OpenAI publie de nouveaux conseils de prompting pour GPT-6.2 Astra et Sol afin de corriger les réponses trop courtes et les questions inutiles
OpenAI recommande aux développeurs qui migrent vers GPT-6.2 Astra ou Sol de réviser leurs prompts système, et a publié dans la documentation des modèles des gabarits prêts à copier pour corriger des comportements observés dans les deux versions. Astra est conçu pour les tâches les plus exigeantes, tandis que Sol traite des travaux complexes à moindre coût. Par défaut, ces modèles répondent de façon plus brève et directe que leurs prédécesseurs, si bien que des consignes comme « sois concis » méritent d'être repensées. Pour un usage de collègue au quotidien, OpenAI suggère d'adopter le vocabulaire de l'utilisateur et des sources, d'employer la voix active et de placer l'essentiel en premier. Sur les tâches longues, le modèle laisse parfois filtrer dans sa réponse finale le jargon de son raisonnement ou des messages d'autres agents ; un prompt dédié lui demande de rédiger une réponse autonome, comprise sans lire les commentaires intermédiaires, qui sont repliés à l'affichage. Côté code, le gabarit demande de réutiliser la logique existante, d'éviter les fonctions auxiliaires superflues et de n'ajouter des tests que sur demande, si le dépôt l'exige ou pour couvrir une régression précise.
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 →
L'enjeu est très concret pour les équipes qui intègrent ces modèles dans des produits ou des flux de travail automatisés. Un modèle qui suggère une étape suivante puis attend une confirmation interrompt les chaînes d'agents et fait perdre le bénéfice de l'automatisation. OpenAI recommande donc d'indiquer au modèle d'exécuter lui-même les étapes autorisées, en ne s'arrêtant que pour un changement majeur du périmètre, un blocage réel, une décision qui revient à l'utilisateur ou une action irréversible ou destructrice. Face à une information manquante, il doit formuler des hypothèses réversibles, les signaler et poursuivre. Un niveau de raisonnement plus élevé l'aide aussi à mener les vérifications finales sur les longues tâches. Pour les développeurs, le code plus épuré réduit le volume à relire, à condition de ne pas confondre brièveté et simplicité : lignes plus courtes et noms de variables abrégés ne remplacent pas la lisibilité.
Ces consignes s'accompagnent de changements côté API qui peuvent peser sur les coûts et la qualité. Modifier l'historique d'une conversation entraîne l'abandon des étapes de raisonnement antérieures, ce qui affecte la consommation de jetons et la pertinence des réponses. Des paramètres comme « température » et « top_p » ont par ailleurs disparu, ce qui réduit les leviers de réglage classiques au profit du prompt lui-même. Pour les interfaces, OpenAI invite à préciser directement l'imagerie et la typographie : le gabarit privilégie des images réalistes issues de la génération ou de la recherche, réserve les SVG aux demandes explicites et écarte numérotations décoratives, badges de remplissage et textes d'aide qui répètent ce que l'interface montre déjà. Cette approche confirme une tendance du secteur, où l'ajustement du comportement des modèles passe de plus en plus par des instructions détaillées plutôt que par des paramètres d'échantillonnage, et où chaque nouvelle génération oblige les équipes à réécrire une partie de leurs prompts.
Les développeurs et entreprises françaises et européennes qui intègrent ces modèles via l'API doivent réviser leurs prompts système et leurs coûts en jetons.