Basis : GPT-6 Astra divise par deux le temps sur un workbook fiscal

Basis annonce que GPT-6 Astra permet à ses agents d'automatisation comptable de compléter un workbook fiscal en deux fois moins de temps que GPT-5.6 Sol, tout en améliorant d'environ 20 % ses scores d'évaluation internes. L'entreprise met en avant un raisonnement ajustable qui contribue à réduire les coûts et les délais pour les tâches longues.

Les scores internes progressent d’environ 20 % et la confiance augmente

Selon Basis, l’utilisation de GPT-6 Astra permet d’améliorer d’environ 20 % ses scores lors des évaluations internes. La société explique ce résultat par une compréhension accrue de l’intention des utilisateurs, en particulier la faculté à savoir quand interroger, signaler des hypothèses ou appliquer des instructions. Les critères pris en compte pour l’évaluation portent sur l’adhésion à des modèles, le recours à des sources primaires pour traiter les questions fiscales ainsi que la vérification des tâches réalisées. Basis ajoute que GPT-6 Astra est capable de déduire ces attentes à partir d’un contexte élargi, avec un moindre recours à des consignes explicites. Grâce à cette aptitude, il devient moins nécessaire de formuler des règles précises pour chaque cas et l’équipe se sent davantage assurée de la capacité des agents à traiter des situations non prévues par les tests internes.

Un raisonnement modulé pour optimiser coûts et latence

Basis a conçu GPT-6 Astra pour ajuster la quantité de raisonnement mobilisée au fil d’une tâche, en augmentant le calcul lors des étapes difficiles et en le réduisant sur les segments plus simples. Le modèle effectue ces ajustements tout en maintenant son cache. Mitch Troyanovsky explique que cette approche contribue à réduire les coûts et le temps de réponse, et souligne une utilisation plus efficace des tokens avec GPT-6 Astra.

Sur un workbook fiscal de 50 onglets, le temps est divisé par deux

Basis a procédé à une comparaison entre GPT-6 Astra et GPT-5.6 Sol. Sur un workbook fiscal comportant 50 onglets complexes, GPT-6 Astra a terminé la tâche en moitié moins de temps que GPT-5.6 Sol. L’entreprise rapporte également une meilleure compréhension de l’intention des utilisateurs avec GPT-6 Astra. Selon Basis, le modèle prend de meilleures décisions dès le début de la tâche, ce qui permet aux agents de suivre un chemin plus direct et de passer moins de temps à corriger des erreurs.

Basis cible l’automatisation fiable des longues tâches comptables

Basis développe des agents d’IA pour automatiser une grande partie du travail manuel réalisé par les comptables. Sa recherche porte sur la capacité de ces agents à accomplir des tâches longues de façon fiable. Mitch Troyanovsky estime que GPT-6 Astra comprend mieux l’intention de l’utilisateur et la nature du problème à résoudre.