part. Dans les 48 heures qui ont suivi la mise en ligne, les testeurs en accès anticipé ont publié une série de résultats qui pointent tous dans la même direction, celle du spatial et de la 3D.

Une réplique de Manhattan dans Unreal Engine, construite rue par rue sur une semaine. Une reconstitution du campus d'Apple dans Blender à partir de simples photos. Une ville chinoise entière, Hangzhou et ses environs, rebâtie en Three.js (une bibliothèque JavaScript qui affiche de la 3D directement dans le navigateur, sans rien installer) en 24 minutes, avec ses monuments et un cycle jour/nuit. Un jeu de tir multijoueur jouable dans le navigateur, serveurs et chat vocal compris, sorti en une journée.

Le point commun de toutes ces démos : ce sont des tâches à réponse vérifiable. Un maillage 3D s'affiche ou ne s'affiche pas. Un serveur multijoueur tient la charge ou plante. Le modèle peut regarder le résultat, constater l'écart, corriger, recommencer. C'est précisément le terrain où il est le plus fort.

Là où le modèle recule

Sur le terrain inverse, celui où le critère est le goût plutôt qu'un résultat mesurable, la génération précédente reste devant.

Artificial Analysis, un organisme d'évaluation indépendant, mesure une baisse d'environ 80 points Elo sur GDPval-AA v2. Ce benchmark évalue des tâches professionnelles à valeur économique réelle, réparties sur 44 métiers, du type rédiger un rapport ou produire un livrable exploitable. Le classement Elo est le même système que celui des échecs : on fait s'affronter les modèles deux à deux et le score monte quand ils gagnent. Une chute de 80 points n'est pas une nuance, c'est un recul net. Des régressions plus discrètes apparaissent aussi sur le support client et le raisonnement sur long contexte.

Plusieurs équipes qui font tourner leurs propres tests d'écriture arrivent au même constat : Astra passe derrière son prédécesseur quand il s'agit d'écrire dans une voix éditoriale précise.

Le prix ne compense pas. Astra est facturé 10 dollars par million de tokens en entrée et 50 en sortie, soit 2,5 fois le tarif du modèle qu'il remplace, pour un score global à peine supérieur sur les index d'intelligence agrégés.

Un point de prudence sur la source

Un dernier élément, qui ne concerne pas le modèle mais la manière de lire ce genre de post.

Matt Shumer est la même personne qui, en septembre 2024, avait annoncé Reflection 70B comme le meilleur modèle open source du monde. Les évaluateurs indépendants n'avaient jamais réussi à reproduire les scores annoncés, des accusations de fraude avaient suivi, et il avait fini par publier des excuses en reconnaissant qu'il s'était emballé.

Ça ne rend pas la démo Unreal Engine fausse : elle est accompagnée d'une vidéo, et plusieurs testeurs indépendants publient des résultats du même ordre sur la 3D. Mais l'anecdote des voix dans le salon repose sur son seul récit, et un récit n'est pas une mesure.

Ce qu'il faut en retenir

Le signal n'est pas que des IA se parlent entre elles, c'est qu'un modèle assemble seul une simulation multi agents fonctionnelle dans un moteur de jeu professionnel. C'est un progrès sur l'autonomie et la durée de travail, pas sur la conscience.

Astra est un modèle très asymétrique : excellent sur la 3D, le code et le pilotage d'outils, en dessous de la génération précédente sur l'écriture, pour deux fois et demie le prix. Si votre usage principal est éditorial, la mise à jour n'a rien d'évident.

Et sur un lancement aussi rapide, les démos virales circulent bien plus vite que leur vérification. Un résultat reproduit par plusieurs testeurs indépendants vaut mieux que la meilleure anecdote de la semaine.