GPT-6 Astra génère des parcours de course en 27 minutes : l’IA agent arrive

Un simple « trouve-moi un parcours de 5K depuis chez moi » et 27 minutes plus tard, GPT-6 Astra livre une carte interactive, des fichiers GPS téléchargeables et une boucle optimisée. Simon Willison vient de documenter l’une des premières utilisations publiques d’un modèle qui ne se contente plus de répondre : il exécute.

Une requête, 27 minutes, un itinéraire clé en main

Le 12 septembre 2026, Simon Willison, développeur influent et observateur attentif de l’écosystème IA, a publié sur son blog une démonstration qui a rapidement circulé dans la communauté tech. Sa demande à ChatGPT Work tenait en une phrase : « J’habite à [mon adresse]. Trouve-moi des parcours de course 5K et 10K qui bouclent depuis chez moi. Utilise les données OSM. »

Selon Willison, le système a travaillé de manière autonome pendant 27 minutes avant de livrer exactement ce qui était demandé : une visualisation cartographique interactive, des fichiers GPX compatibles avec les montres sportives, et des exports GeoJSON pour une intégration web. L’itinéraire de 5 km généré, baptisé « El Granada harbor loop », trace une boucle de 5,1 km le long de la côte californienne, passant par Carmel Avenue, Paloma Avenue, San Carlos Avenue et le Coastal Trail.

Ce qui frappe dans cette expérience, ce n’est pas seulement le résultat final, mais le processus : l’IA a dû géocoder l’adresse, interroger la base de données OpenStreetMap via l’API Overpass, extraire le réseau routier et les sentiers, calculer des boucles respectant les distances demandées, puis générer des fichiers dans des formats techniques spécialisés. Le tout sans intervention humaine entre la requête initiale et la livraison finale.

De ChatGPT à l’agent autonome : un changement de paradigme

Cette démonstration marque une rupture dans la manière dont les modèles d’IA sont utilisés. Là où ChatGPT classique génère du texte en quelques secondes, GPT-6 Astra via ChatGPT Work fonctionne comme un agent autonome : il décompose une demande complexe en sous-tâches, utilise des outils externes (ici Nominatim pour le géocodage et Overpass pour les données cartographiques), itère sur des solutions, et produit un livrable structuré.

D’après les sources disponibles, GPT-6 Astra dispose d’une fenêtre de contexte de 1 050 000 tokens, peut générer jusqu’à 128 000 tokens en sortie, et ses connaissances sont à jour jusqu’au 30 avril 2026. OpenAI le positionne comme son « modèle le plus intelligent et aligné », capable de gérer des tâches professionnelles complexes de bout en bout. Le modèle est accessible via l’API OpenAI (identifiant gpt-6-astra) et dans ChatGPT pour les abonnés Plus, Pro, Business et Enterprise.

Willison note toutefois une limite importante : l’opacité du processus. « Le code sous-jacent et les étapes d’exécution exactes n’étaient pas visibles dans l’interface », écrit-il. L’utilisateur voit le résultat final, mais pas comment l’IA y est parvenue — une caractéristique qui pourrait poser problème pour la vérification et la confiance, notamment dans des contextes professionnels sensibles.

OpenStreetMap : le carburant invisible des IA cartographiques

Pour générer ces itinéraires, GPT-6 Astra s’est appuyé sur OpenStreetMap (OSM), souvent décrit comme le « Wikipédia de la cartographie ». Ce projet collaboratif mondial rassemble des données géographiques — rues, chemins, parcs, bâtiments — créées et maintenues par des bénévoles. Ces données sont librement accessibles et utilisables, ce qui explique leur adoption massive par les entreprises tech.

Willison indique que l’IA a utilisé Nominatim pour transformer son adresse en coordonnées géographiques, puis Overpass, une API permettant d’interroger la base OSM pour extraire les routes et sentiers de la zone. Les calculs de boucles ont ensuite été effectués localement par le modèle, avant de générer une visualisation basée sur D3.js et des fichiers dans les formats standards GPX et GeoJSON.

Cette dépendance à OpenStreetMap soulève une question rarement abordée : OpenAI exploite commercialement des données créées gratuitement par des milliers de contributeurs, sans mécanisme clair de contribution en retour. Selon plusieurs observateurs, cette asymétrie pourrait fragiliser l’écosystème des « communs numériques » si elle devient systématique chez les géants de l’IA.

GPX, GeoJSON : quand l’IA parle le langage des machines

Au-delà de la carte visuelle, GPT-6 Astra a généré des fichiers dans deux formats techniques spécialisés. Le GPX (GPS Exchange Format) est un standard XML utilisé par les montres sportives, GPS et applications de course pour stocker et échanger des itinéraires. Un coureur peut télécharger le fichier GPX produit par l’IA sur sa Garmin, Apple Watch ou Strava, et suivre le parcours en temps réel.

Le GeoJSON, quant à lui, est un format JSON adapté à l’affichage de données géographiques sur le web. Il permet d’intégrer la carte interactive générée dans une page web ou une application, avec possibilité d’ajouter des couches d’information supplémentaires.

Cette capacité à manipuler des formats de données structurées spécialisés marque une évolution significative des modèles de langage. Plutôt que de se limiter au texte, ils deviennent des couches d’interopérabilité entre systèmes hétérogènes. On peut imaginer demander à une IA de « prendre les données du CRM, les croiser avec les ventes du mois et générer un dashboard Tableau », sans écrire une ligne de code.

27 minutes : bug ou fonctionnalité ?

Le temps d’exécution de 27 minutes intrigue. Pour une génération de texte, ce délai semblerait anormalement long. Mais dans le contexte d’un agent autonome, il révèle peut-être une logique différente : l’IA itère, teste plusieurs solutions, optimise, vérifie la cohérence des données. C’est un fonctionnement délibératif plutôt que réactif.

D’après les informations disponibles sur GPT-6 Astra, le modèle propose plusieurs niveaux d’« effort de raisonnement » (reasoning effort), de « low » à « max ». Plus l’effort est élevé, plus le modèle prend le temps d’analyser en profondeur, au prix d’une latence accrue. Willison n’a pas précisé quel niveau il avait utilisé, mais il est probable qu’un mode « Max » ait été activé pour une tâche aussi complexe.

Cette approche change les attentes utilisateurs : plutôt qu’une réponse instantanée, on « passe commande » à l’IA et on revient plus tard, comme pour un service humain. C’est un modèle mental différent, qui ouvre la voie à des tâches beaucoup plus ambitieuses — recherche approfondie, planification multi-étapes, optimisation sous contraintes — mais nécessite de repenser l’UX des interfaces conversationnelles.

Fiabilité et sécurité : les questions qui restent

Si la prouesse technique impressionne, plusieurs interrogations demeurent. GPT-6 Astra prend-il en compte la sécurité des itinéraires ? Un parcours peut être géométriquement optimal mais passer par des zones dangereuses, mal éclairées, ou avec un trafic dense. Les algorithmes de routing classiques intègrent souvent ces paramètres ; on ignore si l’IA le fait.

De même, qu’en est-il des préférences subjectives — vue panoramique, évitement de certains quartiers, type de surface (asphalte vs sentier) — et des conditions dynamiques comme la météo ou les fermetures temporaires de routes ? Les applications spécialisées comme Komoot ou Strava excellent dans ces domaines grâce à des années d’optimisation et de retours utilisateurs.

La question de la responsabilité légale se pose également : si un coureur suit un itinéraire généré par l’IA et a un accident (chute, agression, collision), qui est responsable ? OpenAI ? L’utilisateur qui n’a pas vérifié ? Les contributeurs d’OpenStreetMap dont les données étaient incomplètes ?

Enfin, le partage de son adresse personnelle avec une IA commerciale soulève des enjeux de vie privée. Selon la politique d’OpenAI, les conversations avec les modèles peuvent être utilisées pour améliorer les systèmes, sauf si l’utilisateur a explicitement désactivé cette option. Les données de localisation sont particulièrement sensibles et méritent une attention particulière.

Disruption ou coexistence : quel avenir pour les apps de fitness ?

Cette démonstration pose une question stratégique pour l’industrie du fitness tech : les IA généralistes vont-elles remplacer les applications spécialisées, ou coexister avec elles ?

Le scénario de disruption est plausible : pourquoi utiliser dix applications différentes si une IA peut tout faire via langage naturel ? La simplicité de l’interaction (« trouve-moi un parcours ») élimine la courbe d’apprentissage des interfaces complexes. Pour les utilisateurs occasionnels, c’est un avantage décisif.

Mais le scénario de spécialisation persistante l’est tout autant. Les applications comme Strava, Komoot ou Garmin Connect offrent des fonctionnalités avancées — analyse de performance, segments compétitifs, communauté sociale, intégration hardware — que les IA généralistes ne peuvent pas (encore) reproduire. Leur connaissance fine des terrains, accumulée via des millions d’utilisateurs, constitue un avantage compétitif durable.

Un troisième scénario, hybride, émerge : les applications spécialisées intègrent des capacités IA pour rendre leurs interfaces plus conversationnelles, tout en conservant leur expertise métier. Strava pourrait, par exemple, ajouter un assistant IA qui comprend « propose-moi un parcours vallonné de 15 km avec un café sympa à mi-chemin », en s’appuyant sur ses données propriétaires.

Du point de vue des investisseurs, cette incertitude crée à la fois des risques (valorisation de startups de niche menacée) et des opportunités (infrastructure pour agents IA, solutions d’IA spécialisées surpassant les généralistes sur des niches précises).

Vers une IA « couche d’interopérabilité universelle » ?

Au-delà du cas d’usage sportif, cette expérience illustre une tendance de fond : les modèles de langage évoluent vers des agents d’interopérabilité capables de faire dialoguer des systèmes hétérogènes sans intégration manuelle.

Plutôt que de développer des connecteurs API entre chaque paire d’outils, on pourrait simplement demander à une IA de « prendre les données du CRM, les croiser avec le système de facturation, et générer un rapport mensuel au format PDF ». L’IA comprendrait les formats de données, interrogerait les APIs nécessaires, effectuerait les transformations, et produirait le livrable.

Cette vision, si elle se concrétise, démocratiserait l’automatisation en la rendant accessible sans compétences techniques. Mais elle créerait aussi de nouvelles vulnérabilités : une IA mal configurée pourrait exposer des données sensibles, exécuter des actions non autorisées, ou propager des erreurs à grande échelle sans supervision humaine.

La gouvernance de ces agents autonomes devient donc un enjeu majeur. Plusieurs frameworks émergent pour assurer la traçabilité (enregistrer chaque action de l’agent), la transparence (expliquer comment une décision a été prise), et la responsabilité (identifier qui doit répondre en cas de problème). L’Union européenne, via l’AI Act, impose déjà des obligations dans ce sens pour les systèmes à haut risque.

Conclusion : l’IA qui ne répond plus, mais qui fait

La démonstration de Simon Willison marque un tournant symbolique : nous passons de l’IA qui répond à l’IA qui fait. GPT-6 Astra ne s’est pas contenté de suggérer un itinéraire ou de décrire comment en créer un ; il a mené l’ensemble du processus de bout en bout, produisant un livrable directement utilisable.

Cette évolution ouvre des perspectives immenses pour la productivité, la personnalisation et l’accessibilité des outils numériques. Mais elle soulève aussi des questions de fiabilité, de sécurité, de vie privée, de responsabilité et de soutenabilité des communs numériques dont dépendent ces systèmes.

La vraie question n’est peut-être pas « l’IA va-t-elle remplacer les applications spécialisées ? », mais plutôt « comment concevoir des systèmes où IA généraliste et expertise humaine se complètent, dans un cadre de gouvernance qui protège les utilisateurs et préserve les ressources collectives » ?

Une certitude : le temps où l’on « discutait » avec l’IA est en train de laisser place à une époque où on lui délègue. Et cela change tout.