Réponse rapide : Le 9 juillet 2026, OpenAI a rendu GPT-5.6 disponible pour tous sous forme de trois modèles. Sol est le niveau supérieur, pensé pour le raisonnement difficile et les longues tâches d'agent. Terra est le modèle équilibré du quotidien, à peu près aussi capable que GPT-5.5 pour moitié moins cher. Luna est le modèle rapide et économique, destiné au gros volume. Le chiffre 5.6 désigne la génération. Sol, Terra et Luna sont des niveaux de capacité qui peuvent chacun progresser à leur propre rythme. Pour la plupart des entreprises, Terra est le choix par défaut le plus sensé, et vous ne passez à Sol ou Luna que là où le travail l'exige vraiment.
Si vous avez cherché GPT-5.6 cette semaine, vous êtes sans doute tombé sur trois noms inconnus et une grille tarifaire, pour repartir plus perdu qu'au départ. Voici la version simple. OpenAI a cessé de sortir un seul modèle par version et s'est mis à publier une petite famille. La sortie a eu lieu le 9 juillet, après un court report lié à un examen de sécurité du gouvernement américain, et elle est désormais disponible dans ChatGPT, dans Codex et via l'API.
Le vrai changement, ce ne sont pas les scores bruts aux benchmarks. C'est que vous devez maintenant faire un choix qui ne se posait pas avant : quel niveau convient à quelle tâche. Faites le bon choix et vous dépensez moins tout en obtenant de meilleures réponses. Faites le mauvais et, soit vous payez trop cher pour des tâches simples, soit vous envoyez des tâches difficiles à un modèle trop petit. Cet article explique à quoi sert chaque niveau, ce qu'il coûte et comment décider.
Ce qu'OpenAI a réellement lancé
GPT-5.6 est une génération de modèle proposée en trois tailles. OpenAI décrit la nomenclature ainsi : le chiffre indique la génération, et le nom (Sol, Terra, Luna) indique le niveau de capacité. Un niveau peut évoluer à son propre rythme, si bien qu'un futur Terra pourrait devenir plus intelligent sans que toute la famille change de numéro de version. Cela ressemble à du marketing, mais l'effet est concret. Vous choisissez un niveau pour une tâche et vous y restez en général, au lieu de retester chaque modèle à chaque sortie.
Voici à quoi chacun est destiné.
Sol, le fleuron
Sol est le modèle des tâches ardues. Raisonnement de pointe, travail d'agent sur le long terme qui s'étend sur de nombreuses étapes, développement sérieux, problèmes scientifiques ou analytiques où une mauvaise réponse coûte cher. Si vous construisez un agent qui planifie et exécute seul une tâche en plusieurs étapes, ou s'il vous faut la meilleure réponse possible à une question vraiment difficile, c'est ce niveau qu'il vous faut. OpenAI fait aussi tourner Sol sur du matériel Cerebras à un débit pouvant atteindre 750 tokens par seconde, ce qui compte si vous voulez une qualité de pointe sans longue attente.
Terra, le cheval de trait du quotidien
Terra est celui que la plupart des équipes utiliseront le plus souvent. OpenAI le présente comme équivalant à peu près à l'ancien GPT-5.5 en qualité, pour environ moitié moins cher à l'usage. Pour rédiger, résumer, répondre aux questions des clients, classer les tickets et gérer le flot des tâches quotidiennes, Terra est assez rapide, assez intelligent, et tarifé de façon à ne pas vous faire penser à la facture à chaque requête.
Luna, le niveau du volume
Luna est le plus rapide et le moins cher des trois. Il est conçu pour le gros volume et la faible latence : classification simple, réponses courtes, étiquetage, routage, filtrage de premier tri, tout ce que vous exécutez des milliers de fois par jour et où chaque appel pris isolément est facile. Vous ne confieriez pas votre analyse la plus difficile à Luna, mais pour la longue traîne des petits appels répétitifs, il maintient les coûts bas et les réponses rapides.
Ce que ça coûte
La tarification se fait au million de tokens, répartie entre l'entrée (ce que vous envoyez) et la sortie (ce que le modèle renvoie). Un token vaut environ trois quarts d'un mot, donc un million de tokens représente beaucoup de texte, mais cela grimpe vite à grande échelle.
- Sol : $5 par million de tokens en entrée, $30 par million en sortie.
- Terra : $2.50 par million de tokens en entrée, $15 par million en sortie.
- Luna : $1 par million de tokens en entrée, $6 par million en sortie.
C'est tout l'enjeu de l'écart. Sol coûte cinq fois plus que Luna en entrée et cinq fois plus en sortie. Envoyer à Sol une tâche que Luna aurait pu gérer n'est pas un petit gaspillage, c'est un gaspillage multiplié par cinq, répété à chaque appel. C'est exactement pour cela que la répartition par niveau compte pour quiconque fait tourner ces modèles à volume réel.
Il y a aussi un changement plus discret qui fait économiser si vous l'exploitez : la mise en cache des prompts (prompt caching) s'est améliorée. GPT-5.6 vous permet de définir des points de rupture de cache explicites et conserve un prompt en cache pendant au moins 30 minutes. Lire depuis le cache continue de donner droit à la réduction de 90 pour cent sur l'entrée, tandis que l'écriture dans le cache coûte 1,25 fois le tarif d'entrée normal. En clair, si vous envoyez sans cesse les mêmes longues instructions ou le même contexte, la mise en cache vous fait payer le plein tarif une fois pour le stocker, puis une fraction du prix à chaque réutilisation pendant la demi-heure qui suit.
Quel niveau votre entreprise doit-elle utiliser
Ne choisissez pas un seul niveau pour tout. L'intérêt d'une famille, c'est d'orienter chaque tâche vers le niveau le moins cher capable de bien la faire. Une façon simple de décider :
- Commencez avec Terra. Pour la plupart des tâches d'entreprise, c'est le bon équilibre entre qualité et coût. Faites-en votre choix par défaut et n'en changez que pour une raison précise.
- Faites monter une tâche vers Sol quand Terra peine visiblement : flux de travail d'agent en plusieurs étapes, analyse difficile, code qui doit être juste, ou tout ce où une mauvaise réponse coûte vraiment de l'argent. Testez, confirmez que la meilleure réponse vaut le prix plus élevé, puis maintenez-l'y.
- Faites descendre une tâche vers Luna quand elle est simple et que vous l'exécutez en permanence : étiqueter des e-mails, router des tickets, réponses standard courtes, filtrage. Les économies sont les plus fortes précisément là où le volume est le plus élevé.
Vous n'avez pas à deviner dans l'abstrait. Prenez un flux de travail réel, faites-le tourner sur deux niveaux, et comparez le résultat et le coût côte à côte. La bonne réponse est en général évidente après un après-midi de tests, et elle diffère selon les tâches. C'est dans ce routage tâche par tâche que résident les économies. Nous avons développé ce sujet du contrôle des dépenses dans notre guide sur la réduction des coûts d'IA en entreprise en 2026.
L'autre nouveauté : ChatGPT Work
En parallèle des modèles, OpenAI a lancé un agent orienté travail au sein de ChatGPT et renforcé les contrôles pour les comptes professionnels. Les administrateurs des offres Business, Enterprise et Edu peuvent définir des règles sur les modèles, outils et connecteurs que le personnel a le droit d'utiliser, et plafonner l'usage. Si vous déployez l'IA auprès de toute une équipe plutôt qu'à un seul utilisateur avancé, ce sont ces contrôles qu'il faut regarder. C'est ainsi que vous gardez un déploiement d'entreprise prévisible, au lieu de laisser chacun utiliser ce qu'il veut sur le budget qu'il veut.
Si vous comparez des options plutôt que de vous engager auprès d'un seul fournisseur, il vaut la peine de lire ces modèles en regard des alternatives. Nous avons traité une autre sortie récente dans notre guide sur Claude Fable 5 pour les entreprises, et le choix sensé pour la plupart des sociétés n'est pas la fidélité à un seul labo, mais le fait de retenir le bon modèle pour chaque tâche.
Faut-il basculer dès maintenant ?
Si vous construisez déjà sur OpenAI, passer de GPT-5.5 à Terra est une mise à niveau simple à tester, puisque Terra vise à égaler l'ancien modèle à un prix inférieur. Il y a une véritable économie à la clé rien qu'avec cette bascule, une fois que vous avez confirmé que la qualité tient sur vos propres tâches. Si vous êtes sur un modèle concurrent qui fonctionne, rien ne presse. Une nouvelle sortie est une raison de lancer une comparaison rapide, pas une raison d'arracher quelque chose qui fait déjà le travail. L'approche posée l'emporte sur la course à chaque lancement : testez sur votre charge de travail réelle, gardez ce qui gagne, et routez par tâche plutôt que par battage médiatique.
Foire aux questions
Quelle est la différence entre Sol, Terra et Luna ?
Ce sont trois tailles de la même génération GPT-5.6. Sol est le plus capable et le plus cher, pensé pour le raisonnement difficile et les longues tâches d'agent. Terra est le modèle équilibré du quotidien, pour environ moitié moins cher. Luna est le plus rapide et le moins cher, fait pour le gros volume et les tâches simples.
Quand GPT-5.6 est-il sorti ?
OpenAI l'a présenté en avant-première le 26 juin 2026 et a rendu les trois niveaux disponibles pour tous le 9 juillet 2026, après un court report lié à un examen de sécurité du gouvernement américain. Il est disponible dans ChatGPT, dans Codex et via l'API.
Combien coûte GPT-5.6 ?
Au million de tokens : Sol est à $5 en entrée et $30 en sortie, Terra à $2.50 en entrée et $15 en sortie, et Luna à $1 en entrée et $6 en sortie. La mise en cache des prompts peut encore réduire le coût réel si vous réutilisez souvent le même contexte.
Quel niveau convient le mieux à une petite entreprise ?
Commencez par Terra pour l'essentiel du travail. Faites monter certaines tâches vers Sol uniquement quand elles sont vraiment difficiles, et descendre vers Luna quand elles sont simples et exécutées à gros volume. Router par tâche, plutôt que de choisir un seul niveau pour tout, voilà comment vous maintenez la qualité en haut et le coût en bas.
Dois-je abandonner GPT-5.5 ?
Non, mais Terra mérite d'être testé, puisqu'il vise à égaler la qualité de GPT-5.5 à un prix inférieur. Faites-le d'abord tourner sur vos propres tâches et ne basculez que si la qualité tient et que l'économie est réelle pour vous.
Qu'est-ce que la mise en cache des prompts et pourquoi est-ce important ?
Si vous envoyez sans cesse les mêmes longues instructions ou le même contexte, la mise en cache le stocke pour que vous ne payiez pas le plein tarif à chaque fois. GPT-5.6 conserve un prompt en cache pendant au moins 30 minutes et accorde une réduction de 90 pour cent sur l'entrée mise en cache, ce qui allège la facture des charges de travail répétitives.
Besoin d'aide pour choisir et tout mettre en place ?
Buinsoft est un cabinet de conseil en IA et en logiciel basé à Prague. Nous aidons les entreprises à tester ces modèles sur leur travail réel, à orienter chaque tâche vers le niveau qui convient, et à mettre en place les accès et les contrôles de coûts avant un déploiement, pas après la première facture surprise.
Écrivez-nous à info@buinsoft.com ou utilisez le formulaire de contact, et nous vous aiderons à retenir le bon modèle pour chaque tâche.
Informations à jour au 10 juillet 2026. La tarification et la disponibilité des modèles peuvent évoluer, alors consultez la documentation actuelle d'OpenAI avant de vous engager.
