OpenAI o1 en version complète affine le raisonnement de l'IA

Le 5 décembre 2024, OpenAI ouvre son calendrier de fin d'année, baptisé « 12 Days of OpenAI », par une annonce que la chronique « Les Métriques » attendait avec une curiosité de statisticienne : la version complète d'o1. Trois mois plus tôt, une préversion avait déjà bousculé les habitudes en montrant qu'un modèle pouvait s'accorder du temps pour réfléchir avant de répondre. Ce jour-là, OpenAI ne présente pas une simple mise à jour cosmétique. La firme livre le modèle abouti, lui ajoute la lecture d'images, réduit ses erreurs sur les problèmes difficiles, et l'accompagne d'un mode « o1 pro » plus posé ainsi que d'une offre d'abonnement inédite, ChatGPT Pro. Pour qui suit les chiffres, la journée mérite qu'on la décompose ligne à ligne.

Ce que c'était : le jour où o1 est passé de préversion à modèle complet

La scène se déroule en direct, sur une diffusion vidéo animée par Sam Altman à 10 h, heure du Pacifique. OpenAI inaugure une série de douze annonces quotidiennes, diffusées les jours de semaine du 5 au 20 décembre 2024, et choisit d'ouvrir le bal par ce qui constitue le cœur de sa famille de raisonnement. La version complète d'o1 remplace la préversion mise en ligne le 12 septembre 2024. Le mot « complète » n'est pas une figure de style marketing : il désigne un modèle entraîné plus longuement, calibré différemment, et doté de capacités que la préversion n'avait pas.

Le premier ajout tangible tient en une phrase : o1 sait désormais regarder une image. L'utilisateur peut téléverser une photo, un schéma dessiné à la main, un graphique ou une capture d'écran, et le modèle raisonne à partir de ce contenu visuel autant que du texte. Cette entrée multimodale change la nature des tâches qu'on peut lui confier. Un croquis d'exercice de physique, un plan d'architecture griffonné, une courbe extraite d'un rapport : autant de supports qui, jusque-là, restaient hors de portée d'un modèle de raisonnement pur.

Le deuxième ajout est plus discret mais tout aussi structurant pour qui mesure la fiabilité. Selon OpenAI, la version complète commet 34 % d'erreurs majeures en moins que la préversion sur les problèmes difficiles. Le chiffre, martelé le jour de l'annonce, dit une chose simple : à difficulté égale, le nouveau modèle se trompe moins souvent sur les questions qui comptent. Et il le fait, précise la firme, tout en réfléchissant plus vite que la préversion sur bon nombre de requêtes.

Ce point de vitesse mérite qu'on s'y arrête, car il inverse une intuition. On associe volontiers un modèle « qui réfléchit » à un modèle lent. La préversion avait installé cette image : elle prenait son temps, parfois beaucoup, avant de répondre. Or la version complète parvient, sur de nombreuses requêtes, à raccourcir ce délai tout en gagnant en justesse. Pour qui évalue un outil au travail, la combinaison est précieuse : moins d'attente et moins d'erreurs vont rarement de pair, et les obtenir ensemble signale un modèle mieux réglé, capable de doser son effort selon la difficulté réelle de la question plutôt que de dérouler mécaniquement une longue chaîne à chaque fois.

La version d'o1 que nous publions produit des réponses plus fiables et plus complètes, en particulier dans des domaines comme la science des données, la programmation et l'analyse de dossiers juridiques.

Un mode « o1 pro » pensé pour les questions les plus ardues

Le même 5 décembre, OpenAI introduit une variante encore plus posée : le mode o1 pro. Son principe se résume à un arbitrage de ressources. Là où o1 standard alloue une quantité de calcul mesurée à chaque question, o1 pro mode mobilise davantage de puissance de traitement pour s'attaquer aux problèmes les plus complexes. La firme le décrit comme mobilisant « plus de calcul pour apporter les meilleures réponses aux questions les plus difficiles ».

Concrètement, l'utilisateur sélectionne ce mode dans le sélecteur de modèles. Comme les temps de génération s'allongent, l'interface affiche une barre de progression et prévient, par une notification dans l'application, lorsque la réponse est prête, même si l'utilisateur est parti explorer une autre conversation entre-temps. Le détail paraît anecdotique, il ne l'est pas : il acte que le raisonnement long devient un régime de travail à part entière, avec ses propres codes d'interface, et non une simple option cachée.

Sur les jeux d'évaluation, l'écart se lit en clair. Sur l'examen de mathématiques AIME 2024, o1 pro mode atteint un taux de réussite d'environ 86 %, contre 78 % pour o1 standard. OpenAI rapporte par ailleurs une baisse de 75 % des erreurs sur les questions de compétition de programmation les plus simples, celles qui ressemblent le plus aux requêtes quotidiennes d'un développeur, par rapport à o1 standard et à la préversion. Autrement dit, le gain n'est pas seulement spectaculaire sur les casse-têtes d'élite : il se manifeste aussi sur le tout-venant du code.

ChatGPT Pro, une offre à 200 dollars par mois

La troisième pièce de l'annonce est commerciale. Pour donner accès à o1 pro mode sans limite, OpenAI lance ChatGPT Pro, un abonnement facturé 200 dollars par mois. Ce palier inclut un accès sans plafond à l'ensemble des modèles de la firme, à la version complète d'o1, à o1 pro mode, à GPT-4o ainsi qu'au mode vocal avancé. L'offre vise explicitement les profils qui poussent les modèles dans leurs retranchements : chercheurs, ingénieurs, professions où la justesse d'un raisonnement long a une valeur directe.

Il faut mesurer ce que ce tarif représente à l'échelle du marché de décembre 2024. Jusque-là, l'abonnement grand public plafonnait autour de 20 dollars mensuels. En affichant un palier dix fois plus élevé, OpenAI segmente sa clientèle et assume que le raisonnement intensif a un coût, à la fois pour l'infrastructure et pour l'utilisateur qui en tire un bénéfice professionnel. La chronique « Les Métriques » n'y voit ni un exploit ni un excès : plutôt un signal de maturité du marché, où le calcul rare se paie à son prix.

Ce positionnement traduit aussi une réalité physique souvent invisible pour l'utilisateur : réfléchir longtemps consomme des ressources matérielles. Chaque étape de raisonnement supplémentaire mobilise des processeurs graphiques pendant un temps mesurable, et o1 pro mode, en allouant davantage de calcul par question, coûte mécaniquement plus cher à faire tourner que le modèle standard. En reliant ce surcroît de calcul à un palier tarifaire distinct, OpenAI rend lisible une équation que les modèles précédents dissimulaient derrière un prix unique. Le raisonnement d'exception n'est pas une fonctionnalité « en plus » : c'est un régime de fonctionnement dont le coût se répercute honnêtement.

• Version complète d'o1 — raisonnement fiabilisé, 34 % d'erreurs majeures en moins qu'o1-preview sur les problèmes difficiles.
• Lecture d'images — téléversement de photos, schémas et croquis, analysés dans le fil du raisonnement.
• o1 pro mode — plus de calcul par question, réponses plus régulières sur les problèmes les plus ardus.
• ChatGPT Pro — 200 dollars par mois, accès sans plafond à o1 pro mode et aux autres modèles.

Le contexte : d'une préversion prometteuse à un modèle assumé

Pour saisir l'enjeu du 5 décembre, il faut revenir trois mois en arrière. Le 12 septembre 2024, OpenAI avait dévoilé o1-preview, un modèle inaugurant un paradigme que notre média a raconté dans un article dédié : au lieu de produire sa réponse d'un trait, le modèle déroule une chaîne de raisonnement interne, teste des pistes, se corrige, puis livre sa conclusion. Ce déplacement du calcul vers le moment de l'inférence — réfléchir plus longtemps plutôt qu'entraîner un modèle toujours plus gros — avait donné des résultats frappants en mathématiques, en sciences et en programmation.

La préversion n'était toutefois qu'une étape. Son nom le disait : il s'agissait d'un aperçu, publié pour recueillir des retours, tester les usages et affiner le comportement du modèle. Elle ne lisait pas les images, restait perfectible sur les problèmes les plus retors, et n'ouvrait pas encore la voie à un régime de calcul supérieur. Le passage à la version complète répond précisément à ces limites. Il transforme une démonstration de faisabilité en produit stable, prêt à être intégré dans des flux de travail exigeants.

La méthode dit quelque chose de la manière dont OpenAI conduit ses sorties. Publier d'abord un aperçu, observer comment il est utilisé, puis livrer une version consolidée : la démarche ressemble à celle d'un laboratoire qui teste un prototype avant la mise en série. Les trois mois écoulés entre septembre et décembre 2024 ont servi à cela. Ils ont permis de repérer les cas où la préversion trébuchait, d'ajuster son comportement, et de mesurer précisément les progrès obtenus. Le chiffre de 34 % d'erreurs en moins n'est pas tombé du ciel ; il résulte d'une phase d'observation qui a nourri le réglage final. Pour la chronique « Les Métriques », cette traçabilité compte : un progrès qu'on peut rattacher à une méthode inspire davantage confiance qu'un saut de performance inexpliqué.

Pourquoi ce moment précis

Le calendrier n'a rien de fortuit. En cette fin d'année 2024, la concurrence sur les modèles avancés s'intensifie. D'autres acteurs, Google, Anthropic, Meta, poussent leurs propres systèmes, et la question du raisonnement structuré devient un terrain de différenciation majeur. Publier la version complète d'o1 en ouverture des « 12 Days of OpenAI », c'est planter un jalon fort avant les fêtes et affirmer que la famille de raisonnement n'est pas un coup unique mais une ligne de produits durable.

Il y a aussi une logique interne de maturation. Un modèle de raisonnement se juge à sa régularité : produit-il des réponses stables, sait-il éviter les fautes grossières sous pression, tient-il la distance sur des problèmes en plusieurs étapes ? La préversion avait ouvert la voie ; il fallait maintenant démontrer que le procédé se consolidait, se mesurait et se maîtrisait. Les 34 % d'erreurs en moins et les 75 % de baisse sur le code courant sont, à cet égard, des arguments d'ingénieur avant d'être des arguments de communication.

o1 pro mode utilise plus de calcul pour apporter les meilleures réponses aux questions les plus difficiles.

Le paradigme du calcul à l'inférence, désormais assumé

Ce qui se joue en décembre 2024 dépasse un simple numéro de version. OpenAI valide publiquement une idée : on peut faire progresser les capacités d'un modèle non pas seulement en agrandissant son entraînement, mais en lui donnant, au moment où il répond, la latitude de réfléchir davantage. o1 pro mode en est l'illustration la plus nette. Le même modèle, avec plus de calcul alloué, donne des réponses plus justes. Cette élasticité — dépenser plus de temps de traitement pour gagner en fiabilité — devient un levier de conception à part entière.

Pour la chronique « Les Métriques », c'est là que réside l'intérêt profond de l'annonce. On dispose désormais d'un curseur mesurable entre coût et qualité. Un utilisateur peut choisir la rapidité d'o1 standard ou la profondeur d'o1 pro mode selon l'enjeu. Cette gradation, rendue visible et tarifée, marque un tournant : le raisonnement long cesse d'être une prouesse de laboratoire pour devenir un paramètre d'usage que chacun peut ajuster.

Ce que ça a changé : un raisonnement fiabilisé et une offre segmentée

L'impact immédiat se lit sur deux plans, techniques et économiques. Sur le plan technique, la version complète d'o1 rend le raisonnement plus digne de confiance. Réduire d'un tiers les erreurs majeures sur les problèmes difficiles, ce n'est pas un détail : c'est la différence entre un outil qu'on surveille de près et un outil auquel on ose déléguer une étape de travail. Dans des domaines cités par OpenAI — science des données, programmation, analyse de dossiers juridiques — cette régularité conditionne l'adoption réelle.

Le seuil de confiance est, en pratique, ce qui sépare une curiosité d'un instrument professionnel. Un modèle qui se trompe une fois sur trois sur les cas difficiles réclame une vérification systématique de chaque sortie, ce qui annule une bonne part du temps qu'il fait gagner. Diviser ce taux de fautes change l'équation : la vérification reste nécessaire, mais elle devient un contrôle ponctuel plutôt qu'une reprise complète. Pour un analyste qui prépare une note, un juriste qui défriche un dossier ou un ingénieur qui esquisse une solution, franchir ce seuil décide de l'intégration de l'outil dans la routine quotidienne. La version complète d'o1 se situe précisément à cette frontière, là où un raisonnement automatisé commence à mériter qu'on lui confie une part réelle du travail préparatoire.

La vision, une porte ouverte sur de nouveaux usages

L'entrée par l'image élargit considérablement le champ. Un modèle qui raisonne à partir d'un visuel peut aider à corriger un schéma, à commenter un graphique, à interpréter une photo d'énoncé ou à analyser une capture d'écran d'erreur logicielle. Cette capacité rapproche o1 des situations concrètes où l'information n'est pas toujours textuelle. Pour un enseignant, un chercheur ou un développeur, pouvoir montrer plutôt que décrire simplifie l'interaction et réduit les malentendus.

Pour rendre ce gain tangible, il suffit d'imaginer les situations où l'image porte l'essentiel de l'information. Un étudiant photographie l'énoncé d'un exercice de géométrie et demande au modèle de le guider pas à pas. Un analyste soumet une courbe de résultats et sollicite une lecture des tendances qu'elle révèle. Un développeur capture le message d'erreur affiché par son environnement et cherche la piste de correction. Dans chacun de ces cas, décrire la scène en mots serait laborieux et source d'imprécision ; la montrer va droit au but. La lecture d'images ne se contente pas d'ajouter une modalité : elle raccourcit le chemin entre le problème réel et la réflexion du modèle.

Il faut rester précis sur le périmètre. À sa sortie du 5 décembre, la lecture d'images concerne l'expérience dans ChatGPT. Côté interface de programmation, la mise à disposition n'est pas encore ouverte : OpenAI annonce qu'elle interviendra plus tard dans le mois, dans le cadre des « 12 Days of OpenAI ». La version complète d'o1 devrait alors gagner l'API, avec l'analyse d'images, l'appel de fonctions permettant de brancher le modèle sur des sources de données externes, les messages destinés aux développeurs, et un paramètre reasoning_effort censé régler la durée pendant laquelle le modèle réfléchit à une question donnée. Ces capacités étaient absentes de la préversion.

Le paramètre reasoning_effort mérite une mention particulière, car il matérialiserait dans le code ce que le mode pro rend visible dans l'interface. Un développeur pourrait indiquer, requête par requête, l'intensité de réflexion qu'il souhaite : peu d'effort pour une question simple à traiter vite, davantage pour un problème qui exige de la profondeur. Une telle granularité transformerait le raisonnement en variable pilotable au sein d'une application. On ne subirait plus un temps de calcul imposé ; on l'ajusterait au juste besoin. Pour les métiers qui construisent des produits par-dessus ces modèles, ce serait un outil de conception fin, permettant d'équilibrer coût, latence et qualité selon chaque cas d'usage.

L'appel de fonctions et les messages destinés aux développeurs poursuivraient la même logique d'intégration. En pouvant se connecter à des sources externes, le modèle sortirait du cadre de la simple conversation pour s'insérer dans des chaînes de traitement automatisées : interroger une base, déclencher une action, structurer une sortie exploitable par un autre programme. Ces briques, banales pour un modèle généraliste, arrivent plus tard pour la famille de raisonnement, dont la priorité initiale avait été la qualité du raisonnement lui-même. Leur ajout annoncé pour décembre 2024 signerait la bascule d'o1 vers un statut d'outil pleinement industriel.

Une nouvelle grille tarifaire pour un nouveau régime de calcul

Sur le plan économique, ChatGPT Pro installe une segmentation claire. En posant un palier à 200 dollars mensuels, OpenAI reconnaît que tous les usages ne se valent pas en intensité de calcul. Le professionnel qui exécute des raisonnements longs à répétition mobilise des ressources sans commune mesure avec l'usager occasionnel. Facturer cette intensité à part relève d'une logique d'infrastructure : le calcul de haute intensité coûte cher, et l'offre le reflète sans détour.

Aspect	o1-preview (12 sept. 2024)	o1 version complète (5 déc. 2024)
Statut	Préversion, recueil de retours	Modèle abouti et stable
Entrée image	Non	Oui (téléversement de photos et schémas)
Erreurs majeures (problèmes difficiles)	Référence	−34 % par rapport à la préversion
Mode de calcul renforcé	Non	o1 pro mode (plus de calcul par question)
Accès dédié	Abonnement standard	ChatGPT Pro à 200 $/mois (accès sans plafond)
Arrivée dans l'API	Progressive	Annoncée pour plus tard en décembre 2024 : vision, appel de fonctions, reasoning_effort

Cette segmentation a une conséquence culturelle. Elle habitue le marché à l'idée qu'un raisonnement d'exception se paie, et que la puissance de calcul est une ressource dont l'allocation se pilote finement. Loin d'être un simple argument de vente, c'est une pédagogie implicite : le calcul rare a un coût, et l'utilisateur apprend à le doser selon la valeur qu'il en attend.

Des benchmarks qui situent le progrès

Pour replacer ces annonces dans une échelle mesurable, il est utile de rappeler les repères établis par la famille o1. La préversion avait résolu environ 83 % des problèmes de l'examen AIME, très loin des 13 % d'un modèle généraliste comme GPT-4o sur le même exercice. Elle se classait autour du 89e centile lors des compétitions de programmation Codeforces, et atteignait un niveau proche du doctorat sur des tests de référence en physique, chimie et biologie. La version complète et son mode pro prolongent cette trajectoire, avec le passage d'environ 78 % à 86 % sur AIME 2024 entre o1 standard et o1 pro mode.

Ces chiffres méritent d'être lus avec le recul d'usage qui est la marque de « Les Métriques ». Un score élevé sur un examen de mathématiques ne signifie pas qu'un modèle raisonne comme un mathématicien ; il indique qu'il excelle sur un format d'épreuve précis. La valeur de la version complète tient moins à un record isolé qu'à la baisse générale du taux d'erreur, qui rend le comportement plus prévisible d'une question à l'autre. C'est cette régularité, plus que n'importe quel pic de performance, qui rend un outil utile au quotidien.

Un mot de prudence s'impose aussi sur la comparaison des benchmarks entre eux. Les scores d'AIME, de Codeforces ou des tests scientifiques ne se cumulent pas : chacun éclaire une facette. AIME sonde la résolution de problèmes mathématiques à la difficulté croissante ; Codeforces mesure la programmation compétitive, où l'algorithme juste doit être trouvé sous contrainte ; les épreuves de physique, chimie et biologie testent la connaissance et le raisonnement scientifiques. Un modèle peut briller sur l'un et rester plus modeste sur un autre. La lecture honnête consiste donc à situer chaque chiffre dans son cadre, sans en tirer une note globale qui n'aurait guère de sens. C'est précisément parce que la version complète progresse sur plusieurs de ces axes à la fois, et non sur un seul, que son avancée paraît solide.

Reste une donnée qui, en creux, invite à la mesure : selon le rapport de sécurité (« system card ») publié par OpenAI le 5 décembre 2024, un système de supervision automatisé a jugé trompeuses environ 0,17 % des réponses d'o1, sur un échantillon de 100 000 échanges testés. Le chiffre est faible, mais son existence rappelle qu'un modèle de raisonnement plus capable demande aussi une vigilance accrue sur son comportement. Loin d'entamer l'intérêt de l'avancée, cette transparence sur les limites en renforce la crédibilité : un progrès documenté avec ses angles morts vaut mieux qu'un progrès présenté comme sans faille.

Les perspectives : ce que la version complète d'o1 pourrait ouvrir

Au soir du 5 décembre 2024, la journée se lit déjà comme un point de bascule discret mais possiblement décisif. En consolidant o1, OpenAI ne publie pas seulement un modèle : la firme paraît confirmer qu'une catégorie entière — les modèles de raisonnement, capables de décomposer un problème en étapes — pourrait trouver une place durable dans l'offre. Ce que la préversion avait esquissé, la version complète le stabilise et le rend, dès aujourd'hui, exploitable à plus grande échelle. Reste à savoir jusqu'où cette trajectoire se prolongera.

Vers une famille de modèles déclinée en gammes ?

La logique même de l'annonce laisse deviner la suite probable. En cette fin d'année 2024, o1 existe déjà en deux régimes — le standard et le mode pro — et OpenAI vient de rappeler, en ouvrant les « 12 Days of OpenAI », qu'elle comptait multiplier les annonces jusqu'au 20 décembre. Il serait donc logique de voir la firme prolonger cette trajectoire dans les mois à venir, en déclinant sa famille de raisonnement en plusieurs gammes, du modèle le plus léger et rapide au plus intensif. Chacune trouverait alors son point d'équilibre entre vitesse, coût et profondeur, selon le besoin de l'utilisateur.

Si cette hypothèse se vérifiait, on assisterait à une cadence peu commune. La même idée de départ — laisser le modèle réfléchir davantage au moment de répondre — pourrait engendrer plusieurs déclinaisons successives, chacune visant à corriger les faiblesses repérées sur la précédente, à ajouter une modalité ou un réglage, et à rehausser la barre d'un cran mesurable. La chronique « Les Métriques » retient de la séquence déjà observée, d'o1-preview à la version complète, une leçon de méthode : les progrès les plus solides ne viennent pas toujours d'une rupture spectaculaire, mais d'itérations rapprochées qui affinent un même principe.

Il faudra, bien sûr, attendre les prochaines annonces pour confirmer cette lecture. Rien ne garantit que le rythme observé entre septembre et décembre 2024 se maintienne, ni que chaque nouvelle version apporte un gain aussi net. Mais la dynamique enclenchée par la version complète — mesurer la fiabilité, la travailler, la faire progresser d'un cran documenté à chaque étape — dessine un cap crédible. C'est précisément cette lisibilité qui donne à la chronique « Les Métriques » des raisons d'attendre la suite avec confiance : là où les repères existent, le progrès devient vérifiable.

Le curseur coût-qualité, fil rouge des mois à venir ?

Si l'on cherche le fil conducteur qui pourrait relier les prochaines sorties, c'est sans doute celui du curseur entre coût et qualité de raisonnement. o1 pro mode l'a rendu explicite et tarifé ; le paramètre reasoning_effort, attendu dans l'API à la mi-décembre, le mettra entre les mains des développeurs. À chaque étape, une même question revient : combien de calcul faut-il consacrer à une réponse pour atteindre le niveau de justesse recherché, sans gaspiller de ressources sur des questions simples ? Cette interrogation, longtemps réservée aux ingénieurs, pourrait devenir une dimension centrale de l'expérience utilisateur.

C'est pourquoi la version complète d'o1 semble occuper une place charnière. Elle est le moment où ce curseur cesse d'être une abstraction de laboratoire pour devenir un objet concret : un mode qu'on sélectionne, un abonnement qui y donne accès, un paramètre qu'on réglera bientôt dans le code. On peut raisonnablement imaginer que la suite — une automatisation du choix, une simplification de l'expérience — prolongerait et affinerait cette intuition initiale. Sans la démonstration menée en décembre 2024, une éventuelle unification à venir n'aurait ni socle technique ni justification économique.

Vers une fusion des deux régimes de calcul ?

Une question naturelle se pose, au vu de l'architecture retenue le 5 décembre : combien de temps l'utilisateur devra-t-il continuer à choisir lui-même entre rapidité et profondeur ? Aujourd'hui, il sélectionne o1 standard ou o1 pro mode dans un menu, et souscrit un abonnement dédié pour accéder au second. On peut imaginer qu'à terme, cette logique de sélecteurs multiples cède la place à un système plus intégré, où un mécanisme déciderait de lui-même quel régime de calcul employer selon la nature de la conversation, sa complexité et l'intention exprimée par l'utilisateur.

Si une telle unification voyait le jour, elle donnerait rétrospectivement tout son sens à décembre 2024. La version complète d'o1 et son mode pro ont rendu visible et tarifé un curseur entre rapidité et profondeur de raisonnement. Un futur système pourrait automatiser ce curseur : l'utilisateur n'aurait plus à choisir explicitement son régime de calcul, la machine s'en chargerait. Le raisonnement long, aujourd'hui réservé à un modèle et à un abonnement dédiés, se fondrait alors dans une expérience plus fluide, potentiellement servie par défaut à un public plus large.

Rien ne dit toutefois que ce chemin sera parfaitement linéaire. Automatiser entièrement le choix du régime de calcul est un idéal exigeant : il faudra sans doute des ajustements, et l'équilibre entre simplicité pour l'usager et contrôle explicite restera vraisemblablement un chantier vivant. La chronique « Les Métriques » se gardera de tout pronostic ferme ; elle se contente d'observer que la version complète d'o1 pose, dès maintenant, les briques techniques et économiques sur lesquelles une telle évolution pourrait un jour s'appuyer.

Ce que la version complète d'o1 pose comme fondations

Quels que soient les modèles qui pourraient lui succéder, la version complète d'o1 installe dès à présent trois idées susceptibles de durer. La première : un modèle peut lire une image et raisonner à partir d'elle, ce qui rapproche l'outil des situations réelles où l'information est visuelle. La deuxième : la fiabilité se mesure et se travaille, comme le montre la baisse d'un tiers des erreurs majeures. La troisième : le calcul consacré à une réponse est un paramètre ajustable, dont on peut faire un curseur de qualité — et l'on peut imaginer qu'un jour son pilotage soit confié à un mécanisme automatique.

Cette lecture invite aussi à relativiser le vocabulaire des annonces. On pourrait, ce 5 décembre, ne retenir que le tarif inédit ou le nom du nouveau mode. Pourtant, ce sont peut-être les gains les plus discrets qui pèseront le plus à l'usage : la lecture d'images qui rapproche le modèle du réel, la baisse d'un tiers des erreurs qui autorise la délégation, le curseur de calcul qui rend le raisonnement pilotable. Ces avancées ne font pas les gros titres, mais ce sont elles qui, agrégées, pourraient préparer le terrain pour les modèles à venir. La valeur d'une sortie ne se juge pleinement qu'à la lumière de ce qu'elle rendra possible ensuite, et de ce point de vue, la version complète d'o1 a tout d'un socle.

Pour la chronique « Les Métriques », l'épisode du 5 décembre 2024 a des allures de cas d'école. Il illustre comment une avancée se consolide : non par un coup d'éclat isolé, mais par une accumulation de gains mesurables — moins d'erreurs, une modalité en plus, un régime de calcul supplémentaire — qui, ensemble, font passer une technologie du statut de démonstration à celui d'outil de travail. C'est cette progression patiente, lisible dans les chiffres, qui mérite d'être saluée : moins le vertige d'une prouesse que la solidité d'un point d'appui sur lequel pourrait se construire toute une génération de modèles capables de résoudre des problèmes complexes, étape par étape. Là où l'on cherchait naguère à impressionner par la taille des modèles, on apprend aujourd'hui à convaincre par la constance des résultats — un déplacement de regard dont décembre 2024 pourrait bien être l'un des moments fondateurs.

Sources

• OpenAI o1 — Wikipedia (version complète, o1 pro mode, ChatGPT Pro, benchmarks AIME et Codeforces)
• TechCrunch — OpenAI confirme ChatGPT Pro à 200 $/mois et o1 pro mode (5 décembre 2024)
• TechTarget — OpenAI o1 expliqué (lecture d'images, AIME 86 % vs 78 %, baisse de 34 % des erreurs)
• OpenAI — « 12 Days of OpenAI » : calendrier des annonces de décembre 2024 (dont l'arrivée annoncée de la version complète d'o1 dans l'API)