GPT-4

GPT-4 est le quatrième modèle de la série GPT (transformeur génératif préentraîné) d’OpenAI, un modèle multimodal de grande taille publié le 14 mars 2023, qui accepte des images et du texte en entrée et génère du texte. Il a réussi une simulation de l’examen du barreau avec un résultat correspondant à environ les 10 % meilleurs candidats, alors que GPT-3.5 se situait vers les 10 % derniers. Il est devenu le modèle utilisé par ChatGPT Plus et Bing Chat de Microsoft. Le rapport technique de GPT-4 n’a pas communiqué l’architecture, la taille du modèle, le matériel, la puissance de calcul d’entraînement ni la constitution du jeu de données, invoquant la concurrence et la sécurité ; le nombre de paramètres de GPT-4 n’a donc jamais été publié.

Capacités et bancs d’essai#

GPT-4 a obtenu 86,4 % au banc d’essai de connaissances MMLU, contre 70,0 % pour GPT-3.5. Lorsqu’OpenAI a traduit MMLU en 26 langues, GPT-4 a dépassé, dans 24 d’entre elles, le score obtenu en anglais par les modèles précédents. La première version proposait une fenêtre de contexte de 8 192 tokens, avec une variante de 32 768 tokens, contre 4 096 pour GPT-3.5. OpenAI a aussi indiqué avoir prédit une partie des performances de GPT-4 avant la fin de l’entraînement, à l’aide de modèles entraînés avec au plus un millième de sa puissance de calcul, une application des lois d’échelle.

Le modèle hallucine encore. Il a obtenu un résultat supérieur de 19 points de pourcentage à celui de GPT-3.5 lors des évaluations internes d’OpenAI sur la factualité et les attaques contradictoires. Ses données de préentraînement s’arrêtaient en septembre 2021 ; il ne connaissait donc pas les événements ultérieurs. Ses capacités étaient également inégales : une étude de terrain menée en 2023 auprès de 758 consultants du Boston Consulting Group a montré que GPT-4 améliorait la qualité de leur travail pour les tâches relevant de ses capacités, mais réduisait la précision pour une tâche qui les dépassait de peu. Ce phénomène est appelé intelligence en dents de scie.

Entraînement et alignement#

GPT-4 a été préentraîné pour prédire le prochain jeton à partir de données publiques et sous licence, puis affiné par apprentissage par renforcement à partir des retours humains (RLHF). OpenAI a consacré six mois à l’alignement du modèle avant sa sortie et a fait appel à plus de 50 experts pour des tests adversariaux, une forme de red teaming de l’IA. En plus du modèle de récompense habituel, entraîné sur des classements de préférences humaines, OpenAI a ajouté des modèles de récompense fondés sur des règles : des classificateurs GPT-4 zero-shot qui évaluent chaque réponse selon une grille rédigée par un humain, en récompensant les refus de demandes préjudiciables et les réponses aux demandes reconnues comme sûres.

Par rapport à GPT-3.5, le modèle répondait 82 % moins souvent aux demandes de contenu interdit et suivait 29 % plus souvent les politiques d’OpenAI concernant les demandes sensibles, comme les conseils médicaux.

Entrée d’images#

GPT-4 pouvait lire des graphiques, des captures d’écran, des notes manuscrites et des photos, et la démonstration de lancement transformait l’esquisse dessinée à la main d’un site Web en HTML fonctionnel. L’entrée d’images a d’abord été proposée par Be My Eyes, dont la fonctionnalité Be My AI décrit l’environnement aux personnes aveugles ou malvoyantes ; elle est arrivée dans ChatGPT en septembre 2023 sous le nom de GPT-4V. GPT-4 avec vision est un modèle vision-langage (VLM), et des VLM ouverts tels que LLaVA ont utilisé GPT-4 uniquement textuel pour rédiger les conversations d’entraînement destinées à l’ajustement des instructions visuelles.

GPT-4 répond sous forme de texte et peine avec les tâches qui nécessitent une localisation spatiale précise, comme le tracé de boîtes englobantes. Les pipelines de vision par ordinateur l’associent donc à un modèle dédié à la détection d’objets. L’interface LLM d’Ultralytics réunit les deux dans un seul script : YOLO26 repère et localise les objets dans une image, puis l’argument image de l’interface envoie cette image avec une instruction à un modèle de vision compatible avec OpenAI lorsque les détections nécessitent une description écrite. Les modèles OpenAI plus récents, comme GPT-6.1 Sol et GPT-6 Astra, peuvent renvoyer eux-mêmes des boîtes englobantes. Le classement VLM mesure leur précision, ainsi que celle d’autres modèles de langage et de vision, pour détecter des objets dans des jeux de données du monde réel.

Modèles successeurs et apparentés#

GPT-3, sorti en 2020, était un modèle textuel de 175 milliards de paramètres avec un contexte de 2 048 jetons. GPT-4 Turbo, annoncé en novembre 2023, a porté le contexte à 128 000 jetons à un prix inférieur. GPT-4o, sorti en mai 2024, traitait le texte, l’audio et les images dans un seul réseau et répondait à l’oral en seulement 232 millisecondes ; GPT-4.1 a porté le contexte de l’API à 1 million de jetons en avril 2025. Des modèles de raisonnement comme o1 ont suivi une autre voie : entraînés par apprentissage par renforcement, ils rédigent une longue chaîne de raisonnement avant de répondre ; en août 2025, GPT-5 a réuni des modèles rapides et de raisonnement derrière un routeur.

OpenAI a remplacé GPT-4 par GPT-4o dans ChatGPT le 30 avril 2025, et son calendrier de retrait a fixé au 23 octobre 2026 la date d’arrêt de l’API pour gpt-4 et gpt-4-turbo, gpt-5.6-sol étant le remplacement recommandé.