GPT-6 Astra dessine les parcours de course de Simon Willison

Simon Willison teste GPT-6 Astra dans ChatGPT Work pour créer des parcours de course autour de son domicile. Il lui demande des boucles de 5 et 10 kilomètres, à partir des données OpenStreetMap. Le système travaille pendant 27 minutes. Il produit ensuite une visualisation intégrée dans l’interface. Il fournit aussi des fichiers GPX et GeoJSON téléchargeables. Le parcours présenté comme exemple mesure 5,1 kilomètres. L’expérience est décrite par Simon Willison dans son article du 12 septembre 2026. Elle montre une utilisation concrète de GPT-6 Astra pour combiner recherche géographique, calcul local et restitution cartographique dans une même conversation.

La méthode combine plusieurs outils liés aux données géographiques ouvertes. ChatGPT Work indique avoir utilisé Nominatim pour localiser l’adresse fournie. Il aurait ensuite utilisé Overpass pour télécharger les routes et sentiers locaux issus d’OpenStreetMap. Les boucles ont été calculées localement. Cette séquence associe donc géocodage, collecte de données et calcul d’itinéraire. La visualisation a été produite avec la compétence « visualize ». Le fichier créé s’appelle /workspace/el-granada-5k-share.html. Son contenu intègre la géométrie complète de la route dans un élément JSON. La carte est rendue avec D3, chargé depuis un emplacement CDN autorisé.

GPT-6 Astra assemble les cartes

Le résultat comprend une carte interactive directement affichée dans ChatGPT Work. Le fichier HTML contient le nom « El Granada harbor loop » et la distance de 5,1 kilomètres. Les coordonnées de la route sont stockées dans une géométrie GeoJSON de type LineString. Le code utilise D3 version 7.9.0 pour afficher le parcours et la carte. Le fichier charge cette bibliothèque depuis jsDelivr. Le contenu inclut aussi une attribution aux contributeurs d’OpenStreetMap. Simon Willison précise que l’interface peut afficher la visualisation et proposer les fichiers à télécharger. L’expérience ne se limite donc pas à une réponse textuelle décrivant un parcours théorique.

La limite concerne la transparence du processus exécuté par l’agent. Simon Willison ne voit pas le code réellement utilisé ni les détails exacts des opérations dans l’interface ChatGPT. Lorsqu’il demande ensuite une copie du code Python, ChatGPT ne parvient pas à la fournir. Il relie cette difficulté à la compaction du fil de conversation. Il considère cette absence de visibilité comme un défaut du système. Il estime qu’un système utilisant la compaction devrait conserver le texte antérieur. Il souhaite aussi rendre ce texte accessible via les appels d’outils de l’agent. Cette demande porte donc sur la traçabilité des opérations, plutôt que sur la qualité du parcours produit.

La compaction masque le code exécuté

Le fichier conserve les données nécessaires pour rendre la route et sa carte dans l’interface. L’élément application/json contient la géométrie complète du parcours. Le script JavaScript exploite ensuite ces données pour afficher la boucle. La compétence de visualisation autorise certains domaines externes, dont jsDelivr, cdnjs.cloudflare.com, esm.sh, unpkg.com et plusieurs domaines de polices. Les autres origines sont bloquées et échouent silencieusement, selon la description incluse dans la compétence. Simon Willison publie également une copie du HTML généré. Cette copie permet d’examiner la structure technique de la visualisation, sans rendre visible le code Python ayant servi au calcul local.