# GPT-5 éblouit avec son choix de modèles autonomes

> GPT-5 sélectionne automatiquement ses modèles, produit des livrables complets et construit une application 3D à partir de consignes très vagues.

Type : Actualité IA · Catégorie : Outils · Publié le 2026-08-14 · Signal IA - Order & Chaos
Source : https://www.orderchaos.eu/signal-ia/actu/gpt-5-selectionne-automatiquement-ses-modeles-et-genere-des-idees
Tags : gpt-5, openai, ethan mollick, agents ia, vibecoding, chatgpt, raisonnement

---

## En résumé

- GPT-5 choisit automatiquement le modèle et le niveau de raisonnement adaptés, avec une sélection qui peut rester imprévisible.
- Le modèle transforme une demande de start-up en idées, contenus marketing, documents, éléments financiers et plans de recherche.
- Une consigne vague a permis de générer une application 3D fonctionnelle.

**Le signal :** À partir d’une seule consigne, GPT-5 a généré en quelques minutes un constructeur de ville 3D.

## GPT-5 choisit son modèle automatiquement

Dans un article publié le 7 août 2025, Ethan Mollick décrit ses premiers essais avec GPT-5, auquel il a eu un accès anticipé. Sa conclusion est nette: « oui, c’est important ». Pour l’illustrer, il a collé dans ChatGPT son introduction accompagnée d’une seule consigne demandant à GPT-5 de faire quelque chose de spectaculaire. Après 24 secondes de réflexion, le modèle a produit un paragraphe respectant plusieurs contraintes simultanées: le premier mot de chaque phrase formait « This is a Big Deal », chaque phrase comptait exactement un mot de plus que la précédente et les mots commençaient majoritairement par la même lettre. Le texte restait cohérent et stylisé.

GPT-5 montre qu'il peut générer des textes complexes et créatifs en réponse à des prompts simples. Le système ne correspond pas à un modèle unique, mais à un mécanisme qui sélectionne automatiquement plusieurs modèles GPT-5 de tailles et de capacités différentes. Il choisit aussi le niveau d’effort consacré à la réflexion. Cette automatisation vise notamment les utilisateurs qui restent sur les anciens modèles rapides sans savoir lesquels sont les plus performants pour les problèmes complexes.

## Le routage reste imprévisible

Cette sélection automatique peut toutefois donner des résultats irréguliers. Pour générer le code SVG d’une loutre utilisant un ordinateur portable dans un avion, GPT-5 a considéré la demande comme facile environ deux fois sur trois et a répondu immédiatement avec un résultat moins abouti. Dans les autres cas, il a mobilisé un modèle de raisonnement pendant six ou sept secondes et produit une image de meilleure qualité. Une instruction comme « think hard » augmente les chances d’obtenir ce second traitement, mais le fonctionnement exact du choix reste flou. Les abonnés premium peuvent sélectionner directement des modèles plus puissants, notamment GPT-5 Thinking. En lui demandant de réfléchir davantage, Mollick a obtenu des animations, une tasse de café fumante et des nuages en mouvement, sans les avoir demandés.

GPT-5 se montre aussi très proactif. À la demande de Mollick, qui lui demandait dix idées de start-up pour un ancien professeur d’entrepreneuriat, de choisir la meilleure et de déterminer les actions nécessaires à sa réussite, le modèle a ajouté des pages d’atterrissage, des textes pour LinkedIn, des éléments financiers, des PDF, des documents Word, des feuilles Excel, des plans de recherche et des sites web. Mollick estime que ce premier travail, imparfait mais de qualité, aurait demandé plusieurs heures à une équipe de diplômés en MBA.

## Une application 3D créée sans code

L’essai le plus spectaculaire concerne le développement logiciel. Avec la simple consigne de créer un générateur procédural de bâtiments brutalistes en 3D, permettant de déplacer et de modifier les édifices, Mollick a obtenu en quelques minutes un constructeur de ville fonctionnel. Sans examiner le code, il a continué à demander des améliorations. GPT-5 a ajouté des néons, des voitures circulant dans les rues, l’édition des façades, des types de bâtiments prédéfinis et un système complet de sauvegarde.

Le modèle a parfois introduit des bugs, mais Mollick indique qu’il ne s’est pas retrouvé dans le « doom loop » fréquent du vibecoding, où les corrections successives créent de nouvelles erreurs. L’expérience décrite place ainsi l’IA dans un rôle plus autonome: elle exécute la demande initiale, suggère des étapes supplémentaires et les réalise, tout en sollicitant encore les indications de l’utilisateur lorsque nécessaire.