Les modèles d'IA existent maintenant par niveaux. Les moins chers sont étonnamment efficaces.
La nouvelle famille de modèles à trois niveaux d'OpenAI montre que le modèle d'IA le plus cher n'est plus toujours le meilleur choix — et cela change le calcul des coûts pour toute équipe qui construit avec l'IA.
- $1–$5
- par million de tokens, GPT-5.6 de Luna à Sol
- ~1/16
- coût des niveaux bas selon OpenAI vs. ancien modèle de référence
- $2
- prix d'entrée de Claude Sonnet 5 par million de tokens
- July 9, 2026
- disponibilité générale de GPT-5.6
Il y a quelques mois, choisir un modèle d'IA signifiait prendre le meilleur que l'on pouvait se permettre. Cela change vite. Le 9 juillet, OpenAI a lancé GPT-5.6 non pas comme un seul modèle, mais comme trois — Sol, Terra et Luna — chacun conçu pour un type de tâche différent et tarifé en conséquence. La famille couvre un écart de prix multiplié par cinq : de 1 dollar par million de tokens (les morceaux de texte qu'une IA lit et écrit) pour Luna à 5 dollars pour Sol. Et le point essentiel : les niveaux moins chers surpassent déjà l'ancien modèle de référence.
Sol est conçu pour les tâches les plus difficiles : raisonnement complexe, analyse de sécurité, agents autonomes fonctionnant sur de longues périodes. Terra couvre les tâches de production courantes à la moitié du prix de Sol. Luna gère les travaux rapides et répétitifs — classer des données, rédiger des réponses courtes, router des requêtes. OpenAI affirme que Terra et Luna surpassent déjà Claude Fable 5, le précédent modèle phare d'Anthropic, à un seizième du prix pour des résultats similaires. Cette affirmation est contestée sur certains benchmarks — Claude Fable 5 reste en tête sur les tâches d'ingénierie logicielle — mais la direction est claire : les IA performantes coûtent de moins en moins.
OpenAI n'est pas seule. Anthropic a lancé Claude Sonnet 5 à 2 dollars par million de tokens en entrée — moins cher que Sol — et le décrit comme une qualité quasi-phare. Google et xAI construisent de la même façon. Sur l'ensemble du marché, on est passé d'un modèle par laboratoire à des familles entières avec des prix très différents — et le coût d'une bonne IA a baissé vite.
Pour ceux qui construisent des produits ou gèrent des flux de travail automatisés, la démarche concrète est de penser par niveaux. La plupart des appels à une IA dans un vrai produit ne sont pas des problèmes de raisonnement difficile — ce sont de simples recherches, résumés ou classifications. Router ces tâches vers Luna ou un modèle bon marché équivalent, et réserver les modèles de classe Sol aux tâches vraiment difficiles, peut réduire vos coûts d'IA de 80 % ou plus sans sacrifier la qualité là où elle compte. La question n'est plus de savoir quelle entreprise a la meilleure IA. C'est de savoir si votre équipe envoie chaque tâche au bon modèle.