GPT-5.5 : une avancée visible dans les modèles de langage et leurs outils

OpenAI annonce GPT-5.5, une famille de modèles présentée comme une étape significative dans l’évolution des capacités des IA génératives. Cette version marque une progression tangible sur des tâches complexes, notamment en programmation et en génération d’images, tout en introduisant des améliorations dans les applications et outils associés.

Le modèle GPT-5.5 Pro, accessible uniquement via l’interface web de ChatGPT, se distingue par sa capacité à modéliser des évolutions temporelles dans des simulations, contrairement à ses prédécesseurs qui se limitaient à des remplacements statiques de bâtiments. Dans un test de génération de code, GPT-5.5 Pro a produit une simulation procédurale d’une ville portuaire évoluant de 3000 av. J.-C. à 3000 ap. J.-C., avec un contrôle utilisateur intégré. Cette tâche, jugée complexe, a été accomplie en 20 minutes, contre 33 minutes pour la version précédente, GPT-5.4 Pro. Les résultats sont disponibles sous forme de galerie interactive, permettant une comparaison directe des performances entre modèles.

OpenAI met en avant des avancées dans trois domaines : les modèles, les applications et les outils (ou harnesses). Sur le plan des applications, OpenAI Codex évolue vers une version desktop, s’alignant sur des outils comme Claude Code ou Claude Cowork, conçus pour une intégration plus fluide dans les workflows de développement. Côté outils, un nouveau modèle de génération d’images, parfois appelé GPT-imagegen-2, permet désormais de produire des visuels avec une qualité textuelle élevée, comme illustré par des exemples comme une photo d’un loutre scientifique utilisant le wifi en avion. Ces évolutions s’ajoutent à des améliorations dans les harnesses, qui étendent les capacités des modèles en leur permettant d’interagir avec des outils externes pour automatiser des tâches variées.

L’annonce souligne que les progrès ne se limitent plus aux seules performances brutes des modèles, mais incluent leur intégration dans des environnements concrets. Les gains en rapidité et en précision sur des cas d’usage spécifiques, comme la simulation ou la génération d’images, suggèrent une maturité accrue des outils d’IA, même si les limites persistent sur certains aspects techniques ou créatifs.