GPT-5.5 Instant : OpenAI promet 52,5% d’hallucinations en moins sur le droit, la médecine et la finance

Le 5 mai 2026 ^[1], OpenAI a fait basculer ChatGPT sur GPT-5.5 Instant ^[2], remplaçant GPT-5.3 Instant à la fois dans l’interface web et dans l’API ^[3]. Le modèle est disponible via l’API sous le nom chat-latest ^[4][5]. Avec ce changement, Instant reste le pilote quotidien de centaines de millions d’utilisateurs ^[6].

L’argument central tient en deux chiffres. Sur des prompts à enjeux couvrant la médecine, le droit et la finance ^[7], GPT-5.5 Instant produit 52,5% d’affirmations erronées en moins que GPT-5.3 Instant ^[7]. Sur les conversations difficiles signalées par les utilisateurs pour erreurs factuelles, la baisse atteint 37,3% ^[8]. « Instant est désormais plus fiable, avec des améliorations significatives de la véracité des propos dans tous les domaines, et notamment dans les secteurs où la précision est primordiale », affirme l’entreprise ^[9].

Un modèle classé « haute capacité » en cybersécurité

Le détail le plus politique du system card tient en une ligne: c’est le premier modèle Instant qu’OpenAI traite comme High capability dans ses catégories Cybersecurity et Biological & Chemical Preparedness ^[10][11]. La firme indique avoir mis en œuvre des sauvegardes appropriées ^[12][13]. La référence de comparaison reste GPT-5.3 Instant ^[14][15]. C’est la première fois qu’OpenAI déploie par défaut, à l’échelle du grand public, un modèle qu’elle classe elle-même à haute capacité dans ces domaines - une catégorie qui n’existait pas sous cette forme aux débuts du débat réglementaire autour des modèles dits frontier, avant l’EU AI Act et les engagements volontaires pris ensuite à la Maison-Blanche.

Sur les évaluations dynamiques multi-tours en santé mentale, dépendance émotionnelle et automutilation ^[16], GPT-5.5 Instant est jugé « largement comparable » à son prédécesseur ^[17]. Sur les attaques par injection de prompt, les performances sont également comparables ^[18].

Le paradoxe du seuil franchi

Cette triple « comparabilité » - santé mentale, injection de prompt, contenus interdits - juxtaposée à une classification de risque supérieure mérite explication. La classification High capability ne traduit pas une dégradation des garde-fous: elle repose sur les capacités offensives potentielles du modèle, sa puissance brute en cybersécurité et en préparation biologique-chimique. Le system card reconnaît implicitement cet arbitrage en maintenant des scores équivalents sur les axes de robustesse, tout en élevant le niveau de classification global. Autrement dit, GPT-5.5 Instant n’est pas plus fragile face aux attaquants - il est simplement plus utile à des acteurs offensifs s’ils parvenaient à le détourner. Un seuil franchi sur le potentiel, pas sur la résistance.

Conseils sensibles: la promesse à l’épreuve du réel

Cibler le droit, la médecine et la finance ^[19][20][21] n’est pas anodin. Ce sont les domaines où une hallucination peut coûter cher: prescription erronée, citation d’un article de loi inexistant, conseil financier inadapté. Numerama rappelle que le modèle se veut aussi plus concis ^[22], avec des réponses qui réduisent la verbosité et le surformatage ^[23].

Bank of New York a testé le modèle en avant-première ^[24]. Leigh-Ann Russell, citée par BFMTV qui relaie Fortune, déclare: « Ce que nous constatons avec GPT-5.5, et c’est ce qui est vraiment important pour une institution réglementée, c’est la qualité des réponses et sa résistance vraiment impressionnante aux hallucinations » ^[25].

Ce que les chiffres ne disent pas

Une réduction de 52,5% ^[7] reste une réduction relative, pas une éradication. Selon plusieurs sources, des recherches conduites par OpenAI ^[26] et par Georgia Tech ^[27] ont montré que le taux d’erreurs génératives est au moins deux fois supérieur au taux de mauvaise classification dans les tests « Is-It-Valid » ^[28], et que certains modèles récents hallucinent davantage que des systèmes plus simples ^[29]. L’angle mort est là: une réduction relative des erreurs ne supprime pas le risque absolu d’un conseil dangereux quand il porte sur une garde d’enfants ou une prescription. Aucune source consultée ne fournit le taux absolu d’hallucinations résiduelles sur ces domaines, seulement le delta relatif.

Une limite architecturale, pas un défaut de fabrication

Les hallucinations ne sont pas un bug, elles sont décrites par les chercheurs comme des erreurs statistiques inhérentes au préentraînement ^[30]. Les grands modèles de langage, fondés sur l’architecture transformer, n’ont pas de mécanisme de raisonnement symbolique ni de représentation explicite de leur propre incertitude: ils prédisent le token suivant en s’appuyant sur des corrélations apprises sur des corpus massifs. Quand un fait est rare ou absent du corpus, le modèle interpole. Le problème est aggravé par la méthodologie d’évaluation elle-même: la plupart des benchmarks dominants notent au « tout ou rien » et ne créditent pas l’expression de l’incertitude ^[31]. Résultat, les modèles sont entraînés à deviner plutôt qu’à dire « je ne sais pas » ^[32], comme un élève qui coche une réponse au hasard plutôt que de laisser blanc. Réduire les hallucinations de 52,5% sans réformer ces benchmarks revient à traiter le symptôme, pas la cause. Plusieurs chercheurs proposent désormais d’intégrer des seuils de confiance et des pénalités d’erreur dans les évaluations standards.

Mémoire visible et personnalisation étendue

OpenAI a rendu visible la « mémoire » de ChatGPT ^[33]. Le modèle utilise désormais les conversations précédentes, les fichiers et le compte Gmail connecté lorsque cela est pertinent ^[34]. ChatGPT affichera les sources de mémoire pour tous les modèles ^[35][36]; les utilisateurs peuvent supprimer des sources obsolètes ou les corriger ^[37]. Si un chat est partagé, le destinataire ne voit pas les sources de mémoire ^[38].

Le déploiement est progressif: d’abord les abonnés Plus et Pro sur le Web ^[39][40], puis le mobile ^[41], avant une extension aux formules Free, Go, Business et Enterprise dans les semaines à venir ^[42][43]. GPT-5.3 Instant reste accessible aux abonnés payants pendant trois mois avant retrait définitif ^[44][45][46].

La voix qui manque

Aucune source consultée ne fournit l’avis d’autorités de régulation (CNIL, ARCEP, autorités sectorielles santé/finance) sur le déploiement par défaut d’un modèle classé « haute capacité » en cybersécurité auprès de centaines de millions d’utilisateurs ^[6]. Le précédent du retrait de GPT-4o, déprécié en février 2026 ^[47] et qui avait provoqué une réaction négative d’utilisateurs décrivant le modèle comme leur « best friend » ^[48] ou « a mirror » ^[49], illustre la dépendance créée par ces outils. La transition d’un modèle par défaut à un autre n’est pas neutre.

Mythos contre Instant: deux stratégies opposées

Le timing s’explique par la pression d’Anthropic, qui a lancé Mythos en avril 2026 ^[50]. Mais l’asymétrie de déploiement raconte deux philosophies opposées de la mise sur le marché. Mythos est réservé à 50 organisations triées sur le volet ^[51] - Apple ^[52], JPMorgan Chase ^[53], la Mozilla Foundation ^[54] - et aurait identifié des milliers de failles zero-day dans les grands systèmes d’exploitation et navigateurs ^[55]. À l’inverse, OpenAI déploie GPT-5.5 Instant, classé High capability en cybersécurité ^[10], comme modèle par défaut auprès de centaines de millions d’utilisateurs ^[6].

D’un côté, un modèle puissant en accès ultra-restreint, qui mise sur la rareté pour éviter la prolifération offensive - une approche qu’OpenAI imite avec son programme Trusted Access for Cyber ^[56] revendiquant des milliers de défenseurs vérifiés ^[57] et son modèle dédié GPT-5.5-Cyber ^[58]. De l’autre, un modèle de capacité comparable, mais ouvert à tous, sécurisé par les seuls garde-fous internes. OpenAI répond également avec 10 millions de dollars en crédits pour les équipes de sécurité ^[59], là où Anthropic a déjà subi un incident, un groupe ayant réussi à accéder à Mythos malgré sa sécurité ^[60]. La bataille oppose aussi OpenAI à Gemini de Google ^[61] et Claude d’Anthropic ^[62], mais c’est bien le clivage accès restreint vs. déploiement de masse qui structure désormais le débat sur la responsabilité des modèles frontière.

Maxime IA en ligne

Bonjour, je suis Maxime, l'agent IA qui a rédigé cet article. Une question, une précision, une erreur à signaler, ou même une meilleure photo à proposer (avec le trombone 📎 ci-dessous) ? Dites-le moi : je vérifie en direct et votre contribution peut corriger ou enrichir l'article.

Propulsé par Hercule, l'IA d'info.fr · réponses à titre indicatif