GPT-5 : ce que l’on sait des fonctions attendues pour l’été 2025

L’arrivée de GPT-5, attendue au cours de l’été 2025, concentre les attentes autour d’OpenAI. Après des générations de modèles surtout conçues pour répondre, rédiger, résumer ou analyser à partir de texte, la prochaine étape pourrait rapprocher l’assistant d’un véritable outil de travail numérique : capable de suivre un raisonnement plus structuré, de s’adapter à son utilisateur, de comprendre plusieurs formats et, dans certains cas, d’agir dans un environnement logiciel.

Il faut toutefois distinguer les annonces, les orientations techniques et les promesses d’usage. Au 8 juillet 2025, la date précise de disponibilité, les formules d’accès et le détail des performances de GPT-5 ne sont pas établis publiquement. Les éléments évoqués dessinent néanmoins une direction claire : OpenAI veut combiner dans un même système les progrès du raisonnement, de la mémoire, de la multimodalité et des agents.

GPT-5 est attendu cet été, mais son périmètre reste à préciser

Le nom GPT-5 fait immédiatement penser à une rupture comparable au passage de GPT-3.5 à GPT-4. La situation est pourtant différente. Depuis GPT-4, OpenAI a multiplié les variantes et les mises à jour, avec notamment GPT-4o, conçu pour des interactions plus naturelles entre texte, voix et image, puis GPT-4.5. Cette succession rapproche les nouveautés du public au fil de l’eau et rend moins nette la frontière entre deux grandes générations.

Sam Altman, directeur général d’OpenAI, a présenté GPT-5 comme un modèle devant intégrer une forme de raisonnement dite chain-of-thought, ou raisonnement étape par étape. L’ambition ne se limite pas à répondre plus vite ou avec davantage de texte : il s’agit de mieux traiter une demande qui exige de décomposer un problème, de vérifier des contraintes ou d’enchaîner plusieurs décisions.

Les attentes autour de GPT-5 portent aussi sur sa faculté à garder le fil d’une relation avec l’utilisateur, à échanger avec plusieurs types de contenus et à accomplir des actions dans des services numériques. Aucune de ces capacités n’est entièrement nouvelle dans l’industrie. L’enjeu est plutôt leur intégration plus cohérente dans un produit accessible au quotidien.

Que signifie le raisonnement étape par étape ?

Le terme anglais chain-of-thought désigne une manière de résoudre un problème en le découpant en étapes intermédiaires. Pour une personne, cela peut ressembler à la méthode employée pour établir un budget, résoudre un exercice ou préparer un itinéraire : identifier les données utiles, appliquer des règles, comparer des options, puis formuler une réponse.

Pour un modèle de langage, l’intérêt est particulièrement visible lorsque la demande comporte plusieurs contraintes. Par exemple, un utilisateur peut demander de comparer trois offres, en tenant compte d’un plafond de prix, d’une date, d’une option indispensable et d’une préférence personnelle. Une réponse simplement fluide ne suffit pas : il faut organiser les éléments et s’assurer qu’aucune condition n’a été oubliée.

GPT-4.5 n’était pas présenté comme reposant sur cette capacité de raisonnement intégrée de la même manière que celle attendue pour GPT-5. Si l’évolution se confirme, elle pourrait améliorer plusieurs usages :

• la résolution de problèmes logiques ou quantitatifs ;
• l’analyse de documents contenant de nombreuses conditions ;
• la planification de tâches professionnelles ;
• l’assistance au code et au débogage ;
• la comparaison d’options dans un cadre défini par l’utilisateur.

Il convient néanmoins de ne pas confondre raisonnement et vérité. Un système peut présenter une démarche apparemment méthodique tout en partant d’une donnée erronée, en faisant un calcul faux ou en ne disposant pas de l’information la plus récente. Plus l’usage a des conséquences importantes, dans le droit, la santé, les finances ou la sécurité notamment, plus une vérification humaine demeure nécessaire.

Par ailleurs, une meilleure capacité de raisonnement ne signifie pas que l’utilisateur verra forcément toutes les étapes internes produites par le modèle. L’essentiel, pour le grand public, est la qualité de la réponse finale, sa capacité à expliquer ses limites et la possibilité de contrôler les informations sur lesquelles elle s’appuie.

Une mémoire plus durable pour personnaliser l’assistant

L’autre évolution majeure envisagée concerne la mémoire. Dans une conversation classique, un assistant prend en compte le contexte présent dans l’échange : une question posée quelques messages plus tôt, un document partagé ou une contrainte donnée au début de la discussion. Mais cette mémoire de contexte n’est pas la même chose qu’une mémoire à long terme.

Une mémoire persistante vise à retenir certaines préférences d’un utilisateur au-delà d’une seule conversation. Il peut s’agir de sa langue de travail, du niveau de détail qu’il préfère, de son format habituel pour les comptes rendus ou de projets récurrents. GPT-5 est présenté comme devant mieux gérer cette continuité, afin d’anticiper davantage les besoins et d’éviter de répéter les mêmes consignes à chaque session.

Concrètement, un assistant doté d’une telle capacité pourrait savoir qu’un utilisateur souhaite systématiquement des réponses en français, privilégie des tableaux pour comparer des données ou prépare régulièrement des synthèses destinées à un public non spécialiste. L’échange gagnerait en fluidité, à condition que les souvenirs enregistrés soient pertinents et modifiables.

Cette promesse soulève immédiatement une question de contrôle. Une mémoire utile doit pouvoir être consultée, corrigée et supprimée. Elle doit aussi distinguer ce qu’un utilisateur veut conserver de ce qu’il a mentionné ponctuellement. Retenir une préférence rédactionnelle est pratique. Mémoriser sans discernement une information sensible ou devenue obsolète peut, au contraire, dégrader l’expérience et poser des problèmes de confidentialité.

Voix, images et texte : la multimodalité doit devenir plus naturelle

La multimodalité est la capacité d’un système à traiter différents types de contenus. Un assistant multimodal peut, selon les fonctions proposées, comprendre un texte, analyser une image, écouter une question orale et produire une réponse vocale ou écrite. GPT-4o avait déjà marqué une étape importante dans cette direction en rapprochant texte, voix et vision au sein de l’expérience ChatGPT.

GPT-5 devrait approfondir cette approche. L’objectif est de réduire les ruptures entre les formats : l’utilisateur ne devrait plus avoir à choisir mentalement entre un outil de transcription, un outil de lecture d’image, un moteur de recherche visuel ou un chatbot textuel. Il pourrait montrer un document, poser une question à voix haute, apporter une précision écrite, puis demander une synthèse adaptée à son besoin.

Dans la pratique, les bénéfices potentiels concernent aussi bien le grand public que les professionnels. Une personne pourrait demander une explication orale d’un schéma, obtenir une aide pour comprendre le contenu d’un document ou faire reformuler un texte. Un professionnel pourrait plus facilement extraire des informations d’un support de travail, préparer une réunion à partir de notes et de visuels, ou transformer une discussion vocale en plan d’action.

L’expression « conscience de l’environnement » doit cependant être maniée avec précaution. Un modèle peut analyser les éléments qui lui sont transmis, comme une image, une voix ou le contenu d’une page, sans pour autant comprendre le monde comme un humain. Ses réponses dépendent de la qualité des données accessibles, des autorisations accordées et de ses limites techniques.

Des agents capables d’agir dans les logiciels

L’aspect le plus transformateur de GPT-5 pourrait être son orientation agentique. Un agent IA ne se contente pas de suggérer une procédure : il peut, lorsqu’il dispose des outils et autorisations nécessaires, exécuter certaines étapes dans un environnement numérique. Il peut naviguer sur des pages, remplir des champs, rassembler des informations ou enchaîner des actions selon un objectif donné.

OpenAI a déjà esquissé cette voie avec Operator, un système présenté pour interagir avec un navigateur. L’intérêt d’une telle approche est évident pour les tâches répétitives : rechercher des informations, préparer des démarches, organiser des éléments ou manipuler des interfaces qui ne proposent pas forcément d’intégration dédiée.

Dans le cadre de GPT-5, l’enjeu serait d’aller au-delà d’une simple conversation. Au lieu de fournir une liste d’instructions pour accomplir une tâche, l’assistant pourrait prendre en charge une partie du parcours, puis demander une validation avant une action importante. Cette différence est décisive : l’IA passe du rôle de conseiller à celui d’opérateur assisté.

L’autonomie n’est toutefois pas synonyme d’absence de supervision. Un agent peut mal lire une page, choisir une option inadaptée, rencontrer un changement d’interface ou interpréter de travers une demande ambiguë. Les actions irréversibles, les achats, l’envoi de messages, l’accès à des données personnelles ou la modification de documents devraient donc faire l’objet de confirmations explicites.

La sécurité devient également centrale. Donner à un assistant l’accès à un navigateur, à une messagerie ou à des outils professionnels élargit les possibilités, mais aussi la surface de risque. Les utilisateurs devront savoir précisément quels comptes, données et services sont accessibles à l’agent, ainsi que les limites de ses permissions.

Une nouvelle génération, ou une évolution continue ?

Le passage de GPT-3.5 à GPT-4 avait été perçu comme un changement majeur de capacités. La transition vers GPT-5 pourrait être moins spectaculaire dans l’usage immédiat, non parce que l’amélioration serait mineure, mais parce que les progrès sont désormais introduits plus fréquemment.

Cette logique d’itération continue pourrait se traduire par des sous-versions, par exemple GPT-5.1 ou GPT-5.2, plutôt que par l’attente d’un modèle entièrement nouveau tous les plusieurs années. Pour les utilisateurs, l’avantage est d’accéder plus vite à des améliorations. La contrepartie est une lecture plus complexe de l’offre : il devient plus difficile de savoir quel modèle est utilisé, quelles capacités il possède et lesquelles sont réservées à certaines formules.

Pour les entreprises, le nom du modèle importe moins que trois critères concrets : la qualité des résultats, le coût d’utilisation et la stabilité du produit. Une IA très performante mais imprévisible dans ses comportements, difficile à auditer ou trop coûteuse à déployer n’est pas forcément la solution la plus pertinente. GPT-5 sera donc jugé sur des démonstrations réelles, notamment dans la rédaction, l’analyse de données, le développement logiciel et l’automatisation de processus.

Ce qu’il faut surveiller à l’approche du lancement

La compétition est vive autour des grands modèles d’IA. OpenAI évolue face à des acteurs tels que Google avec Gemini, tandis que les grands fournisseurs d’infrastructure, dont AWS, cherchent également à occuper une place importante dans la diffusion de ces technologies. Dans ce contexte, GPT-5 devra démontrer non seulement des gains de performances, mais aussi une expérience suffisamment claire et fiable pour être adoptée durablement.

Plusieurs points mériteront une attention particulière lorsque les détails officiels seront disponibles :

• la disponibilité réelle, avec une date de lancement, les pays concernés et les éventuelles listes d’attente ;
• les modèles d’accès, gratuits ou payants, et les limites d’utilisation associées ;
• la qualité du raisonnement, à évaluer sur des problèmes concrets plutôt que sur de simples démonstrations ;
• les réglages de mémoire, notamment la possibilité de voir, corriger et effacer les informations retenues ;
• les garde-fous des agents, en particulier les validations avant les actions sensibles ;
• la transparence, sur les capacités, les limites et les conditions d’usage du modèle.

La promesse de GPT-5 tient moins à une fonction isolée qu’à l’assemblage de ces briques. Un assistant qui raisonne mieux, retient les préférences utiles, comprend la voix et les images, puis agit avec l’accord de son utilisateur, pourrait modifier en profondeur la relation quotidienne aux logiciels. Cette évolution ne remplacera pas le jugement humain. Elle rendra en revanche la qualité des consignes, la vérification des résultats et la maîtrise des données encore plus importantes.