GPT-5.6 Sol, Terra, Luna : quel modèle et quel niveau de raisonnement pour quel usage
Mis à jour le 29 juillet 2026
Une famille de modèles, un réglage de raisonnement
OpenAI a simplifié son offre : depuis le 9 juillet 2026, la famille GPT-5.6 est disponible en trois modèles — Sol, Terra et Luna — et le raisonnement n’est plus un modèle à part, mais un réglage que vous ajustez requête par requête. Choisir le bon modèle et le bon niveau de raisonnement est donc la première compétence à maîtriser, et c’est l’objet de cette leçon.
Note de mise à jour : ce cours enseignait auparavant les modèles de raisonnement o3, o3-pro et o4-mini. Ces modèles appartiennent désormais à la génération précédente. Le cours a été entièrement mis à jour pour la famille GPT-5.6 et son paramètre de raisonnement — la pédagogie (quand raisonner, comment décomposer un problème) reste identique.
La gamme GPT-5.6
Les trois modèles partagent les mêmes capacités de base : entrée texte et image, vision, multilingue, accès via la Responses API. Ils ne se distinguent que par leur puissance et leur coût. GPT-5.6 Sol (gpt-5.6-sol, alias gpt-5.6) est le modèle phare, celui vers lequel vous allez quand la qualité prime : analyses approfondies, problèmes difficiles, décisions à fort enjeu. En préversion depuis le 26 juin, il est en disponibilité générale depuis le 9 juillet 2026, date à laquelle il est également devenu le modèle privilégié de Microsoft 365 Copilot.
GPT-5.6 Terra (gpt-5.6-terra) est le modèle équilibré. Il traite la grande majorité des tâches quotidiennes et professionnelles avec un excellent rapport qualité/coût, ce qui en fait votre modèle par défaut. GPT-5.6 Luna (gpt-5.6-luna), enfin, est le modèle de volume : rapide et économique, il est taillé pour les tâches simples répétées à grande échelle, typiquement la classification, l’extraction ou la reformulation en masse.
Le raisonnement : un réglage, plus un modèle séparé
La génération précédente séparait les modèles conversationnels (GPT-5.3, GPT-5.4) des modèles de raisonnement (o3, o3-pro, o4-mini). Ce n’est plus le cas : chaque modèle GPT-5.6 accepte un paramètre de raisonnement par requête, dont voici les valeurs.
- none : réponse immédiate, sans réflexion préalable
- low / medium : réflexion légère à modérée, pour les tâches courantes
- high / xhigh / max : réflexion approfondie, pour les problèmes complexes
- ultra : le réglage le plus lourd, annoncé le 9 juillet — il coordonne 4 agents en parallèle par défaut (jusqu’à 16 sur certaines évaluations) pour les tâches les plus exigeantes, avec une consommation de tokens nettement supérieure
Vous ne changez donc plus de modèle pour raisonner : vous montez le curseur sur le modèle que vous utilisez déjà.
Repères de positionnement et de prix
| Modèle | Positionnement | Points forts | Prix API (entrée/sortie, par MTok) | Coût relatif |
|---|---|---|---|---|
| GPT-5.6 Sol | Phare | Problèmes difficiles, analyses profondes, raisonnement high à max | 5 $ / 30 $ | €€€€ |
| GPT-5.6 Terra | Équilibré | Polyvalent, quotidien professionnel, bon rapport qualité/coût | 2 $ / 12 $ | €€ |
| GPT-5.6 Luna | Volume | Rapide, économique, tâches simples à grande échelle | 0,20 $ / 1,20 $ | € |
Si vous venez de la génération précédente
La transposition est directe. Ce que vous confiiez à o3 ou o3-pro revient aujourd’hui à Sol avec un raisonnement high, xhigh ou max ; ce que vous confiiez à o4-mini revient à Terra en medium. Vos usages courants de GPT-5.3 ou GPT-5.4 basculent sur Terra, et vos traitements en volume sur Luna. Aucun réflexe pédagogique n’est perdu : seule la manière de le déclencher change.
Comment choisir en pratique
La règle d’or tient en une phrase : commencez par Terra avec un raisonnement none ou low, et si le résultat ne vous satisfait pas, montez le raisonnement avant de changer de modèle. Ne passez à Sol que lorsque Terra en raisonnement élevé plafonne réellement. Cet ordre compte, car c’est le premier réflexe qui coûte le plus cher quand il est inversé.
Concrètement, Terra en none ou low couvre tout ce qui relève de la formulation : rédiger un email, un message ou un résumé, répondre à une question factuelle simple, traduire un texte court, brainstormer des idées. Vous montez à medium ou high sur ce même Terra dès que la tâche devient technique — du code, des calculs, une analyse de données —, dès que la réponse dépend de plusieurs étapes intermédiaires, ou dès que vous voulez que le modèle vérifie son propre travail avant de conclure.
Sol en raisonnement high à max se justifie quand le problème exige un raisonnement profond en plusieurs étapes, quand il s’agit de résoudre un problème logique ou mathématique difficile, ou quand vous attendez une analyse stratégique avec pondération d’arguments. Luna, à l’autre extrémité, s’impose quand la tâche est simple et se répète des centaines ou des milliers de fois, quand le coût par requête prime sur la finesse, ou quand vous automatisez de la classification et de l’extraction. Quant au réglage ultra, réservez-le aux tâches les plus lourdes, celles où même le raisonnement max ne suffit pas, en gardant à l’esprit que sa consommation de tokens est nettement supérieure.
Pour ancrer tout cela, prenez une question et testez-la avec deux réglages. Par exemple : « Calcule le retour sur investissement d’un projet à 50 000 € qui génère 12 000 € de revenus annuels pendant 7 ans, avec un taux d’actualisation de 5 %. » Comparez la réponse de Terra sans raisonnement à celle de Terra en raisonnement high. Vous constaterez qu’avec le raisonnement activé, le modèle détaille chaque étape du calcul, vérifie ses résultats et propose une conclusion argumentée.
Quatre écueils reviennent sans cesse chez les débutants. Tout traiter en raisonnement max est lent et coûteux, alors que les niveaux élevés ne se justifient que sur une minorité de tâches. Ignorer Luna revient à payer le plein tarif pour des traitements de masse où il divise vos coûts sans perte de qualité perceptible. Changer de modèle avant d’avoir monté le raisonnement fait sauter une étape gratuite et souvent suffisante. Enfin, dégainer ultra par curiosité coûte cher pour rien : ce réglage coordonne plusieurs agents en parallèle et consomme beaucoup de tokens, gardez-le pour les problèmes qui résistent à tout le reste.
Tarifs relevés le 5 août 2026 — les prix évoluent régulièrement : avant tout calcul de budget, vérifiez la grille en vigueur sur la tarification officielle OpenAI.
Points clés à retenir
- La famille GPT-5.6 compte trois modèles : Sol (phare, 5 $/30 $ par MTok), Terra (équilibré, 2 $/12 $) et Luna (volume, 0,20 $/1,20 $)
- Le raisonnement est un réglage par requête (none → max, plus ultra), et non plus un modèle séparé
- Commencez par Terra en raisonnement faible, montez le curseur avant de changer de modèle
- L’équivalent de l’ancien o3-pro est Sol en raisonnement high à max ; l’équivalent d’o4-mini est Terra en medium
- Le réglage ultra coordonne plusieurs agents en parallèle : puissant mais très consommateur de tokens