Terra et Luna : le raisonnement rapide et économique

Le raisonnement que vous allez utiliser tous les jours

Dans la génération précédente, le raisonnement rapide et économique s’appelait o4-mini. Depuis juillet 2026, ce rôle est tenu par deux modèles GPT-5.6 associés à un réglage de raisonnement modéré : Terra (gpt-5.6-terra, le modèle équilibré) à effort medium, et Luna (gpt-5.6-luna, le modèle de volume) à effort low ou medium. Rapides, économiques et solides sur les tâches techniques, ils méritent une leçon dédiée, car c’est cette combinaison qui devrait devenir votre réflexe par défaut dans la majorité des cas.

Où se situent Terra et Luna

Terra, facturé 2,50 $ par million de tokens en entrée et 15 $ en sortie, offre des capacités de raisonnement réelles tout en restant rapide et accessible. Voyez-le comme le « mode sport » du raisonnement : moins de puissance brute que Sol poussé à xhigh ou max, mais une réactivité incomparable. Luna, à 0,20 $ / 1,20 $ par million de tokens, est le modèle de volume, celui des classifications, des extractions, des vérifications en série et des pipelines automatisés. Sol, à 5 $ / 30 $, reste le modèle phare pour les cas vraiment exigeants, comme vu dans les leçons précédentes. Les trois acceptent texte et image en entrée, et le même réglage de raisonnement.

Terra en raisonnement medium couvre un spectre plus large qu’on ne l’imagine. Il traite les mathématiques — calculs, statistiques, optimisation, modélisation —, le code sous toutes ses formes — écriture, débogage, refactoring, revue —, la vision — analyse d’images, extraction d’informations visuelles, interprétation de graphiques —, la logique — déductions, classifications complexes, arbres de décision — et l’analyse de données, du traitement de tableaux à l’identification de patterns.

Sol à haut niveau de raisonnement conserve néanmoins un avantage net sur quatre familles de problèmes : le raisonnement sur des sujets très abstraits, les analyses stratégiques exigeant une pondération fine de nombreux facteurs, les problèmes qui supposent une exploration exhaustive de l’espace des solutions, et les tâches où le temps de réponse n’entre pas en ligne de compte.

Quand monter le curseur

La question clé n’est plus « quel modèle choisir » mais « quel niveau de raisonnement activer ». Quatre signaux justifient de passer de none ou low à medium sur Terra : la tâche implique un calcul ou une vérification logique ; vous avez besoin d’une décomposition étape par étape ; la réponse obtenue sans raisonnement était approximative ou incorrecte ; la conclusion suppose de croiser plusieurs informations. Le signal pour passer de Terra à Sol est plus simple encore : quand medium puis high sur Terra ne suffisent plus.

Cinq usages où ce réglage brille

Comme assistant de code quotidien, Terra en medium raisonne sur la logique du programme, identifie les bugs et propose des corrections argumentées. Une demande du type « Voici une fonction Python qui devrait calculer la médiane d’une liste, mais elle retourne parfois un résultat incorrect. Identifie le bug et corrige-le : [code] » le pousse à analyser le code logiquement et à tester mentalement les cas limites — c’est souvent sur un cas limite que se cache l’erreur.

Pour une analyse rapide de données, il évite de mobiliser Sol inutilement : « Voici les chiffres de vente de 5 produits sur 6 mois. Identifie lequel a la meilleure trajectoire de croissance et lequel risque de décrocher. Justifie avec les calculs. » Il excelle aussi comme vérificateur, que ce soit du travail d’un autre modèle ou de vos propres calculs — « J’ai calculé qu’un investissement de 50 000 € à 7 % d’intérêt composé pendant 10 ans donne 98 358 €. Vérifie ce calcul. »

Les modèles GPT-5.6 combinant vision et raisonnement, Terra analyse également un graphique et en tire des conclusions : « Voici une capture d’écran de mon dashboard Google Analytics. Quelles sont les 3 observations les plus importantes et que recommandes-tu ? » Enfin, pour les tâches répétitives — classer 500 tickets, extraire des champs de 200 documents —, Luna en low offre le meilleur rapport qualité/coût ; gardez Terra pour les cas individuels qui demandent plus de finesse.

Trois habitudes qui changent tout

À raisonnement modéré, les longs préambules ne servent à rien : soyez direct. « Calcule le CAGR de ces revenus : 2021 = 1,2M€, 2022 = 1,5M€, 2023 = 1,9M€, 2024 = 2,3M€, 2025 = 2,8M€ » donne un meilleur résultat, et plus vite, que « J’aimerais que tu m’aides à comprendre la croissance de mon entreprise. Pour contexte, nous sommes une PME dans le secteur tech et… ». Ajoutez ensuite systématiquement « Vérifie ton résultat » à la fin de vos prompts de calcul : le modèle recalcule et corrige ses propres erreurs. Profitez enfin de la rapidité pour chaîner les questions — posez-en une, puis approfondissez sur la base du résultat, plutôt que de tout empiler dans un prompt unique.

Mise en pratique

Testez Terra en raisonnement medium sur ces quatre tâches, en chronométrant le temps de réponse.

1. « Résous : si 3x + 7 = 2(x - 4) + 15, que vaut x ? Vérifie. »
2. « Voici un bout de code JavaScript : [code avec un bug subtil]. Trouve le bug. »
3. « Mon chiffre d’affaires trimestriel : Q1=120k, Q2=135k, Q3=128k, Q4=142k. Calcule la tendance et projette Q1 de l’année prochaine. »
4. « Un logiciel coûte 15 000 €/an. L’alternative open-source coûte 5 000 € à déployer + 2 000 €/an de maintenance. À partir de quand l’open-source est-il rentable ? »

Vous constaterez que chacune est traitée rapidement, avec un raisonnement détaillé — et c’est exactement le point. Mobiliser Sol à haut niveau pour ce type de demande, réflexe fréquent chez ceux qui découvrent la famille, coûte plus cher et prend plus de temps sans rien apporter. Deux autres réflexes méritent d’être corrigés au passage : sous-estimer les capacités de vision, alors que tous les modèles GPT-5.6 acceptent les images et se montrent utiles sur vos graphiques et captures d’écran ; et oublier Luna sur les traitements de masse, car payer le tarif de Terra — ou pire, de Sol — sur 500 requêtes identiques est un gaspillage pur.

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

• Terra à raisonnement medium est l’héritier direct d’o4-mini : le raisonnement pour les tâches quotidiennes techniques
• Excellent en maths, code, vision et analyse de données ; Luna prend le relais pour les traitements en volume
• Tarifs : Terra 2 $/12 $ et Luna 0,20 $/1,20 $ par million de tokens, contre 5 $/30 $ pour Sol
• Le bon réflexe : monter le niveau de raisonnement avant de monter en gamme de modèle
• Utilisez ces réglages en mode itératif pour profiter de leur rapidité