À quoi ressemble ce GPT 5 : voici les premiers avis des experts internationaux

En parlant de progrès pratiques, l'entreprise affirme également que les hallucinations ont diminué de 26 %, et que le risque qu'une réponse contienne une erreur factuelle significative a diminué de 44 %. Pour l'instant, l'entreprise est la seule à s'exprimer sur ce sujet, mais les experts affirment déjà que même si tel était le cas, la situation ne serait pas optimale : cela signifie qu'une réponse sur dix pourrait encore contenir des hallucinations, note Mashable, ce qui est extrêmement grave compte tenu d'une utilisation de plus en plus courante : demander un avis médical à Chatgpt.

OpenAI a testé GPT-5 sur son benchmark interne, Simple QA. Ce test consiste en un ensemble de « questions d'enquête à réponses courtes qui mesurent la précision du modèle pour les réponses proposées », selon la description du système. Pour cette évaluation, GPT-5 n'avait pas d'accès à Internet, et les hallucinations étaient donc très élevées : 47 % (40 % avec raisonnement), contre 52 % pour GPT-5.

Beth Barnes, fondatrice de l'organisation de recherche en intelligence artificielle à but non lucratif Metr, a rapidement repéré une inexactitude dans une réponse de GPT-5 expliquant le fonctionnement des avions.

Nombreux sont ceux qui citent les progrès en matière de codage comme l'une des réalisations les plus marquantes de GPT 5, comblant ainsi l'écart avec Claude Sonnet d'Anthropic (aujourd'hui l'outil d'IA le plus utilisé pour la programmation). Les données partagées par OpenAI et reprises par des publications technologiques montrent que le modèle obtient de meilleurs scores dans les benchmarks logiciels (SWE-Bench et similaires) ; il utilise moins de jetons et moins d'appels à des outils externes pour résoudre le même problème. L'écart est double : non seulement le modèle est plus précis dans la production de code utile, mais il le fait aussi plus efficacement, ce qui réduit les coûts d'utilisation à grande échelle et accroît son attrait pour les produits commerciaux visant à automatiser une partie du cycle de développement. Des tests approfondis seront certainement nécessaires pour comprendre sa véritable qualité par rapport à la concurrence, tant en pratique qu'en termes d'intégration avec des systèmes tiers.

Moins au cœur du débat, mais tout aussi importants, se trouvent deux autres questions : la fenêtre contextuelle et la multimodalité. Des analyses techniques indiquent que GPT 5 a été conçu pour gérer des contextes beaucoup plus vastes ; les chiffres varient selon la source et la configuration, mais la direction est claire : travailler avec de longs documents, des projets en plusieurs parties ou des conversations avec une mémoire étendue devient possible sans avoir à récapituler constamment les informations. Cette capacité a été interprétée par de nombreux experts (Tom's Hardware, PanelsAI) comme un catalyseur pour les applications professionnelles : les revues de contrats, les rapports continus et les analyses financières exigeant une cohérence sur des centaines de pages peuvent désormais être gérés avec une intervention humaine réduite. Parallèlement, des sources techniques soulignent que le terme « multimodal » doit être compris de manière pragmatique : une meilleure intégration du texte, des images et des données structurées est déjà présente ; l'audio et la vidéo sont des travaux potentiels en cours, mais la robustesse pratique dépend des cas d'utilisation et des pipelines d'intégration.

Un autre thème récurrent des pages spécialisées concerne les capacités agentiques et les outils conçus pour les développer. La presse technique (Techcrunch, Digital Watch Observatory) a consacré une couverture approfondie aux nouvelles fonctionnalités d'infrastructure du modèle : l'API de réponses, le SDK Agents et les systèmes de routage permettant au modèle de décider d'utiliser un mode « réflexif » ou une réponse rapide. Ces éléments transforment GPT 5 en une plateforme pour agents personnalisés plutôt qu'un simple point de terminaison pour la complétion de texte. Les experts expliquent que, grâce à ces API et SDK, les développeurs et les entreprises peuvent orchestrer des piles de données (recherches web, appels de bases de données internes, génération d'artefacts (diapositives, feuilles de calcul, code)) avec des contrôles de sécurité et des sauvegardes. Cela réduit l'écart entre le prototype et le produit de production.

Parallèlement à ce ton positif, la presse technique adopte un ton critique et mesuré : blogs et analystes faisant autorité réclament une vérification indépendante et des benchmarks reproductibles avant de considérer la publication comme une « avancée majeure » définitive. Platformer, Hacker News et d'autres commentateurs du secteur soulignent que les indicateurs présentés dans les briefings ou les communiqués de presse peuvent être influencés par des ensembles de tests présélectionnés et des conditions de réglage qui ne sont pas automatiquement répliqués dans tous les environnements de production. La communauté ouverte et les forums techniques, où émergent des tests impromptus et des comparaisons de terrain, soulignent également que la perception de l'utilité peut varier radicalement selon le domaine : ce qui fonctionne bien pour l'écriture de code n'est pas automatiquement transposable aux tâches d'évaluation clinique ou aux processus réglementés. Cette exigence de mesures indépendantes est un refrain récurrent dans la presse technique.

Le coût et l'accès constituent un autre enjeu crucial. Plusieurs articles (tels que Platformer et The Verge) soulignent la stratégie multicouche d'OpenAI : des modèles « mini » et « nano » pour les cas à faible coût et faible latence, une version « standard » pour les tâches lourdes et une intégration directe dans Chatgpt. Des publications sectorielles soulignent que cette évolution élargira la base d'utilisation. Parallèlement, les experts soulignent que le véritable paramètre économique à surveiller reste le prix par jeton dans les pipelines de production : l'efficacité de Gpt 5 à générer des réponses avec moins de jetons et moins d'appels d'outils pourrait se traduire par un avantage concurrentiel, mais le coût dépend strictement du type de charge de travail et des habitudes d'utilisation. La prudence est donc de mise.

Mais surtout sur le front de la sécurité et de la gouvernance, la presse spécialisée se montre prudente : la capacité étendue du modèle à générer des artefacts complexes et à orchestrer des actions sur des ressources externes nécessite de nouveaux outils d'audit, de nouvelles limites d'accès et de nouvelles politiques opérationnelles. Les experts techniques soulignent que le défi ne consiste pas seulement à réduire les hallucinations, mais aussi à gérer les dépendances entre le modèle et les systèmes d'entreprise : comment une réponse est vérifiée, qui est responsable du résultat et comment la chaîne de décision est tracée en présence d'agents autonomes. Les discussions techniques mettent l'accent sur des questions pratiques : journalisation, tests en environnements isolés, approbations humaines obligatoires pour les résultats sensibles et critères clairs pour le blocage des fonctionnalités à risque.

Tout cela nous semble très familier, à nous Européens, étant donné que le 2 août, les obligations de la loi sur l’IA pour les fournisseurs de modèles à usage général (tels que Gpt 5) sont entrées en vigueur, avec des implications également pour les entreprises qui les utilisent.