Dessiner un plan à partir de photos ? GPT-6 Astra s’approche du niveau humain

Mon Google Home et mon Home Assistant n’ont aucune idée de l’endroit où se trouve la cuisine par rapport au salon. Cette capacité à se représenter un lieu sans qu’on le lui décrive, les modèles d’IA ne l’avaient pas non plus. Mais ça commence à changer.

L’information vient d’un post de Fabien Mikol sur X, qui reprend un graphique signé Andon Labs, la structure qui édite le test : le GPT-6 Astra d’OpenAI prend la tête de Blueprint-Bench 2 avec un score autour de 0,49. Le classement public, lui, n’est pas encore à jour. Il affiche toujours Claude Fable 5.1, d’Anthropic, en première position avec 0,42, devant Fable 5 (0,39) et GPT-5.5 (0,36).

L’échelle va de 0, un plan tiré au hasard, à 1, un plan parfait. Les humains, mesurés sur 12 appartements seulement, atteignent 0,59. Le principe du test : une vingtaine de photos d’intérieur par logement, 50 logements d’affilée, et le modèle doit produire un plan 2D avec les pièces, les portes et les tailles relatives. Un bloc-notes persistant lui permet de retenir ce qu’il a appris d’un appartement à l’autre.

Une protection complète de votre vie numérique.

Protégez votre vie numérique et vos appareils contre les virus, arnaques, ransomwares et menaces en ligne avec Bitdefender, primé pour sa protection et compatible avec Windows, Mac, Android et iOS.

Sponsorisé

Offre spéciale -50%

Pourquoi un plan d’appartement en dit plus qu’un test de maths

Un modèle de langage a lu tout le web et vu des milliards de photos. Il n’a jamais eu à reconstruire un volume à partir d’images plates, parce que rien dans son entraînement ne l’y oblige.

En septembre 2025, la première version de Blueprint-Bench l’a montré sans nuance : tous les modèles produisaient du bruit, au niveau du tirage aléatoire.

Sept mois plus tard, la version 2 a vu apparaître les premiers vrais raisonnements, comme Gemini 3.1 Pro qui repère un lave-linge sur deux photos différentes pour en déduire dans quel sens la caméra regarde. Presque tous les modèles devinent le bon nombre de pièces, autour de 90 %. Ils échouent sur la connectivité, autrement dit quelle pièce ouvre sur laquelle. Un robot qui doit aller chercher un objet dans la chambre, un aspirateur qui apprend une maison sans lidar, des lunettes qui affichent une flèche vers la sortie : tout repose sur cette compétence-là.

Détail savoureux, Gemini Robotics-ER 1.6, un modèle conçu spécifiquement pour la robotique et le raisonnement spatial, termine au niveau du hasard. La spécialisation ne suffit pas, il faut que le modèle de base comprenne l’espace.

Sur les modèles de pointe, Andon Labs mesure une progression d’environ 0,04 point par mois. Avec 0,10 point d’écart entre Astra et l’humain, le niveau humain serait atteint d’ici la fin de l’année si la tendance tient. Ce n’est pas un hasard si des chercheurs de Google DeepMind ont planché sur la manière de mesurer ces capacités au-delà de l’AGI, cette IA aussi douée qu’un humain sur la plupart des tâches, un cap dont OpenAI se dit déjà tout proche.

Astra à 0,49, l’humain à 0,59 : il reste dix centièmes

Sept centièmes d’avance sur Fable 5.1, c’est plus que l’écart entre Fable 5.1 et GPT-5.5, et la barre d’erreur d’Astra est la plus courte du graphique. La première place ne doit rien à la chance. Elle n’a rien d’une surprise non plus : dans ses propres tableaux, OpenAI crédite Astra de 95,9 % sur BenchCAD, un test où le modèle reconstruit un programme de CAO à partir de vues rendues, contre 84,3 % pour Fable 5.1, avec un astérisque sur les réglages utilisés pour Claude. On a aussi vu ce modèle piloter un PC comme un humain et installer des jeux tout seul la nuit.

Comme toujours avec ces palmarès, mieux vaut lire les chiffres de près. Le score exact d’Astra et ses conditions de test n’apparaissent pas encore sur la page publique. Le jeu de test, 50 appartements, est fixe, et les labos finissent par entraîner leurs modèles sur ce qui ressemble aux benchmarks à la mode. Le repère humain lui-même repose sur 12 logements, ce qui laisse de la marge.

Pour aller plus loin
GPT-6, Fable 5.1 : comment lire les benchmarks de Claude et GPT sans se faire avoir