Le 2 novembre 2026, CNN a rapporté qu’OpenAI avait annoncé LifeVal, une évaluation interne de tâches du quotidien. Elle porte sur des situations personnelles comme chercher une école maternelle, faire des achats ou organiser des soins. Les résultats publiés sont ceux attribués à l’évaluation d’OpenAI, pas des mesures indépendantes de la capacité des modèles dans toutes les situations.
Pour le contexte sur les capacités d’agent de GPT-6 Astra, NeoTeo a également publié un article consacré au modèle. LifeVal s’intéresse à un autre aspect : la façon dont les modèles accomplissent des tâches personnelles selon des critères définis pour chacune.
Ce que LifeVal évalue
Selon le compte rendu de CNN, LifeVal examine notamment si un modèle sait naviguer sur des sites web, utiliser des éléments de l’historique d’une conversation et adapter ses conclusions aux besoins de la personne. Les exemples cités vont de la recherche d’une école maternelle après un déménagement à la coordination de bénévoles avant une inondation.
CNN rapporte aussi trois scores attribués par OpenAI à GPT-6 Astra pour des tâches précises : 93,1 % pour trouver une école maternelle adaptée après un déménagement, 98 % pour gérer des bénévoles mobilisés face à une inondation et 90,4 % pour préparer un menu destiné à un parent récemment diagnostiqué diabétique.
LifeVal se distingue de GDPVal, l’évaluation antérieure d’OpenAI décrite par CNN, qui porte sur des compétences professionnelles dans des secteurs comme l’industrie manufacturière, l’administration publique, la finance et la vente.
Comment les tâches ont été conçues
CNN rapporte qu’OpenAI a pris en compte l’American Time Use Survey et la Multinational Time Use Survey, deux enquêtes sur l’emploi du temps, avant de solliciter environ 4 000 utilisateurs de ChatGPT. Un groupe plus restreint, d’environ 100 personnes, a proposé des tâches, fourni le contexte personnel utile et défini des critères de réussite.
Les personnes proposant une tâche devaient aussi montrer qu’elles connaissaient le sujet ou comprenaient le résultat attendu. Cette démarche vise à évaluer des demandes concrètes avec des critères liés à leurs usages, plutôt qu’à noter uniquement une réponse générale.
Les scores rapportés pour cinq modèles
La description de la vidéo présente les résultats suivants comme une récompense moyenne non pondérée, avec le niveau d’effort « xhigh » :
| Modèle | Récompense moyenne non pondérée rapportée |
| GPT-5.2 | 49,3 % |
| GPT-5.4 | 73,0 % |
| GPT-5.5 | 77,4 % |
| GPT-5.6 | 80,0 % |
| GPT-6 Astra | 80,6 % |
CNN rapporte séparément 80 % pour les performances générales de GPT-6 Astra et 49,3 % pour GPT-5.2. La description vidéo donne 80,6 % à GPT-6 Astra pour la récompense moyenne non pondérée. Ces chiffres restent des résultats rapportés de l’évaluation d’OpenAI, et non une mesure indépendante de la fiabilité des modèles dans tous les usages quotidiens.
Les scores reflètent la réussite sur des tâches et selon des critères particuliers. Ils ne suffisent pas à établir qu’un modèle saura accomplir de façon fiable n’importe quelle démarche ou tâche personnelle.