GPT-5.6 + Code Interpreter + Web Search = workflows automatisés

Quand le raisonnement rencontre les outils

Combiner GPT-5.6 en mode raisonnement avec Code Interpreter et Web Search transforme un modèle de langage en agent capable d’exécuter du code, de chercher sur le web et de recomposer les résultats en une conclusion unique. Cette leçon vous montre comment exploiter cette synergie. Pour mémoire, la génération précédente réservait ce rôle aux modèles de raisonnement dédiés — o3, o3-pro ; depuis juillet 2026, le raisonnement est un réglage disponible sur chaque modèle GPT-5.6.

Trois rôles complémentaires

Le premier pilier est le modèle lui-même. Avec un niveau de raisonnement high ou supérieur, GPT-5.6 — Sol pour les cas exigeants, Terra pour l’usage courant — joue le cerveau : il raisonne, planifie, décide quelles actions entreprendre et orchestre l’ensemble du processus.

Code Interpreter tient le rôle des mains. Il exécute du code Python en temps réel, ce qui lui permet de manipuler vos fichiers Excel, CSV ou JSON, d’effectuer des calculs complexes, de créer graphiques et visualisations, et de nettoyer ou transformer des données avant analyse. Web Search tient celui des yeux : il donne accès à l’information en temps réel, qu’il s’agisse de rechercher des données actualisées, de vérifier un fait, de collecter des informations issues de sources multiples ou d’accéder à des sites et bases de données publiques.

Comment le modèle décide d’utiliser un outil

Vous n’avez pas besoin d’écrire « utilise Code Interpreter » : quand le raisonnement est actif, le modèle détecte lui-même qu’un outil est nécessaire et l’appelle au bon moment. Côté API, la Responses API va plus loin avec le Programmatic Tool Calling : le modèle écrit de petits programmes qui orchestrent les outils et filtrent les résultats intermédiaires, au lieu de les appeler un par un. C’est ce mécanisme qui rend les workflows multi-outils nettement plus fiables qu’avec la génération précédente.

Une demande d’analyse financière complète illustre bien cet enchaînement.

« Voici mes données de ventes des 12 derniers mois (Excel). Analyse les tendances, calcule le taux de croissance mensuel moyen, projette les ventes pour les 3 prochains mois, et cherche sur le web les prévisions sectorielles pour comparer. Produis un rapport avec graphiques. »

GPT-5.6 déroule alors la séquence suivante sans que vous ayez à la découper.

1. Raisonner : comprendre la structure du problème
2. Code Interpreter : charger l’Excel, calculer les tendances, faire les projections
3. Web Search : rechercher les prévisions sectorielles
4. Raisonner : comparer les résultats et tirer des conclusions
5. Code Interpreter : générer les graphiques
6. Raisonner : rédiger le rapport final

Notez l’alternance : le raisonnement n’intervient pas seulement au début, il revient entre chaque appel d’outil pour décider de la suite. C’est cette respiration qui distingue un agent d’un exécutant.

Ce que la combinaison rend possible

Le benchmarking automatisé en est l’usage le plus immédiat, puisqu’il suppose de confronter vos chiffres à des données extérieures.

« Voici les performances financières de mon entreprise (fichier Excel). Cherche sur le web les ratios financiers moyens de notre secteur (SaaS B2B en Europe) et compare-les aux nôtres. Produis un tableau de benchmarking avec un code couleur : vert si on est au-dessus de la moyenne, rouge si en dessous. »

La veille prend une autre dimension quand elle est adossée à vos propres données : au lieu de collectionner des annonces, vous mesurez leur effet.

« Cherche les dernières annonces de nos 3 concurrents (Competitor A, Competitor B, Competitor C) sur les 30 derniers jours. Croise avec nos données de trafic web (fichier CSV joint) pour identifier si leurs annonces ont eu un impact sur notre trafic. »

Le troisième usage type est le rapport chiffré avec visualisations, où Code Interpreter fait l’essentiel du travail sur vos données internes.

« Voici nos données RH (fichier Excel). Calcule le taux de turnover par département, le coût moyen d’un remplacement (hypothèse : 6 mois de salaire), et projette l’impact budgétaire. Génère un graphique par département et un tableau de synthèse. »

Activer et piloter les outils

Dans ChatGPT, les outils sont disponibles avec les modèles GPT-5.6. Code Interpreter est invoqué dès qu’un fichier ou un calcul l’exige — vérifiez qu’il n’est pas désactivé si votre espace de travail restreint les outils. Web Search est sollicité automatiquement quand le modèle détecte le besoin d’information fraîche. Quant au niveau de raisonnement, réglez-le sur medium au minimum pour les workflows multi-outils, faute de quoi le modèle enchaîne les appels sans stratégie. Rien ne vous empêche par ailleurs de forcer la main : « Utilise Code Interpreter pour calculer précisément… » ou « Cherche sur le web les données récentes sur… » suffisent à imposer un outil.

Ces outils ont des frontières nettes qu’il faut connaître. Code Interpreter n’accède pas à internet : il travaille uniquement sur les fichiers que vous fournissez. Web Search, symétriquement, n’exécute pas de code et ne retourne que du texte. Le temps de réponse augmente significativement quand les trois sont combinés, et les quotas se consomment plus vite, surtout à niveau de raisonnement élevé.

Mise en pratique

Testez la combinaison complète sur un cas où les trois outils sont indispensables.

« Voici un fichier CSV de mes dépenses mensuelles sur 12 mois. (1) Analyse les tendances avec Code Interpreter et génère un graphique. (2) Cherche sur le web le taux d’inflation en France pour chaque mois correspondant. (3) Calcule mes dépenses ajustées de l’inflation. (4) Produis un rapport comparant dépenses nominales et réelles. »

Si vous n’avez pas de fichier CSV sous la main, demandez d’abord au modèle d’en générer un réaliste. Gardez trois réflexes pendant l’exercice. Vérifiez les calculs de Code Interpreter : une formule fausse exécutée proprement reste une formule fausse. Croisez les sources de Web Search, dont les résultats peuvent être obsolètes ou inexacts. Et récupérez les fichiers générés — graphiques, tableaux — avant de fermer la conversation. Un dernier conseil vaut pour l’ensemble : même quand le modèle gère seul ses outils, les workflows complexes donnent de meilleurs résultats découpés en étapes qu’écrasés dans un unique prompt géant.

Points clés à retenir

• GPT-5.6 en mode raisonnement combine réflexion, exécution de code et recherche web de façon autonome
• Le modèle décide automatiquement quand utiliser chaque outil ; côté API, le Programmatic Tool Calling lui permet d’orchestrer les outils par programme
• Code Interpreter manipule les fichiers et crée des visualisations ; Web Search apporte les données en temps réel
• Réglez le raisonnement sur medium au minimum pour les workflows multi-outils
• Vérifiez toujours les résultats — les outils amplifient la puissance mais aussi les risques d’erreur