Basis accélère le classeur fiscal 2x avec GPT-6 Astra
GPT-6 Astra a terminé un classeur fiscal de 50 onglets deux fois plus vite que GPT-5.6 Sol, et sa meilleure compréhension de l'intention de l'utilisateur donne à Basis plus de confiance pour une utilisation réelle.
Contexte
OpenAI a dévoilé les performances de GPT-6 Astra dans un scénario fiscal. Basis a traité un classeur de 50 onglets deux fois plus vite qu'avec GPT-5.6 Sol. Le classeur incluait consolidation multi-entités, ajustements transfrontaliers et impôts différés, tâches prenant normalement des heures, achevées en minutes. Basis a noté une meilleure compréhension de l'intention utilisateur, réduisant interventions et erreurs.
Ce gain de vitesse s'est accompagné d'une précision maintenue, le modèle gérant les dépendances inter-feuilles où un ajustement du compte de résultat impacte le bilan et les flux de trésorerie selon les normes comptables.
Analyse approfondie
Cette avancée repose sur l'architecture de raisonnement de GPT-6 Astra. Contrairement à GPT-5.6 Sol, Astra utilise un apprentissage par renforcement avec chaîne de pensée profonde, décomposant les tâches, vérifiant les résultats intermédiaires et corrigeant les erreurs. Il maintient la cohérence des données entre onglets via une mémoire de travail et une fenêtre de contexte étendue.
Astra utilise aussi des outils de manière autonome, invoquant des fonctions de tableur et générant des scripts pour calculs non standard, réduisant les erreurs de format. Ce paradigme de raisonnement structuré est crucial pour les services professionnels, réduisant la fragilité dans les environnements fiscaux et d'audit.
Impact sur l'industrie
Pour Basis, ces gains d'efficacité offrent un avantage concurrentiel. Le secteur fiscal fait face à des pressions temporelles et une pénurie de talents, surtout en période de déclaration. Astra permet aux professionnels de se concentrer sur la planification à haute valeur, tandis que le modèle assemble les classeurs. Cela pourrait faire évoluer la facturation horaire vers une tarification forfaitaire.
Les implications dépassent Basis. Comptabilité, audit et due diligence juridique, dépendants de documents complexes, pourraient en bénéficier. KPMG et PwC ont exploré l'IA générative, mais les limites de raisonnement et les hallucinations les confinaient à des tâches auxiliaires. La fiabilité d'Astra pourrait accélérer l'intégration dans les systèmes centraux, mettant la pression sur Anthropic et Google DeepMind. Les petits cabinets pourraient accéder à une automatisation jusqu'ici réservée aux grands groupes, déclenchant une consolidation.
Perspectives
Plusieurs signaux sont à surveiller. OpenAI pourrait publier des variantes sectorielles pour la fiscalité, l'audit ou le juridique, influençant la pénétration du marché. La réglementation exigera explicabilité et pistes d'audit, car les classeurs fiscaux engagent la responsabilité juridique. OpenAI devra fournir des enregistrements de raisonnement transparents.
Les données de ROI des premiers adoptants comme Basis dicteront le rythme d'adoption. Une réduction de 30 % des coûts de main-d'œuvre et une baisse des erreurs déclencheraient des achats massifs. Microsoft pourrait intégrer ces capacités dans Excel et Dynamics 365, créant un verrouillage, tandis que l'open-source proposera des alternatives moins chères, forçant les modèles commerciaux à baisser leurs prix. La performance d'Astra signale l'entrée des modèles de raisonnement dans les flux de travail intellectuels, avec des effets bien au-delà de ce cas.