Le prochain modèle d’OpenAI vise clairement le travail autonome
OpenAI a présenté GPT-5.5 en le décrivant comme un modèle conçu pour le « vrai travail » et pour alimenter des agents capables d’exécuter des tâches plus longues avec moins d’accompagnement. D’après le matériau source fourni, l’entreprise positionne ce modèle autour d’une promesse familière mais toujours difficile en IA : passer de réponses de chat à des systèmes capables d’interpréter un objectif, de réunir du contexte, d’utiliser des outils, de se remettre de l’ambiguïté et de continuer à travailler jusqu’à ce qu’une tâche soit terminée.
Le lancement comprend aussi GPT-5.5 Pro, une version plus performante qu’OpenAI dit destinée à des travaux de plus grande précision. Les deux modèles étaient signalés comme disponibles pour les utilisateurs payants de ChatGPT et de Codex, avec un accès API ajouté à partir du 25 avril 2026. Le texte source indique que chaque modèle dispose d’une fenêtre de contexte d’un million de tokens, une spécification qui montre qu’OpenAI vise des tâches multi-étapes nécessitant de grandes quantités de contexte de travail plutôt que des prompts isolés.
Où OpenAI dit que les gains se concentrent
Selon le texte source, OpenAI voit les plus grandes améliorations dans quatre domaines : le codage agentique, l’utilisation de l’ordinateur, le travail de connaissance et la recherche scientifique précoce. Ces catégories comptent parce qu’elles impliquent toutes un mélange de planification, de sélection d’outils, d’itération et de vérification. Un modèle performant sur un benchmark en une seule passe n’est pas nécessairement fiable lorsqu’il doit chercher, réviser et coordonner des actions sur plusieurs étapes.
La description de GPT-5.5 par OpenAI met précisément l’accent sur cette boucle opérationnelle plus large. Le modèle est présenté comme particulièrement fort pour écrire et déboguer du code, effectuer des recherches sur le web, analyser des données, créer des documents et des feuilles de calcul, et piloter des logiciels. Autrement dit, l’entreprise n’annonce pas seulement de meilleures réponses. Elle annonce une meilleure exécution des tâches.
Cette distinction est devenue de plus en plus importante à mesure que les entreprises d’IA ne se contentent plus de rivaliser sur les scores de benchmark, mais sur la capacité de leurs modèles à s’intégrer dans des workflows qui font gagner un temps mesurable. Pour les acheteurs entreprises et les équipes logicielles, la différence entre un modèle qui fournit une suggestion utile et un modèle capable d’exécuter une séquence cohérente d’actions est commercialement significative.
