Tu as une pièce cassée dans la main, aucune référence constructeur, et aucun fichier 3D pour la relancer. C’est exactement le genre de situation où je passe une soirée entière à reprendre des cotes approximatives dans un logiciel de CAO.

Depuis le 22 septembre 2026, une intelligence artificielle sait faire une bonne partie du travail : GPT-6 Astra, le nouveau modèle d’OpenAI, reconstruit la géométrie d’un objet sous forme de code CAO éditable à partir de quelques photos. Pas un maillage figé, pas un nuage de points bruyant : de la vraie géométrie paramétrable, celle qu’on peut coter, corriger, puis envoyer au slicer. C’est la promesse affichée de GPT-6 Astra, et elle mérite qu’on regarde les chiffres de très près. Pour l’impression 3D, c’est une petite bombe.

🧠 BenchCAD : le benchmark qui parle vraiment aux makers

La communication d’OpenAI autour de GPT-6 Astra ne parle pas d’impression 3D. Elle parle de codage, de cybersécurité et d’usage d’ordinateur. Sauf qu’un des benchmarks de la fournée vise directement la géométrie, et c’est celui qui m’intéresse en tant que maker. BenchCAD demande à un modèle de regarder plusieurs rendus d’un même objet, sous des angles différents, puis de le reconstruire en écrivant du code CAO. Le score ne juge donc pas une jolie image 3D, il mesure une reconstruction géométrique exploitable.

La métrique utilisée est le voxel IoU moyen, qui compare le volume reconstruit au volume réel de l’objet. Avec outils, GPT-6 Astra atteint 95,9 %. Le modèle OpenAI précédent, GPT-5.6 Sol, plafonnait à 83,3 %, et Claude Fable 5.1 d’Anthropic à 84,3 %. Autrement dit, on ne parle pas d’un gain cosmétique de quelques points : c’est un saut de plus de douze points sur la même échelle de mesure.

Second chiffre, plus prosaïque : OpenAI annonce ce résultat pour GPT-6 Astra à environ 43 % de coût API estimé en moins que Sol, et 86 % en moins que Fable 5.1 dans les configurations testées. Pour un utilisateur d’atelier qui passe des dizaines d’objets par mois, le coût par pièce devient un vrai paramètre de décision, au même titre que la précision.

Pour situer le niveau général du modèle, OpenAI a aussi montré une démonstration hors benchmark : GPT-6 Astra a modélisé une maison dans Blender, puis l’a convertie en scène explorable dans Unreal Engine 5. C’est un autre exercice que la pièce mécanique unique, mais la compétence mobilisée reste la même, à savoir transformer une référence statique en géométrie structurée et modifiable.

📸 Pourquoi la CAO éditable change tout pour l’impression 3D

Il faut distinguer deux mondes qu’on mélange souvent. Un maillage, c’est une surface fermée faite de triangles : on la regarde, on l’imprime, mais on ne la modifie pas proprement. La CAO, elle, décrit des volumes, des plans, des perçages, des paramètres. Tu changes un diamètre, tout se reconstruit. C’est cette différence qui fait la valeur de GPT-6 Astra pour un atelier.

Aujourd’hui, le passage de la pièce physique au modèle exploitable reste le point de friction numéro un. Un scanner 3D te sort un maillage ou un nuage de points, et ce fichier n’entre pas directement dans un logiciel de CAO. Il faut soit redessiner à la main, soit passer par une suite de rétro-ingénierie spécialisée, avec l’itération que ça implique. Ce goulot d’étranglement a même un nom dans l’industrie : le scan-to-CAD.

Quand un modèle généraliste comme GPT-6 Astra produit directement de la CAO paramétrable depuis des photos, il s’attaque à ce goulot par le haut de la chaîne. Plus besoin d’un scan propre pour espérer quelque chose d’exploitable : une série de photos bien prises peut suffire à générer une base de travail. Et pour une pièce de remplacement imprimée en PLA ou en PETG, cette base de travail en CAO est souvent plus utile qu’un scan brut fidèle à la trace d’usure.

🏭 Le scan-to-CAD, déjà un marché en guerre

Le plus intéressant, c’est que GPT-6 Astra ne débarque pas dans un désert. Le scan-to-CAD est déjà un terrain où des sociétés spécialisées se battent. Backflip, fondée par des anciens de Markforged, a construit toute sa stratégie dessus : son modèle de fondation fait tomber le coût de digitalisation d’une pièce d’environ 1 500 $ à 10 $ par pièce, en produisant une sortie qui s’ouvre directement dans un logiciel de CAO, pas un maillage statique.

Le matériel a suivi le même mouvement. Creality s’est associé à KVS Ltd pour proposer un flux intégré de scan vers CAO, avec l’idée de scanner une pièce abîmée et d’obtenir une reconstruction exploitable en quelques minutes, prête pour l’usinage ou l’impression. Les scanners de bureau, eux, continuent de progresser sur le sans-marqueurs et le suivi de scan, comme je le détaillais dans mon article sur l’EinScan Trak.

C’est là que l’arrivée de GPT-6 Astra change la donne. Un modèle généraliste n’apporte pas un nouveau problème à l’industrie : il arrive dans une course que des outils spécialisés mènent déjà depuis plusieurs années, avec un budget de calcul et une base d’entraînement sans commune mesure. Pour un atelier de quartier, la question n’est donc pas de savoir qui gagnera, mais quel outil sera accessible, à quel prix, et avec quel niveau de vérification derrière.

🖨️ Comment je m’y prendrais à la maison, sans attendre

Première précision importante : tout le monde ne peut pas encore l’utiliser. OpenAI déploie GPT-6 Astra d’abord auprès d’un nombre limité d’organisations, avant une ouverture plus large aux offres ChatGPT Plus, Pro, Business et Enterprise, ainsi qu’aux développeurs via l’API, Microsoft Azure et AWS Bedrock dans les jours qui viennent. Pas de quoi imprimer dès ce soir, donc.

En attendant que GPT-6 Astra se démocratise, la recette complète existe déjà en gratuit, et je l’ai testée sous différentes formes. Pour la capture, deux outils open source font le travail : Meshroom, de la suite AliceVision, et COLMAP. Les deux prennent une série de photos sous des angles différents et reconstruisent une géométrie par photogrammétrie. La qualité du résultat tient presque entièrement à la prise de vue, pas au logiciel.

Mes règles de terrain sont simples. Beaucoup d’angles, avec un recouvrement large entre deux photos. Une lumière diffuse et constante, jamais un flash direct. Et surtout, une surface mate : sur du chrome, du verre ou du plastique brillant, la photogrammétrie se casse les dents, exactement comme les deux scanners haut de gamme du makerspace de Stephen F. Austin State University qui ont échoué sur une roche lunaire enfermée sous une pyramide en acrylique. Un voile de spray mat temporaire règle souvent le problème en trente secondes.

Ensuite vient la retouche. Blender pour nettoyer et refermer la géométrie, puis un logiciel de CAO pour reconstruire les fonctions mécaniques : un perçage qui doit faire huit millimètres, un épaulement, un filetage. C’est la partie que GPT-6 Astra promet d’accélérer, mais que je garderais à la main sur tout ce qui doit s’emboîter dans une machine en fonctionnement.

Le grand frein, jusqu’ici, n’était pas la capture mais la conversion. Un maillage dense reste un objet de visualisation : il s’imprime, il ne se corrige pas. Savoir qu’un modèle comme GPT-6 Astra peut produire du code CAO éditable directement depuis des photos, c’est se dire que la chaîne va se raccourcir sérieusement dans les mois qui viennent, y compris pour des projets d’atelier modestes.

⚠️ Ce que GPT-6 Astra ne fait pas encore

Il faut être honnête sur les limites, parce qu’elles sont réelles. Le benchmark BenchCAD travaille sur des rendus multi-vues propres, conçus pour l’évaluation. Ce n’est pas la même chose qu’une photo prise à l’arrache dans un atelier, avec un fond encombré et une lumière qui bouge. Le passage du rendu de test à la photo de pièce réelle reste le prochain jalon pour GPT-6 Astra, et c’est probablement là que les scores vont baisser un peu.

Deuxième limite, la question des tolérances. Un score de voxel IoU mesure un recouvrement de volume, pas une cote. Une pièce reconstruite à 95 % peut très bien avoir un alésage décalé de deux dixièmes, ce qui suffit à rendre un assemblage impossible. Sur tout ce qui doit fonctionner mécaniquement, la reconstruction doit être mesurée et vérifiée, pas avalée telle quelle.

Troisième limite, la géométrie cachée. Une IA qui travaille depuis des photos ne peut pas deviner ce qu’elle ne voit pas : canaux internes, renforts noyés, filetages borgnes. Sur ce type de pièce, l’outil donne une enveloppe exploitable, et le reste se redessine à la main. GPT-6 Astra reste un accélérateur de départ, pas un remplaçant de bureau d’études.

🚀 Mon verdict de maker

Je retiens trois choses des annonces autour de GPT-6 Astra. D’abord, un modèle généraliste vient de franchir un cap mesurable sur la reconstruction de géométrie, avec un bond de 83,3 % à 95,9 % sur la même échelle de mesure. Ensuite, la sortie est de la CAO éditable, ce qui est exactement ce dont un atelier a besoin pour réparer, adapter et imprimer. Enfin, l’écosystème est déjà prêt : les scanners progressent, les outils de photogrammétrie sont gratuits, et le coût de digitalisation s’effondre.

Mon conseil pratique : commence dès maintenant à t’entraîner à la prise de vue. Une série de photos propres sous lumière diffuse, un voile mat si la surface brille, et un petit passage par Meshroom pour comprendre où la reconstruction casse. Quand GPT-6 Astra arrivera dans les offres grand public, tu sauras déjà quoi lui donner à manger, et tu gagneras des heures sur la partie qui te fait perdre le plus de temps aujourd’hui.

GPT-6 Astra peut-il sortir un fichier STL imprimable directement ?

Non, et c’est une nuance essentielle. GPT-6 Astra produit du code CAO éditable, ce qui est justement l’intérêt de l’approche. Tu récupères ensuite une géométrie que tu peux coter et corriger, avant d’exporter un STL ou un fichier de CAO vers ton slicer. Le gain n’est pas de supprimer l’étape de préparation, c’est de partir d’une base solide plutôt que d’une page blanche.

Quand GPT-6 Astra sera-t-il accessible à tout le monde ?

Le déploiement de GPT-6 Astra commence par un nombre limité d’organisations, puis s’élargit aux offres ChatGPT Plus, Pro, Business et Enterprise, ainsi qu’aux développeurs par l’API, Microsoft Azure et AWS Bedrock dans les jours qui suivent. Aucune date publique n’a été communiquée pour un accès totalement libre, donc mieux vaut surveiller les annonces officielles plutôt que de se fier à une date inventée.

Faut-il un scanner 3D pour profiter de GPT-6 Astra ?

Non, et c’est l’un des points les plus intéressants de GPT-6 Astra : le modèle travaille depuis des photos, sans matériel de scan dédié. Un scanner 3D reste supérieur quand tu as besoin d’une précision métrologique, parce qu’il mesure des distances réelles au lieu de les déduire. Pour une pièce de remplacement simple, une bonne série de photos peut suffire, surtout si la surface est mate et la lumière stable.

Quelle précision attendre sur une pièce imprimée ?

Les 95,9 % annoncés pour GPT-6 Astra sur BenchCAD concernent des rendus multi-vues propres, pas une pièce photographiée dans un atelier. Sur une photo réelle, attends-toi à une enveloppe correcte mais imparfaite. La méthode fiable reste la même qu’avant : imprimer un prototype, mesurer les cotes critiques au pied à coulisse, puis corriger dans la CAO. C’est ce contrôle qui décide si la pièce tient dans ta machine.

🔗 Sources et lecture

Tout ce que j’avance sur GPT-6 Astra vient de la couverture presse du 22 septembre 2026, qui relaie les chiffres communiqués par OpenAI et par Backflip. Les liens sont en clair :

• 3D Printing Industry : GPT-6 Astra reconstruit de la géométrie CAO depuis des photos
• AliceVision, la suite derrière Meshroom pour la photogrammétrie open source
• Meshroom sur GitHub, l’outil gratuit que j’utilise pour la reconstruction
• COLMAP, l’autre référence open source de la reconstruction photo
• Blender, pour nettoyer la géométrie avant la reprise en CAO
• Backflip, société spécialisée dans le scan-to-CAD piloté par un modèle de fondation

Si le sujet du scan et de la numérisation te parle, j’ai déjà testé la partie matérielle côté atelier : l’EinScan Trak et le scan sans marqueurs, le Creality CR-Scan Otter et le CR-Scan Ferret Pro en guide complet. Et si tu veux comparer avec l’autre façon d’automatiser la géométrie depuis des photos, jette un oeil à l’impression des Megalosaurus géants pour un musée, où la chaîne partait déjà d’un modèle numérique.

Johan