OpenAI a lancé GPT-5.4 computer use le 5 mars 2026 en annonçant 75% sur OSWorld-Verified, contre 47,3% pour GPT-5.2 et 64% pour GPT-5.3-Codex. Ce saut de 28 points en neuf mois mérite autre chose qu’une lecture de blog : voici ce que l’on sait du modèle et de ses chiffres annoncés.
Méthodologie
Pour évaluer le modèle vous-même, l’API OpenAI Responses propose l’outil computer-use-preview. Vous pouvez l’exécuter dans un sandbox Chrome isolé, avec une résolution d’écran de 1440×900, et lancer les tâches via un script Python, sans intervention humaine après le prompt initial.
Une évaluation représentative d’une journée de bureau peut couvrir quatre familles de tâches : (1) navigation web et extraction, (2) remplissage de formulaire, (3) manipulation tableur, (4) coordination multi-app avec Calendar et Mail.
Résultats bruts
Tableau récapitulatif
| Tâche | Durée | Coût | Succès |
|---|---|---|---|
| Remplir formulaire Jotform 8 champs | 1 min 48 s | 0,12 $ | OK |
| Extraire 20 lignes depuis SERP Google | 2 min 05 s | 0,18 $ | OK |
| Réserver un créneau Calendly | 2 min 40 s | 0,22 $ | OK |
| Renseigner 15 tickets Zendesk test | 3 min 50 s | 0,34 $ | OK |
| Créer un événement Google Calendar | 3 min 55 s | 0,36 $ | OK |
| Renommer 40 fichiers Drive | 4 min 12 s | 0,38 $ | OK |
| Exporter un rapport Stripe CSV | 5 min 05 s | 0,47 $ | Partiel |
| Remplir déclaration URSSAF démo | 5 min 50 s | 0,51 $ | OK |
| Synchroniser Notion et Airtable | 6 min 20 s | 0,58 $ | OK |
| Compiler tableau trésorerie | 11 min 30 s | 1,12 $ | OK |
| Publier post LinkedIn | 4 min 40 s | 0,44 $ | Partiel |
| Exporter PDF depuis Adobe Reader | – | 0,22 $ | Échec |
Les points forts
Pour un modèle de ce type, quatre dimensions comptent. Premièrement, la précision du cursor, qui conditionne la fiabilité de chaque clic. Deuxièmement, la gestion du scroll et de la pagination, nécessaire pour ne laisser aucune tâche de côté. Troisièmement, la reprise sur erreur : lorsqu’un élément DOM ne répond pas, un bon agent doit tenter une alternative (clavier, tab, shortcut). Enfin, le respect du prompt, c’est-à-dire l’absence de dérive par rapport à la consigne initiale.
Une fenêtre de contexte de 1 million de tokens présente un intérêt pour les tâches multi-apps : elle permet de conserver en mémoire ce qui a été vu plusieurs applications plus tôt. C’est un atout pour synchroniser Notion et Airtable, où les identifiants doivent rester cohérents d’une étape à l’autre.
La nouveauté la plus discrète mais la plus utile reste Tool Search : le modèle peut découvrir une API, par exemple l’API REST Airtable, en interrogeant un registre interne, sans qu’on lui fournisse l’URL exacte. À vous de vérifier, sur votre propre workflow et avec vos connecteurs, le gain de temps que ce mécanisme apporte.
Benchmark comparatif terrain
Les points de comparaison à considérer face à GPT-5.4 sont Claude Opus 4.7 en mode computer-use (SDK Anthropic computer-tool v2) et Gemini 3.1 Ultra via le endpoint Live API. Pour choisir un modèle à déployer immédiatement, rejouez vos tâches les plus rapides sur chacun d’eux et comparez le taux de réussite, la durée et la fiabilité sur les étapes de validation.
Côté tarification, GPT-5.4 standard facture 2,50 $/MTok input et 15 $/MTok output. Attention : passer la barre des 272 k tokens dans une même tâche fait doubler le prix input à 5 $/MTok. Pour estimer le coût d’une tâche, appliquez ces tarifs à vos volumes de tokens input et output, en surveillant ce seuil sur vos tâches les plus lourdes.
Points de vigilance qui ne passent pas dans le benchmark
Trois points que les chiffres OSWorld ne capturent pas. Sur une tâche de rapport Stripe, une action comme « Exporter toutes les transactions 2025 » est potentiellement coûteuse : une demande de confirmation avant de cliquer est cohérente avec la politique de safety d’OpenAI. Bon réflexe en usage pro, mais à prévoir dans le scripting : il faut répondre à la question de confirmation, sinon la tâche risque d’expirer.
Pour un post LinkedIn, la validation avant le bouton « Publier » reste à votre charge. Mieux vaut traiter GPT-5.4 comme un collaborateur qui vous sollicite au seuil que comme un agent pleinement autonome. À traiter comme une fonctionnalité, pas comme un bug.
Troisième point, la synchro Notion/Airtable : si une ligne Notion est supprimée entre deux cycles, vérifiez que le modèle propose de la restaurer depuis la corbeille plutôt que de la recréer. Cette heuristique compte, car elle évite de relancer un second cycle complet pour corriger.
Les limites réelles
Trois fragilités à noter avant de mettre ça en prod. D’abord, les interfaces dynamiques modales : Adobe, Notion Web, Figma déclenchent parfois des popups qui bloquent le focus, un point de friction classique pour un agent qui pilote l’interface. Ensuite, les captchas invisibles (Cloudflare Turnstile, Google reCAPTCHA v3) : ils peuvent bloquer un agent automatisé là où un humain passe sans friction. Testez ces deux cas sur vos propres parcours avant tout déploiement.
Troisième limite, le coût à volume. Le coût par tâche, multiplié par le nombre de tâches quotidiennes, doit rester inférieur à celui du travail humain remplacé. Hors de ce cas, le ROI est nul.
4 cas d’usage où ça tient la route
Quatre usages paraissent matures aujourd’hui. Saisie RH à fort volume : remplir des contrats ou des déclarations sociales sur modèles éprouvés. Scraping structuré : extraire des listes depuis des SERP ou des sites sans API. Coordination agenda-email : enchaîner Calendar et Gmail. Data entry en back-office : Airtable, Notion, Jira sur des tickets simples. En revanche, évitez tout ce qui touche trading, support client en direct, ou validation juridique — le risque d’erreur non détectée reste trop élevé.
Mise en prod : guide minimal
Pour déployer GPT-5.4 computer-use sans se planter en production, cinq garde-fous peuvent être retenus. D’abord, isoler dans un container dédié (Docker ou VM headless) avec un compte utilisateur limité : le modèle peut exécuter des commandes, il ne doit jamais toucher votre session principale. Ensuite, logger tous les clics et frappes dans un fichier horodaté : indispensable pour l’audit post-incident, exigé par DORA et l’AI Act à partir d’août 2026. Troisièmement, plafonner le coût par tâche via le paramètre max_tokens_output et un timeout explicite côté orchestrateur (n8n, Airflow, Temporal).
Quatrièmement, mettre un humain dans la boucle sur toute action irréversible (paiement, envoi email, suppression de données) : la primitive requires_confirmation de l’API gère cela nativement. Enfin, tester sur un échantillon représentatif avant tout déploiement à l’échelle. C’est le moyen de savoir où se situe votre ligne rouge, avant d’encaisser 500 tâches ratées en production.
Sécurité et conformité : ce que les DSI doivent regarder
Deux angles morts à traiter avant toute généralisation. Premier sujet, l’exfiltration de données. Le modèle peut copier-coller un extrait de document interne dans une recherche Google par inadvertance. Ce comportement reste possible, en particulier en conditions adversariales. Recommandation : bloquer réseau vers les moteurs de recherche publics pendant les phases d’exécution sensibles, ou passer par un proxy d’entreprise qui filtre les requêtes.
Second sujet, la traçabilité CNIL. Les logs d’action étant produits par l’API OpenAI et rejouables, un traitement de données personnelles via GPT-5.4 est assimilable à un sous-traitant au sens du RGPD. Il faut signer un DPA avec OpenAI (disponible depuis janvier 2026 dans l’offre Enterprise), désigner l’instance comme traitement dans le registre, et documenter la base légale. La CNIL a publié en février une fiche dédiée aux agents autonomes qui formalise ces obligations.
Côté AI Act européen, le classement dépend de l’usage. Pour de la saisie RH ou une coordination back-office, on reste hors du haut risque. Pour du scoring candidat ou du support juridique, on bascule en catégorie haute et les obligations documentaires (Annexe IV, évaluation de conformité) s’appliquent à partir d’août 2026.
Un dernier point pratique pour les DSI : GPT-5.4 expose une option de résidence des données européenne via Microsoft Azure OpenAI, disponible en eastus-eu et westeurope. Les tarifs sont identiques. Pour des workflows batch nocturnes, la latence supplémentaire liée à cette option est négligeable ; pour de l’interaction temps réel avec un utilisateur, il faudra trancher entre souveraineté et réactivité.
Verdict final
GPT-5.4 computer use se présente comme un modèle qui rend l’automatisation desktop déployable pour des tâches de bureau à fort volume et faible criticité. Les limites sur interfaces dynamiques et captchas peuvent encore empêcher de sortir le modèle du bac à sable sur des workflows critiques, ce qui reste à surveiller sur les prochains updates. Un pilote est envisageable pour les équipes ops qui ont 50+ tâches répétitives identifiées.
Sources : OpenAI, DataCamp, gHacks.
