Une IA de pointe moins chère change le calcul de ce qui vaut la peine d'automatiser
La nouvelle gamme GPT-5.6 d'OpenAI divise par deux le coût de l'IA de pointe, ce qui signifie que des automatisations trop coûteuses il y a six mois pourraient désormais être rentables.
- 3
- niveaux de modèles lancés aujourd'hui (Sol, Terra, Luna)
- 50%
- moins cher que GPT-5.5 pour la même performance (Terra)
- 1.5M
- fenêtre de contexte en tokens
- $1 / $6
- tarif de Luna par million de tokens entrée/sortie
Le coût de l'IA de pointe vient de baisser encore une fois. OpenAI a lancé aujourd'hui trois modèles GPT-5.6 — Sol, Terra et Luna — et le chiffre le plus important n'est pas le score de référence. C'est le prix. Terra égale les performances de GPT-5.5 à moitié prix. Cela change ce qui vaut la peine d'être automatisé.
Voici les tarifs. Sol, le modèle phare, coûte 5 dollars par million de tokens en entrée et 30 en sortie — le même prix que GPT-5.5. Terra coûte 2,50 en entrée et 15 en sortie. Luna, le niveau le plus abordable, coûte 1 dollar en entrée et 6 en sortie. L'écart entre assez performant et assez abordable s'est presque refermé. Pour toute équipe gérant de gros volumes d'appels IA, Luna et Terra méritent un examen sérieux.
Au-delà du prix, GPT-5.6 dispose d'une fenêtre de contexte de 1,5 million de tokens — environ 43 % plus grande qu'avant. Cela signifie que des documents plus longs, des bases de code plus volumineuses et des flux de travail plus complexes tiennent dans un seul appel. Sol établit également un nouveau record sur Terminal-Bench 2.1, un test qui mesure la capacité d'une IA à gérer de vraies tâches en ligne de commande. La fiabilité agentique — la capacité du modèle à accomplir des tâches longues et multi-étapes — s'est nettement améliorée.
Le schéma est familier : tous les quelques mois, la même capacité coûte moins cher. Des équipes qui trouvaient l'automatisation par IA trop coûteuse il y a six mois pourraient la trouver viable aujourd'hui. Les cas d'usage à fort volume — support client, traitement de documents, classification à grande échelle — sont désormais peu coûteux à déployer avec Luna. La vraie question n'est plus de savoir si l'on peut se payer l'IA, mais ce qu'il faut automatiser ensuite.