Je lui ai demandé d’arrêter.
GPT-5.6 travaillait depuis 4 h 26.
Je voulais mesurer un truc simple.
Ce que GPT-5.6 était capable de construire seul, à partir d’un dossier vide.
J’ai ouvert Codex. J’ai créé un dossier. Puis j’ai écrit une phrase :
« Crée un clone d’Excel. Continue jusqu’à atteindre la parité fonctionnelle. »
26 minutes et 37 secondes plus tard, le tableur fonctionnait. Formules, graphiques, import et export XLSX et CSV, mise en forme. Les 17 tests passaient.
J’ai donc remplacé un mot.
Excel
26 min 37
474 775 tokens
Minecraft
4 h 26
6 090 847 tokens
Excel est devenu Minecraft.
Le modèle a construit les biomes, le craft, la survie, la redstone, les villages, le Nether, les potions, l’End et le combat contre l’Ender Dragon.
Il ajoutait encore des rails et des wagonnets quand je lui ai écrit :
« C’est bon, stop. Tu vas trop loin niveau features. »
Mon test était terminé. Lui, manifestement, n’avait pas eu le mémo.
Ce que je voulais vraiment vérifier
Le sujet, ce n’est pas la quantité de code. C’est la boucle.
Construire. Ouvrir le navigateur. Tester. Trouver le bug. Corriger. Puis recommencer sans attendre une nouvelle consigne.
GPT-5.6 ne s’est pas contenté de répondre. Il a tenu une tâche pendant des heures.
Le piège
6 090 847 tokens, c’est impressionnant. C’est aussi potentiellement absurde.
Un agent qui travaille longtemps n’est pas forcément un agent rentable. Il faut regarder ce qu’il produit, ce qu’il coûte et la valeur de la tâche qu’on lui confie.
L’autonomie change la donne. Elle ne remplace pas le calcul.
Dans la vidéo
Je montre les deux projets tels qu’ils sont. Les résultats. Les bugs. Les limites.
Je détaille aussi le coût réel, les benchmarks et le choix entre Sol, Terra et Luna dans Codex.
Vous verrez précisément ce que GPT-5.6 sait faire quand on le laisse travailler. Et où il faut encore garder la main.
Merci de m’avoir lu.
Le test complet est en ligne. Si vous voulez voir jusqu’où GPT-5.6 est allé avant que je le stoppe, tout est dans la vidéo.