GPT-6 Astra montre un "changement radical" en raisonnement spatial selon des premiers tests
Un nouveau benchmark de robotique met en évidence des progrès significatifs du modèle GPT-6 Astra en matière de raisonnement spatial. Sur StationeryBench, un test évaluant des robots à double bras dans des tâches de manipulation d'objets de bureau, GPT-6 Astra a réussi à accomplir 7 tâches sur 100, tandis que son concurrent direct, MolmoAct2, n'en a mené à bien aucune. Un chercheur impliqué dans l'évaluation qualifie ce résultat de "changement de palier" (step change) dans la capacité des modèles à comprendre et manipuler l'espace physique. Ces chiffres, bien que modestes en valeur absolue, marquent un écart net entre les deux systèmes sur un exercice jugé particulièrement exigeant pour l'intelligence artificielle appliquée à la robotique.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de The Decoder. Lire l'article original →
Ce type de progrès compte parce que le raisonnement spatial reste l'un des obstacles majeurs empêchant les grands modèles de langage de piloter efficacement des robots physiques dans le monde réel. Réussir même un nombre limité de tâches complexes impliquant deux bras robotiques suppose une compréhension fine des positions, des trajectoires et des interactions entre objets, des compétences historiquement difficiles à transférer depuis l'apprentissage sur du texte ou des images. Si la tendance se confirme sur d'autres benchmarks, cela pourrait accélérer le déploiement de robots plus autonomes dans la logistique, l'industrie ou les services, et redistribuer la compétition entre les laboratoires qui investissent dans l'intelligence artificielle incarnée.
Ce résultat s'inscrit dans une course plus large entre plusieurs acteurs de la recherche en IA robotique, qui cherchent à combiner modèles de langage et perception physique pour produire des agents capables d'agir dans le monde réel, et non plus seulement de raisonner en ligne. MolmoAct2, cité comme point de comparaison, illustre la diversité des approches actuellement testées sur ce type de benchmarks encore émergents. Les scores restant très bas dans l'absolu, la portée exacte de cette avancée devra être confirmée par des évaluations plus larges avant de déterminer si elle annonce un véritable tournant pour la robotique assistée par IA.
Pas d'impact direct sur la France/UE
7 tâches sur 100 face à zéro pour MolmoAct2, c'est maigre en absolu mais l'écart, lui, est net, et c'est justement ce qui compte sur un exercice où personne ne réussissait rien il y a encore un an. Le raisonnement spatial, c'est le vrai mur entre "un modèle qui parle bien" et "un robot qui bosse", donc chaque point gagné là-dessus vaut plus qu'un point gagné sur un benchmark de texte. Reste à voir si ça tient sur d'autres tests avant de crier à la rupture, parce qu'un écart sur un seul benchmark émergent, ça reste un signal, pas une preuve.