GPT-6 Astra : le vrai tournant n’est pas l’intelligence, mais la délégation

OpenAI a présenté GPT-6 Astra le 3 septembre 2026 comme un modèle capable de conduire des workflows en plusieurs étapes et d’agir directement dans des logiciels. Le changement dépasse la conversation : une IA peut désormais davantage rechercher, produire, modifier, tester ou renseigner des systèmes numériques. Pour une entreprise, cette progression ne transforme pas automatiquement une capacité technique en permission d’agir. Elle ouvre une question de gouvernance : que voulons-nous déléguer à une machine, sous quels contrôles et avec quelle responsabilité humaine ?

L’annonce arrive chargée de débats sur la performance et sur l’intelligence générale. Ils ne seront pas le centre de cette analyse. Le signal important pour un dirigeant se trouve ailleurs : OpenAI documente un système qui peut remplir des formulaires, mettre à jour des fiches dans un CRM, organiser un calendrier, rechercher en ligne, produire des documents ou tester un site. La société présente aussi Astra comme capable de mener des travaux professionnels plus longs dans plusieurs outils.

Ces exemples sont des capacités déclarées par OpenAI, illustrées par des démonstrations et des évaluations. Ils ne garantissent ni une fiabilité uniforme en production ni une autonomie adaptée à tous les usages. Axios le souligne : les performances du modèle dans des situations réelles et sa capacité à éviter des erreurs critiques restent à établir. Ce qui devient stratégique n’est donc plus seulement la qualité de la réponse, mais le pouvoir d’action que nous acceptons de confier au système.

Avec Astra, l’IA ne se contente plus de répondre : elle agit

Une IA agentique ne produit pas seulement un contenu ou une recommandation : reliée à des outils, elle peut poursuivre un objectif et modifier un environnement numérique avec un degré variable d’autonomie. La CNIL inclut dans cette notion la lecture, la modification ou la suppression de données ainsi que l’exécution d’actions dans des applications, des bases ou des postes de travail. L’action distingue ici l’agent du simple assistant conversationnel.

Trois positions doivent être séparées. Produire, c’est créer un texte, un tableau ou un code que l’humain peut examiner. Recommander, c’est proposer un choix sans le mettre en œuvre. Agir, c’est changer l’état d’un système : écrire dans un CRM, soumettre un formulaire, modifier un document, envoyer une information ou déclencher une opération.

La documentation d’OpenAI situe précisément Astra sur cette troisième marche. Elle indique que le modèle peut utiliser l’ordinateur pour renseigner des formulaires, actualiser des données clients, organiser un agenda, mener une recherche et rédiger dans une messagerie ou un éditeur. Elle mentionne aussi l’installation et le test de logiciels ainsi que le contrôle fonctionnel d’un site. Ces capacités ne sont pas toutes disponibles sans outil, permission ni configuration ; elles montrent toutefois que le modèle est conçu pour intervenir dans le lieu même où le travail est exécuté.

Pour l’entreprise, l’erreur d’un texte peut être corrigée avant diffusion. L’erreur d’un agent peut déjà avoir modifié une donnée de référence, adressé un message à un client ou engagé une dépense. Le passage de la réponse à l’action change donc la nature du risque, mais aussi celle de la valeur créée : le gain attendu ne vient plus seulement d’un temps de rédaction réduit, il peut concerner la continuité d’un processus entier.

Pouvoir faire n’est pas avoir le droit de décider

La capacité technique d’un agent, l’autorité que l’entreprise lui accorde et la responsabilité de l’action sont trois objets distincts. Un système peut savoir modifier un prix sans avoir le droit de le faire seul. Il peut préparer une réponse à un salarié sans être autorisé à l’envoyer. Et lorsqu’une action produit un préjudice, la responsabilité ne disparaît pas dans le modèle : elle doit rester attribuable à des personnes et à une organisation.

Une architecture simple distingue quatre niveaux de délégation. Au premier, l’IA observe et analyse, sans modifier le système. Au deuxième, elle propose une décision. Au troisième, elle prépare l’action ou exécute une décision explicitement validée par une personne. Au quatrième, elle décide et exécute seule dans un périmètre préautorisé. Ces niveaux ne se confondent pas avec la sophistication du modèle : le même outil peut être cantonné à l’analyse dans un processus et autorisé à exécuter dans un autre.

Le bon niveau dépend de l’impact, de l’incertitude et de la réversibilité. Classer automatiquement un document duplicable n’engage pas l’entreprise comme accepter une clause contractuelle. Préparer un remboursement n’est pas le verser. Proposer une modification de planning n’est pas annoncer ce changement à un salarié. L’autorité doit être découpée au niveau de l’action, pas accordée en bloc à un outil réputé performant.

La system card de GPT-6 Astra apporte ici une nuance utile. OpenAI rapporte de meilleurs résultats internes sur le respect des restrictions et le périmètre autorisé. Mais l’entreprise indique également une baisse de monitorabilité par rapport à GPT-5.6 Sol dans certains tests adversariaux. Ces constats proviennent des évaluations d’OpenAI ; ils ne constituent pas une garantie pour chaque déploiement. Ils renforcent surtout une conclusion : l’alignement du modèle ne remplace pas l’architecture des permissions, les confirmations, la journalisation et les contrôles externes.

De Weizenbaum aux agents IA : calculer n’est toujours pas juger

L’augmentation de la puissance informatique élargit le domaine de ce qu’une machine peut accomplir ; elle ne répond pas à la question de ce qu’il est légitime de lui confier. Dans Computer Power and Human Reason: From Judgment to Calculation (1976), Joseph Weizenbaum distinguait déjà la capacité de calculer de la responsabilité propre au jugement humain. Sa pensée invite moins à refuser la technique qu’à ne pas transformer une possibilité technique en nécessité sociale.

La question devient très concrète avec les agents : le fait qu’une machine puisse accomplir une action suffit-il à légitimer le fait de la lui confier ? Un calcul peut appliquer des critères plus vite et plus régulièrement qu’une personne. Le jugement doit encore déterminer si ces critères sont pertinents, si la situation appelle une exception, quelles conséquences sont acceptables et au nom de qui l’action est accomplie.

Weizenbaum ne fournit pas une procédure de gouvernance prête à l’emploi. Il donne une distinction qui résiste au temps : décider qu’un problème est calculable n’équivaut pas à décider que son traitement doit être abandonné au calcul. Nous avons longtemps demandé si les ordinateurs pouvaient penser. L’entreprise doit désormais se demander quelles décisions elle souhaite réellement leur abandonner.

Hans Jonas prolonge cette exigence par son principe de responsabilité. Plus notre pouvoir technique s’étend dans le temps et dans ses effets, plus l’obligation d’anticiper les conséquences devient forte. Avec un agent, le pouvoir ne réside pas seulement dans le modèle, mais dans les accès qui lui sont ouverts, la vitesse d’exécution, le nombre de systèmes connectés et la difficulté éventuelle à revenir en arrière. La responsabilité doit croître avec ce rayon d’action.

Plus l’IA agit, plus la connaissance de l’entreprise devient stratégique

La puissance du modèle ne supprime pas le problème de la connaissance : elle l’amplifie. Un agent très performant qui utilise des informations obsolètes, des données contradictoires, des processus incohérents ou une représentation incomplète du contexte peut agir plus vite à partir d’une mauvaise compréhension de la situation. La qualité de l’action dépend donc autant de la connaissance mobilisable que du modèle employé.

La chaîne donnée → information → connaissance → décision permet de repérer ce qui manque. Une donnée est un élément enregistré. Elle devient information lorsqu’elle est interprétée dans un contexte, datée et reliée à une source. Elle devient connaissance lorsqu’une organisation peut l’articuler à son expérience, à ses règles, à ses contradictions et à ses finalités. La décision ajoute un arbitrage et une responsabilité. Un agent peut participer à chacune de ces étapes ; il ne les rend pas automatiquement fiables.

Un montant dans un CRM n’indique pas seul s’il est provisoire, négocié ou contractuel. Une procédure ne révèle pas nécessairement les exceptions apprises sur le terrain. Un email récent peut contredire une fiche non mise à jour. Avant d’autoriser une action, le système doit savoir quelle source fait autorité, à quelle date, dans quel périmètre et avec quel niveau de confiance. S’il ne le sait pas, la bonne conduite peut être de suspendre l’exécution et de demander une validation.

OpenAI annonce également pour Astra un mécanisme expérimental permettant à Codex de conserver des notes entre plusieurs fenêtres de contexte et de rechercher des échanges antérieurs. C’est un signal vers une continuité de travail plus durable. Ce n’est pas une preuve de connaissance fiable : une mémoire technique peut conserver une erreur, perdre une nuance ou retrouver une source devenue obsolète. La continuité réduit certains oublis ; elle augmente aussi l’importance de la provenance, de la temporalité et du droit à la correction.

La prochaine gouvernance de l’IA sera une gouvernance de la délégation

Une architecture de délégation définit ce qu’un humain ou une machine peut savoir, proposer, modifier, exécuter et engager, ainsi que les contrôles attachés à chacun de ces pouvoirs. Elle complète l’architecture informatique : celle-ci décrit les systèmes et leurs échanges ; celle-là attribue l’autorité d’agir dans les processus et rend la responsabilité vérifiable.

Pour chaque agent ou automatisation, l’entreprise devrait pouvoir répondre à une grille simple : que peut-il lire ? Que peut-il écrire ou modifier ? Peut-il communiquer vers l’extérieur, engager une dépense, modifier une donnée de référence ou prendre un engagement au nom de l’entreprise ? Quelles actions exigent une validation humaine, et par qui ? Quelle trace permet l’audit ? Comment interrompre le système et revenir sur une action erronée ?

Cette grille est une proposition éditoriale de l’Observatoire, pas une norme officielle. Elle rejoint néanmoins des principes déjà explicites. Dans leur note exploratoire du 20 juillet 2026, la CNIL et le Conseil de l’IA et du Numérique soulignent que l’action autonome et l’interconnexion des services complexifient le partage des responsabilités. Pour les systèmes à haut risque, l’article 14 du règlement européen sur l’IA prévoit un contrôle humain proportionné, comprenant notamment la compréhension des limites, la faculté d’ignorer ou d’inverser une sortie et la possibilité d’interrompre le système. Tous les agents d’entreprise ne relèvent pas de cet article ; ses mécanismes offrent néanmoins des repères utiles.

Les cinq niveaux à définir avant de confier une tâche à un agent IA

La grille peut être résumée en cinq droits : accès à l’information, capacité de recommandation, droit de modification, droit d’exécution et droit d’engagement. Pour chacun, il faut nommer un responsable humain, un contrôle proportionné et une voie de retour arrière. Plus l’action est difficilement réversible ou engage des tiers, plus l’autorisation doit être étroite et la validation substantielle.

La supervision humaine cesse alors d’être une formule rassurante. Elle devient un ensemble de points de contrôle situés : validation avant envoi, seuil financier, double regard sur une décision sensible, alerte en cas de contradiction, journal accessible, suspension automatique après anomalie, bouton d’arrêt et procédure de restauration. Un humain qui clique sans disposer du contexte ni du temps nécessaires ne supervise pas réellement.

Après le shadow IT, le « shadow delegation » ?

Le « shadow delegation » désigne, dans cette analyse de l’Observatoire, la délégation progressive d’actions ou de décisions à des systèmes d’IA sans que l’organisation ait explicitement défini les pouvoirs accordés, leurs limites et les responsabilités correspondantes. Ce terme est une hypothèse analytique proposée ici, et non une catégorie réglementaire consacrée.

Le parallèle avec le shadow IT éclaire le risque. Hier, des collaborateurs adoptaient des logiciels ou stockaient des données hors du contrôle de la DSI. Demain, ils pourraient connecter un agent à une messagerie, un CRM ou un espace documentaire, puis lui accorder progressivement le droit de préparer, modifier et envoyer. Chaque autorisation paraît limitée ; leur accumulation crée une délégation de fait.

Le risque ne tient pas seulement à l’outil non référencé. Un agent officiellement approuvé peut aussi recevoir des consignes informelles qui étendent son rôle : répondre directement à certains clients, corriger une fiche sans validation, choisir un fournisseur sous un seuil ou reformuler une politique RH. L’autorité glisse alors par l’usage, sans décision explicite du comité compétent et sans mise à jour des responsabilités.

Cette hypothèse appelle une réponse différente d’un simple catalogue d’outils autorisés. L’organisation doit cartographier les actions possibles, les identités utilisées, les droits cumulés et les engagements produits. Elle doit aussi observer les pratiques réelles : où les validations deviennent-elles symboliques ? Quelles tâches ont changé de propriétaire ? Quels agents communiquent entre eux ? Qui peut encore expliquer et interrompre le processus ?

GPT-6 Astra rend visible un déplacement qui ne dépendra pas d’un seul modèle. À mesure que les systèmes passent de la production à l’action, une organisation devra probablement définir non seulement son architecture informatique, mais aussi son architecture de délégation : ce qu’un humain ou une machine peut savoir, proposer, modifier, décider et engager.

Le critère de maturité ne sera donc pas le nombre de tâches confiées à l’IA. Il sera la précision avec laquelle l’entreprise sait distinguer les actions qu’elle peut déléguer, celles qu’elle doit superviser et celles qu’elle choisit de conserver comme décisions humaines.