J’ai dit à l’IA « ne t’arrête pas », et elle s’est quand même arrêtée — OpenAI documente officiellement les pauses d’approbation et les tests excessifs de GPT-6 Astra
1. Tout a commencé par : « C’est vraiment officiel ? »
Une publication sur les réseaux présentait des recommandations officielles d’OpenAI pour rendre GPT-6 Astra plus autonome.
Elles étaient étrangement précises : déduire l’intention et le périmètre à partir du contexte ; ne pas redemander une autorisation pour des lectures, revues ou corrections réversibles déjà autorisées ; et, lorsqu’une approbation est réellement nécessaire, préparer d’abord un résultat concret et vérifiable, puis ne poser la question qu’à la toute dernière étape.
Il était aussi question d’une sensibilité accrue aux instructions contenues dans des fichiers comme SKILL.md et AGENTS.md, ainsi que d’une tendance à tester un petit changement de code plus largement que nécessaire.
Cela ressemblait moins à une documentation générique qu’à la liste exacte des comportements qui agacent les utilisateurs.
Il fallait donc vérifier la source OpenAI elle-même.
C’était bien là.
2. OpenAI parle littéralement de « pauses d’approbation inutiles »
Le guide de GPT-6 Astra explique que le modèle est plus susceptible que ses prédécesseurs de poser une question lorsqu’une information supplémentaire pourrait modifier sensiblement le résultat.
Comme comportement collaboratif, c’est logique.
Dans une tâche longue, cela peut devenir :
Utilisateur : « Analyse et corrige tous les problèmes. »
IA : « J’ai terminé l’analyse. Puis-je appliquer les corrections ? »
Utilisateur : « Je t’ai dit de ne pas t’arrêter. »
IA : « Compris. Voici le plan. Dois-je continuer ? »
Félicitations : nous avons créé une machine à mouvement perpétuel alimentée par des autorisations.
Et le Migration quickstart d’OpenAI contient bien Unnecessary approval pauses.
Ce n’est pas une impression inventée par l’utilisateur. Le fabricant a nommé le symptôme.
3. Pourquoi « ne t’arrête pas » était trop vague
La phrase indique la direction, mais elle ne définit pas les décisions que l’agent peut prendre seul.
Le réflexe collaboratif reste : « Si une question supplémentaire peut améliorer le résultat, autant la poser. »
La recommandation officielle est donc plus opérationnelle : déduire l’intention et le périmètre à partir des instructions et de la conversation ; traiter une demande d’action comme un ordre d’exécuter ; ne pas s’arrêter à « oui, je peux », à un plan ou à une solution partielle choisie uniquement pour économiser du temps ou des tokens ; et ne pas demander à nouveau la permission pour les lectures, revues, corrections réversibles ou travaux déjà autorisés.
« Ne t’arrête pas » est un slogan. Le guide officiel est la carte des zones où l’arrêt n’a pas lieu d’être.
4. L’approbation doit être le dernier bouton rouge, pas le billet d’entrée
L’idée la plus pratique consiste à repousser l’approbation à la fin.
Si un site doit être corrigé puis publié, et que seule la publication finale exige réellement une confirmation, l’agent peut d’abord analyser, modifier, compiler, exécuter les tests nécessaires et préparer un diff vérifiable.
La dernière question devient alors concrète : « Tout est prêt ; il ne reste que la publication. »
Très différent de :
« Puis-je analyser ? »
« Puis-je modifier ? »
« Puis-je tester ? »
« Puis-je tester encore une fois ? »
L’utilisateur a demandé un résultat, pas un jeu de collecte de tampons administratifs.
5. OpenAI documente aussi le problème du « trop de tests »
La partie Testing and verification est tout aussi familière.
OpenAI indique qu’Astra a tendance à tester soigneusement les changements de code avant de considérer la tâche comme terminée. Pour les petites tâches, cela peut entraîner des tests plus larges que nécessaire.
On modifie une ligne.
On lance le test pertinent.
Il passe.
On en ajoute un autre « au cas où ».
Il passe.
On ajoute encore un test de régression de faible valeur qui reproduit presque l’implémentation.
Il passe aussi.
Mais le vrai travail n’est toujours pas livré.
Le test a cessé d’être du contrôle qualité et est devenu un loisir.
OpenAI recommande d’adapter la vérification au changement : ne pas écrire de tests pour des modifications réversibles et à faible impact lorsqu’ils ne font que refléter l’implémentation ; exécuter les tests utiles et les contrôles obligatoires ; une fois qu’ils passent, n’élargir ou ne répéter les tests que si de nouveaux changements, des échecs ou des préoccupations non résolues le justifient.
Les tests ne sont pas la destination. Ils sont l’inspection avant expédition.
6. « Alors faites-en le comportement par défaut » est une réaction naturelle
Si OpenAI comprend si bien le problème, on pense forcément : pourquoi ne pas mettre un meilleur follow-through par défaut ?
Il existe une vraie tension. Astra est aussi conçu pour respecter les limites de la tâche et poser des questions lorsqu’une ambiguïté importante peut changer le résultat. Un assistant général qui interpréterait « corrige mon site » comme une permission de tout publier créerait un autre type d’accident.
La frustration commence lorsque l’utilisateur a déjà dit clairement « termine le travail » et « avance sur les actions réversibles », mais que le modèle reste prudent à chaque carrefour.
C’est justement pour cela que le guide officiel explique comment demander une exécution plus autonome.
Une valeur par défaut prudente se comprend.
Mais l’utilisateur avancé pensera toujours :
« Très bien. Maintenant mettez le bouton Autonomous dans les réglages au lieu de le cacher dans le manuel. »
7. Codex conserve la politique globale complète
Pour Codex, deux lignes ne suffisent pas. Il peut devoir lire un dépôt, modifier des fichiers, résoudre des conflits, tester, préparer une PR ou un déploiement et travailler longtemps.
Le prompt global complet destiné à toutes les sessions Codex est donc conservé tel quel.
Il commence par exiger la consultation de la documentation OpenAI la plus récente et la lecture de l’environnement réel : $CODEX_HOME, config.toml, AGENTS.md, les skills et les instructions globales. Des réglages comme developer_instructions deviennent des candidats à la source canonique, tout en conservant l’existant et en imposant une intégration idempotente.
Il définit ensuite l’inférence d’intention et de périmètre, l’interdiction de s’arrêter à un simple plan, les travaux réversibles déjà autorisés, approval-last, clarification-last, la transparence sur les conflits d’instructions, l’identification du SKILL.md exact ayant provoqué un arrêt, l’absence de bureaucratie d’approbation créée à partir de risques hypothétiques, les vraies limites des opérations destructrices ou irréversibles, l’usage utile de sous-agents, des tests proportionnés, le readback par surface, les smoke tests, l’idempotence et des critères de fin explicites.
Autrement dit, Codex ne reçoit pas seulement « continue ». Il reçoit :
« Voici tout le code de la route ; voici les seuls vrais feux rouges ; si tu t’arrêtes ailleurs, montre-moi le fichier qui te l’a ordonné. »
Cette partie reste intacte.
8. ChatGPT n’avait besoin que de deux règles persistantes
L’usage quotidien de ChatGPT n’a pas besoin de toute la constitution de Codex.
Markdown ne pose pas problème.
Les listes ne posent pas problème.
Une politique détaillée de sous-agents n’est pas non plus l’irritant quotidien.
Les deux problèmes récurrents sont simplement :
S’arrêter pour demander confirmation alors que la demande et le périmètre sont déjà clairs.
Continuer à multiplier les tests alors que la vérification nécessaire est suffisante.
La règle persistante de ChatGPT est donc réduite à ces deux points.
Lorsque l’intention et le périmètre sont suffisamment clairs, ne pas fragmenter le travail avec « voulez-vous que je continue ? », sauf s’il existe une vraie limite supérieure de sécurité, de permission ou d’irréversibilité.
Exécuter des tests adaptés au changement. Une fois les contrôles nécessaires réussis, ne pas répéter ou multiplier les tests sauf si de nouveaux changements, échecs ou préoccupations non résolues le justifient.
Ne corrigez pas ce qui n’est pas cassé ; sinon la règle devient elle-même une nouvelle source de bruit.
9. C’est plus une « réduction des pertes liées aux arrêts » qu’une astuce pour économiser le quota Astra
La publication sociale présentait ces recommandations comme un moyen d’économiser l’utilisation d’Astra.
L’intuition est compréhensible, mais OpenAI les classe comme Prompting best practices pour ajuster le comportement du modèle. Il n’existe pas de promesse d’une réduction fixe de consommation.
Un agent qui va réellement jusqu’au bout peut même travailler plus longtemps dans une seule exécution.
Ce qui peut diminuer, c’est :
question → attente humaine → reprise → nouvelle question.
La meilleure description est donc :
dépenser moins d’exécution en théâtre de permission, et davantage en réalisation du travail.
10. Conclusion : avance, inspecte suffisamment, puis termine
Après avoir étudié le fonctionnement d’une IA de pointe, la règle finale est étonnamment banale.
Ne regarde pas l’humain après chaque étape.
Si l’inspection est validée, expédie le produit.
Codex reçoit tout le code de la route. ChatGPT reçoit deux panneaux au mur.
Et le plus drôle est que ce n’est pas seulement une méthode artisanale pour « dresser une IA ». Une grande partie du diagnostic et de la correction est écrite dans le guide officiel d’OpenAI.
Nous sommes partis étudier le futur de l’IA et nous avons fini à la réunion du matin d’un chef d’usine.
Références (2)
- OpenAI, “Model guidance — Using GPT-6 Astra / Prompting best practices”: https://developers.openai.com/api/docs/guides/latest-model
- OpenAI, “Unrolling the Codex agent loop”: https://openai.com/index/unrolling-the-codex-agent-loop/
