Ethan Mollick voit GPT-5.5 accélérer encore les progrès de l’IA

Accès anticipé Le 23 avril 2026, Ethan Mollick disposait d’un accès anticipé à GPT-5.5. Il décrit GPT-5.5 comme une famille de modèles puissante. Dans son analyse publiée sur One Useful Thing, Mollick estime que cette version indique que les progrès rapides de l’IA ne sont pas terminés. Cette appréciation appartient à l’auteur, qui présente GPT-5.5 comme un signal sur la trajectoire des modèles. OpenAI apparaît parmi les acteurs associés à cette annonce. Le modèle est présenté à travers plusieurs usages, notamment le code, la génération d’images et l’analyse de données. L’article porte ainsi sur des capacités concrètes plutôt que sur une simple nouvelle version numérique.

Une famille de modèles GPT-5.5 est référencé comme une famille de modèles puissants. Ethan Mollick affirme que GPT-5.5 Pro est beaucoup plus rapide que son itération précédente. Cette comparaison repose sur une tâche de programmation exécutée avec deux versions distinctes. GPT-5.5 Pro et GPT-5.4 Pro sont donc les deux références utilisées pour mesurer le temps d’exécution. Mollick met cette différence en avant dans son analyse consacrée à GPT-5.5. Son commentaire porte sur l’amélioration observée entre les deux versions. Le profil de l’auteur sur Substack rassemble également ses publications. La présentation relie vitesse, raisonnement et production de contenus dans une même famille de modèles.

GPT-5.5 accélère une tâche de code

Vingt minutes contre trente-trois GPT-5.5 Pro a terminé une tâche de programmation en 20 minutes. GPT-5.4 Pro a réalisé la même tâche en 33 minutes. L’écart entre les deux durées atteint donc 13 minutes. Ethan Mollick présente GPT-5.5 Pro comme beaucoup plus rapide que la version précédente. Ces mesures concernent une tâche de code précise, et non une moyenne générale de performances. Codex est également présenté comme propulsé par GPT-5.5. Dans un autre usage, Codex a analysé des fichiers de données anonymisés. Il a ensuite généré une hypothèse destinée à un article académique. Ces exemples associent exécution de code, analyse de données et formulation d’une piste de recherche.

Images et texte Le nouveau modèle d’image peut restituer du texte de haute qualité. Il peut aussi créer des images à partir de descriptions. Cette capacité complète les usages de GPT-5.5 décrits par Ethan Mollick. L’ensemble comprend donc une famille de modèles, une version Pro pour une tâche de programmation et Codex pour l’analyse de fichiers anonymisés. Les exemples couvrent plusieurs formats de sortie, dont du code, des images et un document académique. La démonstration ne se limite pas à une réponse conversationnelle. Elle montre également une production structurée à partir de données et de consignes. Les cas présentés sont réunis dans l’analyse originale consacrée à GPT-5.5.

Codex formule une hypothèse académique

Une hypothèse issue des données Codex a utilisé des fichiers de données anonymisés pour analyser un jeu d’informations. Il a ensuite généré une hypothèse pour un article académique. La revue de littérature et les statistiques intégrées à l’article généré ont été déclarées réelles. Ethan Mollick juge le résultat comparable à un projet de doctorat en deuxième année. Cette comparaison constitue une appréciation attribuée à Mollick. Il précise également que le résultat n’est pas parfait. Des préoccupations concernant la causalité ont été mentionnées dans cette présentation. L’exemple illustre donc un processus combinant données, littérature, statistiques et rédaction académique, avec une évaluation humaine du résultat produit par Codex.