GPT-6 Astra pilote Keynote et produit 80 % d’une présentation
Marketing 3 min · 16 octobre 2026

GPT-6 Astra pilote Keynote et produit 80 % d’une présentation

Par Arthur Dekeyser

En résumé

1

GPT-6 Astra a réalisé environ 80 % du premier montage dans Keynote.

2

L’équipe a fourni un script, une structure et une direction esthétique avant la génération.

3

L’usage d’un agent informatique peut consommer beaucoup de jetons et augmenter les coûts.

💡

Le signal : GPT-6 Astra a réalisé environ 80 % d’une présentation directement dans Keynote lors d’un essai mené par Mike Kaput.

NEWSLETTER BUSINESS & IA

Vous appréciez ce genre d'analyse ?

Chaque mardi et vendredi, l'essentiel en business & IA décryptées en 5 minutes. Gratuit, sans engagement.

+11 000 fondateurs abonnés

OpenAI et Keynote OpenAI a été utilisé avec GPT-6 Astra pour construire une présentation directement dans Keynote. L’essai a exploité les capacités d’utilisation informatique du modèle. Cette fonction lui permet de travailler dans une application, de cliquer et d’exécuter des actions sur un ordinateur. Selon Mike Kaput, le premier montage a atteint environ 80 % du résultat attendu. Astra a pris en charge le dimensionnement, l’alignement et le formatage des diapositives. Ces tâches avaient parfois posé problème lors d’expériences précédentes avec des outils d’IA. Elles pouvaient aussi demander plusieurs heures de travail humain. Le récit complet de l’essai détaille cette expérience menée dans Keynote.

Le travail humain reste décisif Les 20 % restants ont demandé un jugement créatif humain. Cette part concernait notamment les diapositives nécessitant une touche particulière et le montage expert de la narration. L’approche proposée ne supprime donc pas le travail éditorial. Elle déplace l’effort vers la réflexion, le script et la cohérence globale de la présentation. Astra accélère la construction, tandis que les humains élèvent le résultat final, selon l’article. L’expérience reposait déjà sur un plan complet, des recherches, des narrations préliminaires et des scripts créés par des humains. Le modèle intervenait donc sur une matière organisée, plutôt que sur une demande vide ou vague.

Astra reçoit une direction structurée

L’esthétique vient d’abord L’équipe a commencé par définir l’apparence souhaitée avant de demander la construction des diapositives. Elle a transmis des indications sur les logos, la marque et des exemples de diapositives appréciées. Plusieurs échanges ont été nécessaires pour obtenir le style recherché. L’article recommande ensuite de conserver ce résultat sous la forme d’une compétence réutilisable, d’un modèle ou d’un document. Cette étape vise à éviter de redéfinir l’esthétique à chaque projet. La structure du contenu compte également. Astra a produit de meilleurs résultats avec un plan, des points clés ou un script déjà cartographié. Dans l’essai, l’équipe a fourni un script complet avant le premier montage.

Le premier montage guide la révision Après avoir défini l’esthétique et structuré le contenu, l’équipe a laissé Astra construire une première version dans Keynote. L’utilisation informatique permettait d’observer directement le modèle travailler dans l’application. Cette observation servait à distinguer les éléments réussis de ceux nécessitant une correction. La dernière étape consistait à comparer le brouillon aux standards de la marque, aux attentes du public et au jugement créatif de l’équipe. Les auteurs recommandent aussi de documenter les apprentissages après chaque projet. Cette documentation doit conserver les pratiques qui ont produit les meilleurs effets. Ils présentent cette accumulation comme une capacité institutionnelle applicable à d’autres applications compatibles avec Astra.

Les jetons pèsent sur le coût

Keynote consomme beaucoup de jetons L’utilisation d’agents capables de cliquer dans des applications de bureau peut consommer beaucoup de jetons. L’article cite précisément le cas de GPT-6 Astra dans Keynote. Cette consommation peut rendre l’usage coûteux dans l’environnement actuel de tarification des jetons. Les auteurs recommandent donc de considérer l’expérience comme un moyen d’observer les capacités avancées de l’IA. Ils indiquent aussi qu’elle peut montrer ce qui devient possible dans d’autres applications. L’usage fréquent n’est pas présenté comme adapté dans toutes les situations. L’intérêt immédiat réside plutôt dans l’expérimentation, l’identification des tâches automatisables et la conservation des méthodes utiles pour les projets suivants.

Gardez un coup d'avance en IA et tech.

Chaque mardi et vendredi, l'essentiel en business & IA décryptées en 5 minutes. Zéro spam.

+11 000 fondateurs abonnés

À lire aussi