LifeVal : OpenAI met ses modèles à l'épreuve du quotidien, mais rédige et corrige l'examen en interne

Le 2 novembre 2026, OpenAI a présenté LifeVal, un benchmark qui mesure dans quelle mesure un modèle sait mener à bien les tâches de la vie privée. L'annonce a été faite sur la page officielle de l'entreprise et dans un post de son compte sur X.

Une précision de méthode valable pour tout le reste de l'article : sauf mention contraire, la construction du benchmark, les scores et les exemples sont repris d'AI Weekly et de CellCog, qui citent la page officielle de LifeVal. Les données présentes dans un seul des deux médias sont signalées.

Le périmètre couvre sept domaines : l'aide aux proches, la santé, l'éducation, la gestion du foyer, les finances personnelles, les achats et les démarches auprès des services publics. Selon CellCog, il ne suffit pas de donner un bon conseil : le modèle doit agir, c'est-à-dire naviguer sur le web, utiliser l'ordinateur et passer par les connecteurs. « Pour que l'AGI profite à toute l'humanité, elle devrait aider les gens dans les tâches quotidiennes qui comptent le plus pour eux », peut-on lire dans le post de l'entreprise sur X, ici dans notre traduction. LifeVal étend à la vie hors du bureau l'approche de GDPval, le benchmark avec lequel OpenAI avait mesuré en 2025 ses modèles sur des tâches professionnelles. Il arrive alors que les grands laboratoires poussent les assistants dits agentiques, et déplace l'étalon de mesure de la qualité de la réponse vers le résultat de l'action.

D'après les deux médias, OpenAI utilise LifeVal en interne depuis environ un an pour suivre et améliorer ses modèles sur ces tâches. La liste des activités provient de trois sources : l'American Time Use Survey du Bureau of Labor Statistics américain, la Multinational Time Use Study et un nouveau sondage auprès de 3 995 personnes sur les domaines où elles aimeraient l'aide d'un assistant, que l'entreprise qualifie de démographiquement représentatif. Selon AI Weekly seulement, une centaine de participants ont aussi noté des tâches précises qu'ils auraient voulu déléguer. « Pour être un assistant personnel vraiment utile, ChatGPT devrait savoir accomplir des actions qui mènent les choses à terme », écrit OpenAI sur la page de LifeVal, selon notre traduction. Les scores moyens publiés passent de 49,3 % pour GPT-5.2 à 73,0 % pour GPT-5.4, puis à 77,4 % pour GPT-5.5, 80,0 % pour GPT-5.6 et 80,6 % pour GPT-6 Astra. Parmi les exemples cités par OpenAI figurent l'inscription à la bonne école maternelle après un déménagement (93,1 %), la gestion des bénévoles avant une inondation (98,0 %), les repas d'un parent qui vient d'apprendre qu'il est diabétique (90,4 %) et un match regardé à distance avec sa grand-mère (96,3 %). AI Weekly attribue ces scores aux meilleures tentatives enregistrées de GPT-6 Astra. CellCog rapporte aussi des tâches où la meilleure tentative enregistrée de GPT-6 Astra a atteint 100 %, comme réserver le contrôle technique de la voiture, commander des courses halal dans un budget donné et se désabonner de listes de diffusion. Rappelons qu'il s'agit de la meilleure tentative, pas de la moyenne.

Bien des zones d'ombre subsistent. Le jeu de tâches n'est pas public, il n'existe pas de classement et aucun modèle d'Anthropic, de Google, de xAI ou de Meta ne figure dans les résultats. Selon AI Weekly, l'évaluation est menée et corrigée par OpenAI avec ses propres systèmes. Dans les sources consultées, l'entreprise n'indique ni le nombre de tâches, ni le critère derrière le reward, ni le nombre de tentatives sur lequel la moyenne est calculée, ni si les épreuves se déroulent sur de vrais sites ou sur des copies de test. On ne sait pas non plus si les 3 995 personnes interrogées étaient des utilisateurs de ChatGPT, puisque le post d'OpenAI évoque des retours recueillis auprès de milliers d'utilisateurs de ChatGPT. Quant aux chiffres, le passage de GPT-5.6 à GPT-6 Astra vaut six dixièmes de point et la courbe semble se stabiliser autour de 80 %. OpenAI n'explique pas si la limite tient aux modèles ou aux tâches. LifeVal pose la bonne question : pas seulement de savoir si l'assistant a bien répondu, mais s'il a vraiment bouclé la démarche. Mais un examen rédigé, passé et corrigé par la même main renseigne davantage sur la direction que sur l'arrivée. Si un jour les tâches devenaient publiques, ou si un modèle concurrent était soumis à la même épreuve, c'est ce chiffre-là qu'il faudrait lire attentivement.

— Olya