- GPT-6 Astra : distinguez modèle et application
- Confiez-lui 5 missions marketing complètes
- Cadrez votre agent avec 4 briques
- Vérifiez Astra sur un reporting pédagogique
- Choisissez où investir votre temps
Un export de campagnes, un tableau CRM, le brief, la charte et le compte rendu du commercial.
Autant de fichiers à croiser avant de choisir la prochaine campagne à lancer.
C’est là que GPT-6 Astra devient intéressant pour un marketeur. OpenAI le destine aux travaux longs, qui mobilisent plusieurs outils et se terminent par un livrable vérifié. L’enjeu : passer de l’analyse à la préparation de l’action, sans vous retirer la décision.
Voici cinq missions à lui confier : reporting, veille, déclinaison de contenus, landing page et campagne multicanale. Le reporting, la veille et les briefs éditoriaux font partie des cas que nous travaillons en mentorat chez Mantra depuis longtemps.
Une précision : nous n’avons pas mesuré les performances d’Astra sur ces missions. Ce qui suit applique ses capacités documentées, avec un brief à reprendre et un exercice pour contrôler ses calculs.
Le nom officiel est GPT-6 Astra. « ChatGPT 6 Astra » désigne en général son utilisation dans l’environnement ChatGPT.
Cette distinction compte : le modèle raisonne sur ce que vous lui donnez; l’application détermine les fichiers, outils et actions auxquels il a accès.
La documentation d’OpenAI met en avant trois capacités :
Pour préparer une campagne, il sera donc en capacité de : lire le brief, analyser les exports, préparer les annonces et les visuels, puis vérifier qu’ils portent le même message.
(Encore faut-il lui fournir les bonnes sources et les bons outils pour produire ces livrables).
L’accès varie selon votre offre, le déploiement et l’application utilisée. Au 20 octobre 2026, l’option « GPT-6 » de l’onglet Chat tourne sur GPT-6 Sol, un autre modèle de la famille. Voici où trouver Astra selon votre offre :
Pour comparer les offres plus en détail, vous pouvez consulter notre guide ChatGPT gratuit ou payant pour le marketing.
Retenez une règle : une fonction disponible par API n’est pas automatiquement présente dans chaque conversation ChatGPT. Vérifiez le modèle affiché dans votre interface avant de reproduire un exemple. Pour comparer les offres, voyez notre guide ChatGPT gratuit ou payant pour le marketing.
Votre plateforme publicitaire compte les leads. Votre CRM compte les ventes. Entre les deux, personne ne fait le lien, et c’est pourtant lui qui dit quelle campagne rapporte. C’est typiquement le genre de mission où Astra est utile : croiser deux exports qui ne parlent pas la même langue.
Fournissez-lui deux fichiers sur la même période. L’export publicitaire contient la campagne, les dépenses et les leads. L’export CRM contient les contacts, leur source et leur statut. Indiquez ensuite deux règles. La première : comment un contact est rattaché à une campagne, par exemple via le paramètre UTM ou l’identifiant du formulaire. La seconde : ce que vous comptez comme vente gagnée, avec le statut et la date retenus dans votre CRM. Pensez aussi au délai de vente. Un lead de septembre peut signer en novembre : choisissez une période assez longue pour que les ventes aient eu le temps d’arriver.
Avant tout calcul, demandez un tableau de contrôle : dépenses, leads, ventes attribuées, champs UTM vides, lignes impossibles à rapprocher. Cette étape décide de la fiabilité de tout le reste. Si un tiers des leads ne se rattache à aucune campagne, les chiffres qui suivent ne valent pas grand-chose, et vous le saurez avant de les lire.
Une fois le rapprochement validé, faites calculer trois indicateurs par campagne : le coût par lead, le taux de transformation des leads en ventes et le coût publicitaire par vente attribuée. Le livrable attendu est une note qui sépare les constats des hypothèses, avec des calculs que vous pouvez relire ligne à ligne.
Reste à lire le résultat avec prudence. Le CPL le plus bas ne désigne pas forcément la campagne à renforcer : l’exercice en fin d’article montre comment le classement peut s’inverser d’un indicateur à l’autre. Et si le modèle n’arrive pas à relier les leads aux ventes, sa recommandation doit le dire noir sur blanc. Le brief proposé plus bas est construit pour ce cas.
La veille concurrentielle s’accumule vite : des onglets ouverts, des captures d’écran, des newsletters jamais relues. Elle débouche rarement sur une décision. Si la recherche web est activée dans votre environnement, Astra peut faire le tri à votre place.
Donnez-lui une liste de concurrents, les pages à surveiller (offres, tarifs, landing pages) et votre argumentaire actuel. Ajoutez une seule question, par exemple : leurs nouvelles offres changent-elles notre argumentaire ? Une question précise produit un livrable exploitable. « Fais-moi une veille » produit un résumé.
Exigez des sources datées : sans date, impossible de savoir si une offre est nouvelle ou en ligne depuis un an. Demandez aussi de séparer ce qui a changé de ce qui reste à confirmer.
Le livrable tient sur une page : trois évolutions, leur effet possible sur votre offre, et une action à étudier pour chacune.
Ouvrez ensuite les pages citées. Une citation prouve que la page existe, pas que l’interprétation est juste. Vérifiez en priorité les prix et les promesses chiffrées, car ce sont eux qui modifient votre argumentaire. Gardez enfin la même question et la même liste d’un mois sur l’autre : vous pourrez comparer les livrables entre eux.
Un webinar ou un article validé contient de quoi alimenter plusieurs canaux mais chaque déclinaison réécrite à la main s’éloigne un peu du message d’origine. Astra peut produire les formats en partant de la même source.
Partez d’un contenu que vous avez le droit de réutiliser. Joignez deux ou trois exemples de votre ton, comme un email ou un post qui a bien fonctionné, et la liste des affirmations autorisées : chiffres, promesses, noms de clients validés. (Cette liste sert de garde-fou).
Demandez un email, un post LinkedIn et un brief créa : même message, trois formats. Précisez les contraintes de chacun, comme la longueur, l’appel à l’action et le ton. Pour chaque affirmation, demandez-lui d’indiquer le passage de la source qui l’appuie.
Contrôlez la fidélité à la source, les répétitions et le niveau de précision. Il peut arriver que le modèle propose une formulation qui sonne bien mais qui promet plus que votre document ne l’autorise. Le renvoi aux passages de la source vous permet de le repérer en quelques secondes.
Notre méthode de prompt engineering marketing détaille les éléments de contexte à fournir.
Une landing page part souvent de la maquette, et le texte vient ensuite remplir les blocs. Avec Astra, inversez l’ordre : d’abord l’argumentation, ensuite la forme.
Réunissez votre offre, votre cible, les objections et les preuves dont vous disposez. Ajoutez un exemple de page dont vous aimez la structure, en précisant ce qui vous plaît, par exemple l’ordre des sections ou la place du formulaire. (Sans cette précision, il risque d’en copier la forme sans en garder la logique).
Commencez par le parcours de lecture : l’ordre des sections et ce que chacune doit accomplir. Passez ensuite aux textes. Demandez-lui de relier chaque argument à une objection et chaque promesse à une preuve fournie. Une promesse sans preuve disparaît. Si votre environnement le permet, passez enfin à la maquette ou au prototype.
Votre relecture porte sur la promesse, les preuves, le formulaire et l’affichage mobile. Un prototype généré ne dit rien de son taux de conversion. Seul un test en conditions réelles vous le dira.
Quand chaque canal est produit séparément, les messages divergent : la publicité promet une chose, l’email une autre, la landing page une troisième. Astra peut garder la vue d’ensemble.
Fixez un seul objectif pour tout le travail : une cible, une offre, une action attendue et les contraintes de chaque canal.
Demandez au modèle de préparer les angles, les messages et les briefs de visuels, puis d’identifier les incohérences entre les supports.
Côté visuels, la fiche technique d’OpenAI distingue deux choses. Astra lit les images qu’on lui donne : vous pouvez joindre vos anciennes créas ou votre charte. Pour en créer, il passe par un outil de génération, dans un environnement qui le propose.
Si vous voulez obtenir des visuels finalisés, précisez le format, la charte et l’outil disponible. Sinon, demandez des briefs visuels prêts à transmettre à votre graphiste.
En formation Automatisation et Agent IA Marketing, Mantra distingue le contexte, le modèle, la mémoire et les outils, auxquels s’ajoutent les procédures réutilisables appelées skills.
Cette architecture vous aide à comprendre ce qu’il faut préparer autour d’Astra. Le modèle n’est qu’une des quatre briques.
Le contexte contient l’objectif, les sources et les contraintes. La mémoire conserve les décisions les corrections que votre environnement sait réutiliser.
Les outils donnent accès aux actions nécessaires : lire un fichier, calculer, chercher une source ou produire un livrable. Les skills décrivent la méthode métier à suivre.
Changer de modèle ne remplace pas ces éléments. Notre définition d’un agent IA permet de situer cette distinction.
Le brief ci-dessous met la première brique en pratique. Il donne à Astra le contexte complet de la mission 1 : l’objectif, les vérifications à faire, les livrables attendus et les limites de ce qu’il peut faire seul.
Préparez une recommandation marketing à partir des documents joints. L’objectif est de décider quelles campagnes méritent un examen prioritaire. Commencez par vérifier la période, les définitions et les données manquantes. Produisez un tableau de calculs, trois constats sourcés et les questions à résoudre avant de modifier le budget. Conservez le vocabulaire de notre charte. Toute donnée absente doit rester absente. Vous pouvez préparer et corriger les fichiers ; les modifications de campagnes et les envois externes restent soumis à ma validation. Livrez les fichiers, puis indiquez ce qui a été vérifié.
Adaptez les livrables attendus à votre mission. Plus le résultat est défini, plus vous pouvez juger ce qui a été livré.
Voici un cas fictif, créé pour cet article. Il ne décrit ni les résultats de Mantra ni un test comparatif des modèles.
Demandez à Astra de calculer le coût par lead et le coût publicitaire par vente attribuée, puis demandez-lui d’expliquer les limites d’une recommandation budgétaire fondée sur ces chiffres.
Le corrigé : A affiche un CPL de 30 €, B de 60 €. Par vente, c’est l’inverse : 600 € pour A, 300 € pour B.
Le classement s’inverse selon l’indicateur choisi et rien ne prouve que doubler le budget de B doublera ses ventes.
Une bonne réponse doit aussi relever le faible nombre de ventes, l’absence de chiffre d’affaires et les limites possibles de l’attribution.
Téléchargez les données fictives et le corrigé avec les critères de contrôle. Les calculs du corrigé ont été vérifiés par script ; la performance d’Astra sur cet exercice reste à mesurer dans votre environnement.
Réservez votre premier essai à une tâche que vous savez déjà évaluer : reporting, veille ou déclinaison d’un contenu validé.
Comparez le livrable à votre méthode habituelle. Notez le temps consacré aux corrections, les erreurs importantes et ce que vous pouvez réutiliser.
Identifiez ensuite d’où viennent les difficultés. Si elles viennent du brief, travaillez d’abord votre prompting : changer de modèle n’y changera rien. La formation IA Générative pour le Marketing couvre le prompting et la création de contenus avec ChatGPT, Claude et Gemini, en 3 semaines, pour 1 600 €. Consultez le programme pour voir s’il couvre vos usages.
Si elles viennent des connexions entre outils ou de la reprise après erreur, c’est l’organisation autour du modèle qu’il faut revoir. Le parcours Automatisation et Agent IA Marketing traite précisément ce point, de la conception d’agents aux outils internes.
Non. GPT-6 Astra est un modèle. ChatGPT est un produit qui donne accès à plusieurs modèles et fonctions selon votre offre. Dans l’onglet Chat, l’option « GPT-6 » tourne sur GPT-6 Sol. Le tableau plus haut indique où trouver Astra selon votre offre. Vérifiez ce qui est disponible dans votre compte avant de transposer un exemple d’API ou de Codex.
Non. Commencez par les missions qui demandent de croiser plusieurs sources ou de produire plusieurs fichiers. Pour une reformulation courte, mesurez d’abord si Astra fait mieux que le modèle que vous utilisez déjà.
Le modèle n’a pas accès à vos comptes publicitaires par défaut. Avec des outils connectés et des autorisations adaptées, un agent peut effectuer certaines actions. Définissez les étapes qu’il prépare, celles qu’il exécute et celles que vous validez.
Ça dépend du canal. Dans ChatGPT, Astra est inclus dans l’abonnement, dans la limite de ses quotas d’usage. Des crédits peuvent s’ajouter pour un usage supplémentaire.
Par API, OpenAI affiche 10 $ par million de tokens en entrée, 1 $ pour l’entrée mise en cache et 50 $ en sortie. Au-delà de 272 000 tokens d’entrée, toute la requête passe à 2 fois le tarif d’entrée et 1,5 fois le tarif de sortie, soit 20 $ et 75 $. Le mode Fast, jusqu’à deux fois plus rapide, coûte le double. Il n’est pas disponible pour Astra avec la résidence des données en Europe.
Dans les deux cas, mesurez le coût de votre tâche complète, corrections comprises.
