GPT-5.4 sait se servir d'un ordinateur : ce que ça change pour vos vieux logiciels
OpenAI a sorti le 5 mars GPT-5.4, capable de piloter un ordinateur par l'écran, la souris et le clavier. Une piste pour les logiciels sans API, avec des limites.
Le 5 mars, OpenAI a publié GPT-5.4 dans ChatGPT, dans son API et dans Codex, son outil pour développeurs. La nouveauté la plus marquante : c'est le premier modèle généraliste d'OpenAI capable d'utiliser un ordinateur comme une personne, en regardant l'écran et en actionnant la souris et le clavier. Pour beaucoup de PME, la promesse est concrète : automatiser enfin des tâches dans des logiciels anciens qui n'offrent aucun moyen de communiquer avec d'autres outils. Elle a aussi des limites qu'il faut connaître avant de s'y lancer.
Ce qu'OpenAI a annoncé
- Le pilotage d'un ordinateur, dans l'API et dans Codex : le modèle reçoit des captures d'écran et renvoie des actions (cliquer ici, taper ce texte, faire défiler). Sur le test OSWorld-Verified, qui mesure la capacité à accomplir des tâches sur un bureau, OpenAI annonce 75,0 % de réussite, contre 47,3 % pour GPT-5.2 et un niveau humain évalué à 72,4 %.
- Le travail de bureau : OpenAI met en avant des progrès sur les tableurs, les documents et les présentations, et a lancé en parallèle un module ChatGPT pour Excel.
- Moins d'erreurs factuelles : selon OpenAI, les affirmations du modèle sont 33 % moins souvent fausses que celles de GPT-5.2, sur des requêtes où les utilisateurs avaient signalé des erreurs.
- La disponibilité : dans ChatGPT, le modèle apparaît comme GPT-5.4 Thinking pour les abonnés Plus, Team et Pro, et remplace GPT-5.2 Thinking. Une version Pro existe pour les tâches les plus exigeantes.
Tous ces chiffres viennent d'OpenAI. Ils indiquent une tendance plus qu'une garantie sur vos propres tâches.
Pourquoi le pilotage d'écran intéresse une PME
Dans beaucoup d'entreprises tourne un logiciel central qu'on ne peut pas remplacer facilement : une gestion commerciale installée il y a quinze ans, le portail d'un donneur d'ordres, le site d'un organisme où il faut ressaisir des informations chaque semaine. Ces outils n'ont pas d'API, c'est-à-dire pas de porte d'entrée prévue pour qu'un autre programme leur parle. Aujourd'hui, la seule façon de faire circuler l'information, c'est une personne qui recopie.
Un modèle qui sait utiliser l'écran peut, en principe, faire cette ressaisie : ouvrir le logiciel, chercher la fiche, remplir les champs, valider. OpenAI cite d'ailleurs un essai sur des milliers de portails administratifs américains. C'est une vraie nouveauté pour les tâches coincées entre deux outils qui ne se parlent pas.
Les limites, honnêtement
Un exemple concret
Prenons une entreprise qui reçoit ses commandes par mail et doit les ressaisir chaque jour dans le portail d'un grand client, faute de connexion entre les deux. Un agent capable d'utiliser l'écran peut lire la commande, ouvrir le portail, remplir le formulaire et s'arrêter juste avant la validation finale. Une personne vérifie la saisie et clique. Le gain ne vient pas de la suppression du contrôle, mais de la suppression de la recopie, qui est la partie longue et source d'erreurs.
Plus lent et plus cher qu'une intégration
Piloter un écran, c'est envoyer une image au modèle à chaque étape, attendre sa décision, recommencer. Pour un volume important, une intégration directe par API, ou même un export de fichier bien fait, reste plus rapide, moins coûteuse et plus fiable. Le pilotage d'écran est la solution quand il n'y en a pas d'autre.
Un quart d'échecs, ce n'est pas rien
75 % de réussite sur un test, c'est remarquable pour une machine, mais cela signifie aussi des échecs. Sur une ressaisie de commandes, une erreur sur quatre serait inacceptable. Tout dépend de la tâche : simple et répétitive, le taux sera meilleur ; avec des exceptions, beaucoup moins.
Ce qui est à l'écran peut tromper le modèle
Un modèle qui lit l'écran lit aussi ce qu'un tiers y a placé : un texte caché dans une page web ou un document peut lui donner des instructions. C'est le même risque d'injection que nous décrivions à propos d'OpenClaw. Plus l'agent a de droits, plus ce risque compte.
Ce qu'on conseille
- Chercher d'abord une vraie intégration : une API, un export, un connecteur. C'est souvent possible, même avec des logiciels anciens.
- Réserver le pilotage d'écran aux tâches sans autre solution, répétitives et faciles à vérifier.
- Isoler l'agent : une session dédiée, un compte aux droits limités, aucun accès à la messagerie ou aux comptes bancaires.
- Valider le résultat avant qu'il compte : l'agent prépare, une personne contrôle et confirme.
- Mesurer sur vos cas réels avant de généraliser.
C'est la philosophie de nos agents IA : ils font une tâche de bout en bout dans vos outils, et vous laissent valider. Nous en parlions le mois dernier à propos d'Opus 4.6 et OpenAI Frontier. Pour savoir si une tâche coincée dans un vieux logiciel peut être automatisée, et comment, prenez rendez-vous.