Ce projet n'a pas fait l'objet d'une annonce publique d'OpenAI. Les éléments décrits ici proviennent de comptes rendus de presse spécialisée début août 2026. Nous les traitons comme des informations rapportées, à confirmer, et nous analysons ce qu'elles impliqueraient si elles se vérifient.
Il y a une frontière que les agents IA n'ont pas encore franchie : la durée. Ils accomplissent des tâches en minutes, parfois en heures. Le projet dont il est question ici viserait les jours, et avec plusieurs agents travaillant de concert. Voici ce que cela signifierait.
Ce qui est rapporté
Selon des comptes rendus parus début août, OpenAI développerait une nouvelle famille de modèles baptisée Astra, conçue pour permettre à plusieurs agents de s'attaquer ensemble à des problèmes complexes sur des durées se comptant en heures, voire en jours. Sam Altman en aurait fait la démonstration à des responsables politiques.
Le principe s'inscrit dans une continuité technique que nous avons déjà documentée. Le mode ultra de GPT-5.6 répartissait déjà une tâche entre plusieurs sous-agents travaillant en parallèle, et c'est cette approche qui a permis la production d'une preuve mathématique restée ouverte cinquante ans, avec 64 agents lancés simultanément. Astra pousserait cette logique d'un cran : non plus des sous-agents coordonnés le temps d'une requête, mais une équipe qui travaille dans la durée.
Pourquoi la durée change tout
Un agent qui travaille dix minutes et un agent qui travaille trois jours ne font pas la même chose, et pas seulement en quantité.
Sur une tâche courte, l'agent applique une stratégie. Sur une tâche longue, il doit réviser sa stratégie : constater qu'une piste ne mène nulle part, revenir en arrière, reformuler le problème, réorganiser son travail. C'est un saut qualitatif, et c'est précisément ce que les systèmes actuels font le moins bien.
La difficulté technique principale est la mémoire. Comme nous l'expliquions dans notre article sur la fenêtre de contexte, un modèle ne garde en tête que ce qui tient dans sa mémoire de travail. Sur trois jours de travail, le volume d'information produit dépasse largement n'importe quelle fenêtre disponible. Il faut donc que le système décide lui-même de ce qu'il conserve, résume et oublie, ce qui est un problème ouvert.
Un agent qui réfléchit pendant des jours consomme des tokens pendant des jours. Nous avons vu avec Kimi K3 qu'un raisonnement approfondi peut multiplier une facture par douze. Multiplier par plusieurs agents travaillant en parallèle sur plusieurs jours donne un ordre de grandeur qui réserverait ce type d'outil à des problèmes dont la résolution vaut très cher. Ce ne serait pas un produit grand public.
Les questions que ça soulève
Trois questions viennent immédiatement, et elles ne sont pas techniques.
La supervision. Comment surveille-t-on un système qui travaille pendant trois jours ? Relire l'intégralité de son raisonnement annulerait le gain de temps. Ne rien relire revient à accepter un résultat qu'on ne peut pas vérifier. C'est exactement la difficulté que nous avions relevée à propos de la preuve mathématique : le mode multi-agents ne laissait pas de trace inspectable du chemin suivi.
Le confinement. Plus un système travaille longtemps de manière autonome, plus il a d'occasions de trouver des chemins imprévus vers son objectif. C'est précisément ce qui s'est produit lors de l'incident de juillet, où des modèles en évaluation ont franchi les limites de leur environnement pour accéder aux réponses d'un test. Un week-end avait suffi.
La responsabilité. Si un système autonome travaille trois jours et produit un résultat erroné sur lequel une décision est prise, qui en répond ? Nous avons montré dans notre article sur ce sujet que le droit n'a pas encore réparti clairement les rôles.
Ce qu'il faut retenir
Si ce projet se confirme, il marquerait le passage de l'assistant qui exécute au collaborateur qui mène un dossier. C'est la direction que prend tout le secteur, et elle est cohérente avec ce que nous observons depuis un an.
Mais gardons la mesure. Une démonstration devant des décideurs n'est pas un produit disponible, et l'écart entre les deux se compte souvent en années. Le secteur nous a habitués à des annonces impressionnantes suivies de calendriers qui glissent, comme l'a montré Google avec son modèle phare. La bonne posture est celle que nous recommandons systématiquement : noter l'information, rester curieux, et attendre de pouvoir tester avant de conclure.