GPT-5.6 Sol : on a testé les nouveaux prix, voici notre verdict

Trois modèles annoncés le 26 juin 2026, une grille de 1 à 30 dollars par million de tokens, et un accès encore fermé au public. J’ai décortiqué la preview de la série GPT-5.6 d’OpenAI, tarifs en main, sans hands-on possible sur le modèle lui-même. Bilan : segmentation maligne, positionnement offensif.

Points clés
– OpenAI décline GPT-5.6 en trois tailles — Sol, Terra, Luna — avec une grille tarifaire segmentée qui laisse choisir le coût par usage plutôt que par abonnement unique.
– Luna descend à 1 $ le million de tokens en entrée, soit le tarif d’accès le plus bas de la gamme, quand Sol vise le haut du panier à 30 $ en sortie.
– OpenAI met en avant des capacités agentiques renforcées sur le code, la biologie et la cybersécurité, sans chiffres de benchmark publiés à ce jour.
– L’accès reste limité à un petit groupe de partenaires, un choix qu’OpenAI relie à une pile de sécurité présentée comme la plus robuste de son histoire.

Prise en main : vue sur la nouvelle gamme GPT-5.6

Soyons transparents d’entrée : je n’ai pas pu tester GPT-5.6 en conditions réelles. L’accès est restreint à un petit groupe de partenaires. Mon analyse porte donc sur la structure annoncée par OpenAI dans sa preview officielle du 26 juin 2026, pas sur des prompts que j’aurais lancés moi-même. Je le précise parce que c’est la règle ici : pas de test bidon.

Ce qui change, c’est l’architecture de l’offre. Là où une génération se résumait souvent à un modèle phare, GPT-5.6 arrive en trois tailles nommées Sol, Terra et Luna. Chacune vise un point différent de l’équilibre coût/capacité. Sol occupe le sommet, Terra le milieu, Luna l’entrée de gamme.

L’intérêt de cette segmentation, c’est qu’elle déporte la décision. Vous ne choisissez plus « le » modèle, vous choisissez le tarif adapté à la tâche. Un point que j’ai apprécié sur le papier, et sur lequel je reviens en détail plus bas. [capture : page de preview OpenAI listant les trois modèles Sol, Terra et Luna]

Test en conditions réelles : analyse de la structure tarifaire

Faute de pouvoir mesurer la latence ou la qualité de génération, j’ai fait ce que je pouvais mesurer précisément : la grille de prix. Et c’est là que la série GPT-5.6 devient lisible.

Trois niveaux, trois tarifs, tous exprimés par million de tokens. Sol est facturé 5 $ en entrée et 30 $ en sortie. Terra descend à 2,50 $ en entrée et 15 $ en sortie. Luna ferme la marche à 1 $ en entrée et 6 $ en sortie. Source unique et datée : la documentation de preview d’OpenAI, publiée le 26 juin 2026.

Le premier réflexe, c’est de calculer les ratios. Entre Luna et Sol, le facteur est de 5 sur l’entrée (1 $ contre 5 $) et de 5 également sur la sortie (6 $ contre 30 $). Autrement dit, le haut de gamme coûte cinq fois plus cher que l’entrée de gamme, à volume égal. C’est un écart large, qui donne du sens à la segmentation : on ne paie pas Sol pour une tâche que Luna encaisse.

Terra se place pile au milieu. À 2,50 $ / 15 $, il double le tarif de Luna et divise par deux celui de Sol. OpenAI présente d’ailleurs Terra comme atteignant une performance comparable à la génération GPT-5.5 précédente, tout en coûtant deux fois moins cher que ce point de référence. Si cette équivalence se confirme en usage réel — et je n’ai pas pu la vérifier — Terra devient le candidat par défaut pour la majorité des charges de travail. C’est exactement le raisonnement que j’avais tenu pour Sonnet 4.6 face à Opus dans un précédent test comparatif de modèles milieu de gamme : le milieu de gamme, quand il fait jeu égal, rafle la mise sur le coût.

Le poste de coût qui fait mal : la sortie

Un détail que trop de gens oublient en comparant des LLM : le tarif de sortie pèse bien plus lourd que celui d’entrée dans la facture réelle. Sur les trois modèles, la sortie coûte six fois le tarif d’entrée (30 contre 5, 15 contre 2,50, 6 contre 1). Le ratio est constant, ce qui simplifie la projection.

Concrètement, si votre usage génère beaucoup de texte — rédaction longue, génération de code verbeux, rapports — c’est la colonne « output » qui dictera votre budget. Sur Sol à 30 $ le million de tokens en sortie, une charge agentique bavarde grimpe vite. Sur Luna à 6 $, la même charge reste contenue. Le choix du modèle n’est donc pas qu’une question de qualité : c’est une décision de gestion de coûts à part entière.

Le cache : levier d’économie sous-estimé

OpenAI conserve un mécanisme de mise en cache qui change la donne pour les usages répétitifs. Les lectures de cache continuent de bénéficier d’une remise de 90 % sur le tarif d’entrée non-caché. En clair : si votre prompt système ou votre contexte long est réutilisé d’un appel à l’autre, vous ne payez qu’une fraction du prix d’entrée sur la partie déjà mise en cache.

En contrepartie, les écritures de cache sont facturées au-dessus du tarif d’entrée standard — c’est le coût de « poser » le contexte en mémoire. Ce compromis est classique : on paie un peu plus cher la première fois pour payer beaucoup moins ensuite. Pour un agent qui rejoue le même contexte des centaines de fois par jour, la remise de 90 % en lecture transforme l’économie réelle. C’est le genre de détail que j’ai appris à ne jamais négliger : le prix affiché n’est pas le prix payé. [capture : tableau tarifaire annoté montrant input, output et remise cache par modèle]

Ce que la grille ne dit pas

Deux angles morts, à assumer. D’abord, aucun chiffre de performance chiffré n’accompagne cette grille dans les faits disponibles : OpenAI parle de capacités agentiques renforcées, mais sans score public que je pourrais recouper. Ensuite, la disponibilité. Tant que l’accès reste cantonné aux partenaires, ces tarifs sont des tarifs annoncés, pas des tarifs que vous pouvez engager aujourd’hui. Je garde donc ma note provisoire, en attendant de brancher une vraie clé API sur un vrai workload.

Forces & limites : ce que j’ai retenu de la preview

Voici mon bilan structuré, à ce stade de preview et sans hands-on. Je m’en tiens strictement à ce qu’OpenAI communique et à ce que la grille laisse déduire.

Pour :
– Segmente l’offre en trois tailles, ce qui permet d’aligner le coût sur la difficulté réelle de chaque tâche plutôt que de surpayer un modèle unique.
– Descend l’entrée de gamme à 1 $ le million de tokens avec Luna, un plancher qui ouvre les usages à fort volume et faible enjeu.
– Conserve la remise de 90 % en lecture de cache, levier concret pour les charges agentiques répétitives.
– Renforce, selon OpenAI, les capacités agentiques sur le code, la biologie et la cybersécurité, trois domaines à forte valeur.
– Intègre ce qu’OpenAI décrit comme sa pile de sécurité la plus robuste à ce jour, argument non négligeable pour les usages sensibles.

Contre :
– Restreint l’accès à un petit groupe de partenaires, ce qui rend tout test indépendant impossible pour l’instant — moi compris.
– Manque de benchmarks publics chiffrés : les gains agentiques annoncés restent invérifiables en l’état.
– Grimpe vite sur Sol, dont la sortie à 30 $ le million de tokens réserve le haut de gamme aux tâches qui le justifient vraiment.
– Reporte la comparaison inter-éditeurs, faute de données cross-vendor disponibles à ce jour.

Vs la concurrence : comparaison des modèles GPT-5.6

Je vais être honnête sur les limites de cet exercice : les données de comparaison face aux modèles d’autres éditeurs ne sont pas publiques à ce jour. Je compare donc les trois tailles entre elles, ce qui reste l’arbitrage le plus utile pour choisir. Un tableau croisé inter-éditeurs viendra quand les benchmarks seront disponibles.

Ce que ce tableau met en évidence : Terra est le point d’équilibre. À moitié prix de Sol, avec une performance qu’OpenAI dit comparable à la génération précédente, c’est le pari le plus rationnel pour un usage général. Luna, lui, joue la carte du volume : à 1 $ l’entrée, il rend viables des cas d’usage que le haut de gamme rendrait déficitaires. J’avais fait le même constat sur la bascule vers les modèles milieu de gamme côté Anthropic — la vraie question n’est jamais « quel est le meilleur modèle », mais « quel est le modèle suffisant au meilleur coût ».

Verdict : mon évaluation de la série GPT-5.6

Note provisoire : 7,5 / 10. Je plafonne volontairement, parce que je n’ai pas pu tester le modèle et qu’un testeur qui note un outil sur sa fiche produit ne fait pas son travail. Ce que je peux évaluer, c’est la logique de l’offre — et elle tient.

La segmentation Sol / Terra / Luna est intelligente : elle transforme le choix d’un modèle en décision de coût, et laisse Luna ouvrir les usages à fort volume. Les capacités agentiques renforcées annoncées par OpenAI sur le code, la biologie et la cybersécurité sont prometteuses, mais restent à démontrer chiffres à l’appui. En un mot : segmenté. Je relèverai la note dès que j’aurai une clé et un workload réel.

Pour qui ?
– L’équipe produit à budget serré : Luna à 1 $ l’entrée rend viables les prototypes et les usages à fort volume sans exploser la facture.
– Le dev backend exigeant : Terra, donné pour une performance proche de GPT-5.5 à moitié prix, coche la case du modèle par défaut pour la majorité des tâches.
– L’ops sur cas sensibles : Sol et sa pile de sécurité renforcée visent les charges à fort enjeu — code critique, cybersécurité, domaines réglementés.

FAQ

Est-ce que je peux utiliser GPT-5.6 tout de suite ?

Non. À la date de la preview, le 26 juin 2026, l’accès est limité à un petit groupe de partenaires pour des tests en cours. Les tarifs annoncés (de 1 à 30 $ le million de tokens selon le modèle) sont donc des prix communiqués, pas encore engageables librement via API pour le grand public.

Quel modèle choisir si mon budget est très serré ?

Luna est le choix le plus abordable de la gamme, avec un tarif d’entrée à 1 $ le million de tokens et une sortie à 6 $. OpenAI le présente comme apportant une capacité solide au coût le plus bas de la série. Pour un usage à fort volume et enjeu modéré, c’est le point de départ logique.

Terra vaut-il vraiment le coup face à Sol ?

Sur le papier, oui, pour la majorité des usages. OpenAI donne Terra pour une performance comparable à la génération GPT-5.5 précédente, à moitié prix de Sol (2,50 $ contre 5 $ en entrée, 15 $ contre 30 $ en sortie). Réservez Sol aux tâches qui justifient vraiment le haut de gamme. Vérification en usage réel à venir.