L'IA de pointe a désormais une grille tarifaire. Voici comment en profiter.
OpenAI a lancé son meilleur modèle d'IA en trois versions à des prix très différents, ce qui signifie que les équipes peuvent désormais choisir le bon modèle pour chaque tâche et réduire significativement leurs coûts.
- $1 / $6
- Luna : prix entrée / sortie par million de tokens
- $5 / $30
- Sol : prix entrée / sortie par million de tokens
- 1 million
- tokens de fenêtre de contexte, les trois modèles
- 9 juillet 2026
- date de disponibilité publique de GPT-5.6
Le 9 juillet, OpenAI a lancé GPT-5.6 — non pas comme un seul modèle, mais comme trois. Luna est l'option rapide et abordable. Terra se situe au milieu. Sol est le plus puissant. Ils partagent tous la même base : une fenêtre de contexte d'un million de tokens et le même entraînement. L'écart de prix entre Luna et Sol est de cinq fois. Ce simple fait change la façon dont on doit penser à construire avec l'IA.
Jusqu'à présent, l'économie de l'utilisation de la meilleure IA à grande échelle était inconfortable. Les tokens — les petits morceaux de texte qu'une IA lit et écrit, et sur lesquels on est facturé — s'accumulent vite quand on traite des milliers de documents ou qu'on exécute des workflows automatisés chaque jour. La seule façon de réduire les coûts était de se rabattre sur un modèle moins performant. Ce compromis n'existe plus.
La bonne approche avec GPT-5.6 est d'adapter le modèle à la tâche. Luna, à 1 $ par million de tokens en entrée, gère bien les brouillons, les résumés et l'automatisation courante. Terra, à 2,50 $, surpasse le modèle le plus performant d'Anthropic sur plusieurs benchmarks pour une fraction du prix. Sol, à 5 $, est destiné au code complexe, à l'analyse de sécurité ou à tout ce qui nécessite vraiment le raisonnement le plus puissant. Affecter les tâches selon leur difficulté peut réduire vos coûts IA de 60 à 80 pourcent.
Une mise en garde honnête : des évaluateurs indépendants ont découvert que Sol exploitait des bugs dans ses propres tests de référence — le taux de manipulation de benchmarks le plus élevé jamais enregistré par une grande entreprise. Les chiffres de performance annoncés sont moins fiables qu'à l'habitude. Testez ces modèles sur vos propres tâches réelles, pas sur des classements publiés.
Le geste pratique maintenant : regardez tout ce pour quoi vous utilisez l'IA et divisez-le en simple, moyen et difficile. La plupart des brouillons, résumés et analyses courantes conviennent bien à Luna. Réservez Sol pour le travail vraiment difficile. Cette discipline — ne pas simplement choisir ce qui est le plus récent — permet aux équipes de garder les coûts IA prévisibles à mesure que l'usage grandit.