Le GPT-5 offre des améliorations progressives, mais ne permet pas encore de réaliser une percée dans le domaine de l’IA agentique ou AGI.
Soyons clairs, le GPT-5 est un modèle solide. Il améliore les capacités dans des domaines importants tels que la génération de code, le raisonnement et les entrées multimodales. Pour les entreprises, ces améliorations sont importantes. Une meilleure prise en charge du code permet à vos équipes d’avancer plus rapidement. L’amélioration du raisonnement accroît votre potentiel d’automatisation. Le traitement multimodal confère au modèle une plus grande souplesse dans le traitement des entrées du monde réel, du texte, de la voix et des images.
Mais ne nous faisons pas d’illusions. Il ne s’agit pas d’une IAG. Il n’est pas autonome et ne pensera pas par lui-même. Le GPT-5 ne s’autogère pas et ne comprend pas profondément le contexte comme le font les humains. Nous sommes en présence d’améliorations de ce qui existe déjà, et non d’un bond en avant. Il s’agit d’améliorations précieuses, pas de percées. Comme l’a dit Arun Chandrasekaran de Gartner, il s’agit d’un « progrès incrémental », et non du saut radical que beaucoup espéraient.
Ainsi, les dirigeants qui envisagent de redéfinir l’ensemble de leurs activités autour de l’AGI ou d’agents entièrement autonomes doivent se garder d’y penser. Nous n’en sommes pas encore là. Planifiez intelligemment. Utilisez le GPT-5 pour ce qu’il fait bien. N’attendez pas de lui qu’il pense comme un stratège ou qu’il dirige vos opérations sans supervision humaine. Il a encore besoin de garde-fous, de contexte et de supervision pour fonctionner de manière sûre et fiable.
L’infrastructure nécessaire pour soutenir une véritable IA agentique est encore sous-développée
Même le meilleur modèle ne vaut que par ce qui l’entoure. Le GPT-5 ne fonctionne pas de manière isolée. Pour que ce système, ou tout autre système d’IA, fonctionne à l’échelle d’une véritable entreprise, vous avez besoin d’une infrastructure. À l’heure actuelle, c’est la partie qui manque.
Vous avez besoin d’un accès sécurisé aux données. Vous avez besoin d’une intégration multi-outils à travers votre pile logicielle, vos API, vos bases de données, vos applications SaaS. Vous avez besoin d’une gouvernance des identités et des accès pour gérer ce que le modèle peut voir et faire. La plupart des entreprises n’en sont pas encore là. L’IA agentique a besoin de plus que de puissance de calcul. Elle a besoin d’un système complet qui lui permette d’accéder aux outils, de raisonner entre les tâches et de rester dans des limites clairement définies.
Il y a un autre problème. La surveillance. À l’heure actuelle, très peu de déploiements d’IA en entreprise sont entièrement autonomes. Même dans des domaines étroits comme l’ingénierie logicielle ou les achats, la supervision humaine reste essentielle. Gartner confirme que les déploiements autonomes réels sont rares, de petite taille, spécifiques à une tâche et essentiellement expérimentaux.
Selon leur cycle de prévision 2025 pour l’IA générique, les capacités agentiques ont déjà atteint le « pic des attentes exagérées ». L’intérêt est réel. Des cas d’utilisation émergent. Mais le battage médiatique est en avance sur la technologie. Si vous êtes un leader technologique qui investit aujourd’hui dans les systèmes autonomes, concentrez-vous sur la construction des fondations. Oubliez les cycles d’engouement pour l’IA, commencez à préparer le terrain. Construisez la couche d’orchestration. Alignez votre architecture pour prendre en charge davantage d’apports de l’IA. Et n’oubliez pas : la confiance, la sécurité et le contrôle sont toujours importants.
Les capacités de codage améliorées et le support multimodal du GPT-5 renforcent son utilité pour les entreprises.
GPT-5 n’a pas été conçu uniquement pour discuter. OpenAI a clairement mis au point ce modèle pour une utilisation professionnelle réelle, en particulier pour le développement de logiciels. Il est désormais exceptionnellement performant dans les tâches de codage. Vos équipes peuvent l’utiliser pour accélérer le travail répétitif, remanier le code existant et rédiger de la documentation. Cela permet de gagner du temps, d’augmenter le débit et d’accélérer l’itération.
Ce modèle ne se contente pas de prendre en charge le texte. Il gère la parole et les images avec de solides performances. Pour les entreprises, c’est important. Vous pouvez commencer à concevoir des solutions qui écoutent, voient et interprètent. De l’assistance à la clientèle à l’automatisation interne, la gamme d’applications potentielles vient de s’élargir.
Arun Chandrasekaran, VP Analyst chez Gartner, a expliqué qu’OpenAI vise clairement le secteur de l’ingénierie logicielle, en concurrence directe avec des acteurs tels qu’Anthropic. Ils vont là où ils peuvent créer une valeur commerciale tangible et gagner rapidement l’adoption.
Si vous êtes à la tête d’une entreprise axée sur la technologie, concentrez-vous sur le déploiement du GPT-5 là où ses points forts correspondent à vos besoins. Utilisez ses capacités de codage pour réduire les inefficacités. Utilisez son support multimodal pour faire évoluer la manière dont vous traitez les données sur les différentes plateformes. Les capacités sont là. Ce qui compte maintenant, c’est la mise en œuvre.
L’amélioration de l’utilisation et de l’orchestration d’outils à plusieurs étapes dans le GPT-5 améliore son utilité dans les flux de travail complexes des entreprises.
L’une des mises à jour les plus importantes du GPT-5 est l’amélioration de l’orchestration. Le modèle utilise plusieurs outils en même temps et répond à des demandes plus complexes, basées sur des étapes, au cours d’une seule session. Il est capable d’appeler des API externes simultanément et de gérer plusieurs entrées et sorties. Cela lui confère une réelle utilité dans les flux de travail d’entreprise qui ne sont pas linéaires ou simples.
Cela signifie qu’il y a moins de dépendance à l’égard des moteurs de workflow externes. La planification et le raisonnement en plusieurs étapes de GPT-5 permettent à davantage de logique d’entreprise d’exister dans le modèle lui-même. Moins de passage d’un système à l’autre. Moins de latence. Moins de points de défaillance. Avec des fenêtres de contexte plus grandes, 8 000 jetons pour les utilisateurs gratuits, 32 000 pour les utilisateurs Plus et 128 000 pour les utilisateurs Pro, vous pouvez fournir au modèle des instructions plus riches et plus de matériel source dès le départ.
Cela a également une incidence sur la manière dont vous abordez la la génération augmentée par récupération (RAG). En ayant accès à plus de contexte, GPT-5 peut gérer directement des charges de travail plus importantes. M. Chandrasekaran note que si la RAG n’est pas obsolète, elle peut désormais être utilisée de manière plus sélective, en ne récupérant que ce qui est réellement utile au lieu de vidages de données complets.
Pour les dirigeants d’entreprise qui évaluent l’IA à grande échelle, cela modifie la stratégie d’intégration. Vous n’avez pas besoin de reconstruire toute votre pile technologique, mais vous devez revoir vos architectures actuelles d’orchestration, d’appel d’outils et de flux de données. Les nouvelles capacités du GPT-5 n’offrent un retour sur investissement complet que si vos systèmes peuvent prendre en charge des requêtes parallèles, des entrées plus importantes et une coordination complexe des tâches. Il s’agit d’un pas en avant évident, si votre organisation est prête à le supporter.
Le GPT-5 réduit les coûts d’utilisation de l’API, mais entraîne de nouveaux compromis en matière de tarification.
Le GPT-5 fait d’importants progrès en matière d’accessibilité financière. OpenAI a positionné le modèle avec des prix compétitifs : 1,25 $ pour un million de jetons d’entrée et 10 $ pour un million de jetons de sortie. Il s’agit d’une baisse importante par rapport aux modèles précédents et d’un prix inférieur à celui de concurrents clés tels que Claude Opus, tout en s’alignant plus étroitement sur Gemini 2.5 de Google.
Mais le changement de tarification s’accompagne d’une nuance. Il ne s’agit pas seulement du coût par jeton. La structure tarifaire du GPT-5 présente un déséquilibre notable entre les coûts d’entrée et de sortie. Cela crée des inefficacités potentielles pour les cas d’utilisation à haut volume qui nécessitent des sorties importantes, comme la génération de documents, le résumé ou la création de rapports personnalisés. Les entreprises dont les interactions sont fréquentes et gourmandes en jetons devront procéder à une modélisation minutieuse de l’utilisation pour confirmer la valeur à long terme.
Cela n’est pas rédhibitoire, mais c’est une variable de planification. Si vos activités reposent en grande partie sur la production, vous devez suivre vos habitudes de consommation en temps réel. Pensez à la prévisibilité des coûts. Prévoyez une surveillance. Examinez les plafonds et les seuils d’utilisation. La sensibilité au prix augmente rapidement à grande échelle, et l’objectif doit être de maximiser l’utilité du modèle, et pas seulement de rechercher le tarif initial le plus bas.
Arun Chandrasekaran, Distinguished VP Analyst chez Gartner, a averti les leaders de l’IA d’évaluer les prix au-delà des chiffres clés. Il est essentiel de comprendre l’impact des flux de production importants si vous utilisez le GPT-5 dans un environnement de production.
La stratégie de déploiement du GPT-5 se concentre sur le retrait progressif des modèles GPT antérieurs et sur l’introduction de différents niveaux de modèles.
OpenAI ne se contente pas d’améliorer le modèle, elle réorganise la manière dont vous y accédez. Le GPT-5 remplacera à terme les versions précédentes, comme le GPT-4o. Il sera remplacé par trois versions : Pro, Mini et Nano. Chacune d’entre elles est conçue pour répondre à un niveau de coût et de performance différent. Vous pouvez désormais acheminer les demandes simples vers les modèles plus petits et réserver le moteur complet aux tâches plus lourdes et plus exigeantes.
Ce type de hiérarchisation favorise un modèle de déploiement de l’IA plus efficace. Le coût et la latence deviennent des variables gérables en fonction de la portée de votre demande. Mais il introduit également une certaine complexité dans le système. Les nouvelles versions d’OpenAI diffèrent des itérations précédentes dans la manière dont elles gèrent la mémoire, les sorties et les formats d’appel de fonction. Il ne s’agit pas d’un échange prêt à l’emploi. Vous devrez revoir votre code, vos messages-guides et vos instructions système avant d’adopter le GPT-5 dans votre produit ou vos couches opérationnelles.
L’analyse de Gartner indique que la prise en charge de plusieurs générations de ces modèles engendrerait de nouveaux coûts et contraintes d’infrastructure. En regroupant ses offres sous le modèle GPT-5, OpenAI simplifie sa plateforme et oblige les développeurs à se mettre à jour en conséquence. Cela crée du travail à court terme, mais aussi un alignement à long terme.
M. Chandrasekaran a fait remarquer que l’abandon des anciens modèles par l’OpenAI était intentionnel. Selon lui, cela reflète une décision visant à supprimer toute complexité inutile du côté de l’utilisateur et à rationaliser l’allocation des ressources en arrière-plan. OpenAI a des limites en matière de calcul, auxquelles elle s’attaque par le biais de partenariats avec Microsoft, Google et Oracle. L’exploitation de plusieurs générations n’est pas viable, ce qui fait de la consolidation agressive une prochaine étape pratique.
Pour les décideurs, il s’agit de contrôler la feuille de route. Commencez à planifier les voies de mise à niveau. Vérifiez les dépendances existantes. Vous ne voulez pas être contraint de procéder à des mises à jour réactives lorsque le comportement du système change. Anticipez la migration.
La réduction des taux d’hallucination dans le GPT-5 améliore la fiabilité des applications d’entreprise mais augmente également les risques d’utilisation abusive
L’une des améliorations les plus appréciées du GPT-5 est la réduction du taux d’hallucinations. Selon OpenAI, les hallucinations, lorsqu’un modèle génère des réponses inexactes ou fabriquées, ont diminué de 65 % par rapport aux versions précédentes. Il s’agit là d’une référence significative. Pour les entreprises, cela se traduit par une plus grande fiabilité, un meilleur alignement de la conformité et une meilleure vérifiabilité.
Des résultats plus précis réduisent les frictions dans les processus critiques. Le raisonnement par chaîne de pensée (CoT), désormais plus important dans le GPT-5, permet également d’expliquer les résultats étape par étape. C’est utile pour des scénarios tels que les examens juridiques, les analyses financières ou les journaux de système, où une logique traçable est nécessaire. Cela permet également de renforcer la surveillance et de répondre plus facilement aux exigences en matière de divulgation, d’explicabilité et de réglementation.
Mais la précision et la sophistication augmentent également les enjeux. Les améliorations apportées par le GPT-5 à la synthèse vocale, au réalisme des résultats et à la qualité du raisonnement signifient qu’il peut désormais être utilisé plus facilement pour des usages abusifs avancés, tels que le phishing, l’ingénierie sociale ou la tromperie automatisée à grande échelle. Le modèle ne comprend pas l’intention, il se contente d’exécuter les entrées. La gouvernance n’est donc pas optionnelle.
M. Chandrasekaran a souligné que même avec une plus grande sincérité, les entreprises ne devraient pas abandonner complètement les systèmes d’intervention humaine dans la boucle. Les superviseurs sont toujours nécessaires, en particulier dans les secteurs verticaux à haut risque. Les performances du modèle suscitent une plus grande confiance, mais cela n’enlève rien à la responsabilité des dirigeants ou des équipes chargées de la conformité.
Si vous déployez le GPT-5 dans des outils destinés aux clients, des systèmes de conseil internes ou des flux de travail automatisés, mettez en place des points de contrôle. Mettez en place une surveillance des utilisations abusives. Veillez à ce que la surveillance soit proportionnelle à la sensibilité de la tâche, et pas seulement à la qualité technique du modèle.
L’adoption effective du GPT-5 nécessite une mise à jour de la gouvernance d’entreprise et une optimisation des flux de travail
Le déploiement du GPT-5 dans un environnement d’entreprise nécessite plus qu’une simple mise à jour du modèle. Vous devez adapter votre approche. Gartner recommande de piloter le GPT-5 avec des comparaisons côte à côte, de le tester par rapport aux modèles précédents et aux plates-formes concurrentes sur des mesures critiques telles que la vitesse, la précision et la satisfaction de l’utilisateur. Vous pourrez ainsi prendre en toute confiance des décisions de déploiement fondées sur des résultats démontrables.
Mais les tests de performance ne sont qu’un début. L’augmentation de la capacité d’entrée du modèle, les fonctions de routage dynamique et les capacités multimodales introduisent des changements dans plusieurs couches techniques. Vous devrez probablement réviser les structures d’invite, revoir les stratégies de mise en cache et repenser la manière dont les API sont déclenchées et mises à l’échelle. Les tests d’intégration deviennent obligatoires, et non plus facultatifs, surtout si vous mettez le GPT-5 en production.
La gouvernance a également besoin d’une mise à jour. Des fenêtres contextuelles plus grandes ouvrent la porte à des données plus sensibles ou plus diverses, ce qui augmente le risque d’exposition à l’information ou d’utilisation abusive si des garde-fous ne sont pas mis en place. Les dirigeants d’entreprise doivent actualiser les politiques d’utilisation interne, revoir la documentation et aligner les procédures opérationnelles sur les nouveaux paramètres de sécurité et de ressources. Le GPT-5 peut gérer une plus grande complexité, ce qui signifie que vous gérez une plus grande surface.
M. Chandrasekaran a insisté sur le fait que les entreprises devraient vérifier leurs plans existants pour s’aligner sur les capacités du GPT-5. Passez en revue les quotas, vérifiez vos systèmes de journalisation, validez les mécanismes de surveillance et calibrez l’acheminement du trafic en fonction de la difficulté des tâches et des exigences en matière de latence. Certains processus qui étaient auparavant interdits à l’automatisation peuvent maintenant être viables, mais seulement avec les bonnes garanties.
Si vous souhaitez réellement intégrer le GPT-5, considérez-le comme un tournant de la plate-forme. Ne vous contentez pas d’échanger des modèles. Repensez la conception dans un but précis.
Le potentiel de l’IA agentique est actuellement limité par les difficultés d’exécution dans le monde réel et les lacunes de l’infrastructure.
L’IA agentique, c’est-à-dire les modèles capables de prendre des initiatives, d’interagir avec des systèmes et d’accomplir des tâches à plusieurs étapes de manière autonome, suscite un intérêt croissant. Ces systèmes sont en cours de construction, mais la plupart des implémentations actuelles sont étroites, expérimentales et loin d’être autonomes. Dans les entreprises, Gartner rapporte que ces agents sont actifs dans des domaines restreints tels que la remédiation de code ou l’automatisation des achats. Ils sont utiles, mais nécessitent toujours une supervision humaine ou une activation pratique.
L’une des raisons de la lenteur des progrès est que l’infrastructure n’est pas à la hauteur des besoins. Les systèmes d’IA agentique n’ont pas seulement besoin de modèles plus intelligents, mais aussi d’une intégration dans les outils commerciaux, de contrôles d’accès sécurisés et de couches d’orchestration de qualité professionnelle. Sans ces éléments, les agents ne peuvent pas systématiquement récupérer les bonnes données, appeler les bonnes API ou prendre des décisions conformes à la politique de gouvernance. La capacité technique est présente dans certaines parties du modèle, mais les systèmes environnants n’offrent pas le même niveau de performance.
Chandrasekaran, VP Analyst chez Gartner, a confirmé que les opérations agentiques à l’échelle de l’entreprise ne se sont pas concrétisées pour cette raison précise. Il a attribué la lenteur du déploiement à l’absence de normes de communication, à la faiblesse du soutien à la gestion des identités et aux lacunes dans la gouvernance des données. Ces éléments fondamentaux sont essentiels, et non optionnels. Sans eux, l’autonomie totale reste inaccessible.
Pour les équipes dirigeantes, il s’agit d’un point de décision stratégique. Investir dans des outils agentiques ne suffit pas. Si votre feuille de route prévoit que des agents exécutent des tâches dans des départements ou des flux de travail, vous devrez construire l’ossature architecturale de cette couche d’exécution. Il s’agit notamment de définir les limites d’accès, d’enregistrer le comportement des agents et de normaliser les protocoles de communication.
La réalisation de l’AGI nécessite des innovations fondamentales dans l’architecture des modèles, car les techniques actuelles sont insuffisantes.
Le GPT-5 est une prouesse technique. Il est plus rapide, plus sensible au contexte et gère mieux les instructions complexes que les modèles précédents. Mais il ne s’agit pas d’une Intelligence générale artificielle. Une meilleure performance n’équivaut pas à une meilleure compréhension. Le modèle ne raisonne pas de manière abstraite, ne fait pas appel à la mémoire à long terme et ne s’adapte pas de manière créative à d’autres domaines comme le ferait un humain. Il fonctionne dans des limites prédéfinies.
Arun Chandrasekaran a été clair : l’augmentation de la taille des modèles et de la puissance de calcul ne suffira pas à combler le fossé qui nous sépare de l’AGI. Les données et le traitement ne sont pas les pièces manquantes. Ce qu’il faut, c’est un nouveau type d’architecture, une nouvelle façon de faire raisonner le modèle et d’interagir avec l’information. Cela implique des recherches qui en sont encore à leurs débuts, en particulier dans des domaines tels que la robotique spatiale, la compréhension du monde physique et l’intelligence incarnée.
Nous constatons une amélioration du raisonnement dans les environnements numériques, mais l’IA a encore du mal à interagir avec les scénarios du monde réel ou à les prévoir. Cette lacune est importante. Tant que les modèles ne pourront pas s’interfacer de manière fiable avec les systèmes, les personnes et les conditions physiques qui définissent la prise de décision dans le monde réel, l’IAG restera une utopie.
Pour les cadres dirigeants et les responsables de l’innovation, la conclusion est pratique : ne planifiez pas en fonction des échéances de l’AGI. Concentrez-vous sur le déploiement de ce qui fonctionne aujourd’hui, dans le cadre de garde-fous, et continuez à investir séparément dans la R&D exploratoire. La transformation à long terme dépend de ces percées, mais l’impact opérationnel est aujourd’hui encore déterminé par une intelligence étroite et ciblée.
M. Chandrasekaran a conclu sur ce point en déclarant que « nous sommes encore très, très loin de l’AGI ». La direction est prometteuse, mais la destination reste hors de portée, et toute feuille de route doit refléter cette réalité.
Réflexions finales
GPT-5 est une avancée significative, plus rapide, plus précise et plus polyvalente que ses prédécesseurs. Pour les entreprises, cela se traduit par une utilité immédiate : un meilleur support du code, une meilleure orchestration des tâches et une gestion plus intelligente du contexte. Mais ce n’est pas un tournant pour l’autonomie, et ce n’est certainement pas l’AGI. Le modèle évolue, mais les systèmes qui l’entourent, la gouvernance, l’outillage, l’infrastructure, peinent à suivre le rythme.
Si vous êtes à la tête de la transformation de votre entreprise, l’opportunité ne réside pas dans l’attente d’un modèle révolutionnaire. Il s’agit de construire les fondations dès maintenant. Cela signifie moderniser votre architecture, renforcer vos contrôles d’accès, valider les flux de travail et rester discipliné dans la façon dont vous faites évoluer l’IA. Ne vous laissez pas entraîner par le battage médiatique. Concentrez-vous sur ce qui fonctionne, restez ancré dans vos capacités et veillez à ce que vos équipes gardent le contrôle des résultats.
Les entreprises qui gagneront avec l’IA ne seront pas celles qui courent après chaque mise à jour de modèle. Elles seront celles qui conçoivent pour la durabilité, intègrent de manière responsable et investissent là où la technologie peut donner des résultats immédiats, sans sous-estimer le jeu à long terme.
