GPT-5.6 Sol, Terra ou Luna : le mauvais choix peut multiplier votre facture API par 5

OpenAI a remplacé la logique « modèle principal, mini et nano » par trois gammes plus lisibles : Sol pour la capacité maximale, Terra pour l’équilibre entre qualité et prix, et Luna pour la vitesse et les gros volumes. Les trois modèles sont disponibles dans l’API et partagent une fenêtre de contexte de 1,05 million de tokens, une sortie maximale de 128 000 tokens et une date de fin de connaissances fixée au 16 février 2026.

La vraie question n’est donc pas « quel est le meilleur GPT-5.6 ? ». Sol est le plus puissant. La question utile est : quel est le modèle le moins cher qui réussit votre tâche avec le niveau de qualité attendu ?

Pour un créateur de SaaS, choisir Sol partout par sécurité peut multiplier inutilement les coûts. Choisir Luna partout pour économiser peut produire davantage d’erreurs, de relances et de vérifications humaines. Terra devrait devenir le point de départ de nombreux projets, mais une architecture qui route les demandes entre plusieurs modèles sera souvent plus rentable.

GPT-5.6 prix : la grille officielle en un tableau

Tarifs Standard en dollars hors taxes, par million de tokens, pour un contexte court, relevés le 27 juillet 2026. L’alias API gpt-5.6 pointe vers gpt-5.6-sol.

Les trois modèles appliquent le même rapport : la sortie coûte six fois plus cher que l’entrée. Générer des réponses inutilement longues est donc l’une des façons les plus rapides de faire exploser un budget. En outre, les tokens de raisonnement invisibles sont facturés comme des tokens de sortie. Un appel qui affiche 500 mots peut ainsi consommer davantage de tokens payants que le seul texte visible.

Calculateur : estimez votre coût mensuel GPT-5.6

GPT-5.6 Luna : pour les tâches simples répétées des milliers de fois

Luna est conçu pour les charges sensibles au coût et les traitements à gros volume. Ce n’est pas un modèle « gratuit » ou réservé à des réponses médiocres : il dispose des fonctions, des sorties structurées, de l’entrée image et des principaux outils de la famille. Mais sa capacité sur les tâches difficiles reste inférieure à celle de Sol.

Il convient particulièrement à la classification, l’extraction de champs, la détection d’intention, la reformulation courte, la génération de variantes simples, le tri de tickets, le routage vers un service et les réponses de premier niveau dont le cadre est très précis.

Pour un SaaS comme Meditrust, Luna pourrait par exemple catégoriser des commentaires patients, détecter le thème d’un retour ou préparer un résumé court. Il ne devrait pas décider seul de la réponse définitive à un avis sensible, ni analyser un dossier ambigu sans validation.

Exemple : 10 000 demandes de support consommant chacune 1 000 tokens en entrée et 250 en sortie coûtent environ 25 $ par mois avec Luna, hors cache et outils. Le même volume coûte 62,50 $ avec Terra et 125 $ avec Sol.

GPT-5.6 Terra : le choix par défaut pour la majorité des SaaS

Terra divise exactement par deux les tarifs de Sol : 2,50 $ en entrée et 15 $ en sortie. OpenAI le positionne comme le modèle équilibré pour le travail quotidien et les applications à volume important qui ne peuvent pas sacrifier la qualité.

Pour une équipe qui développe un produit, c’est le meilleur point de départ pour les réponses de support nécessitant du contexte, la rédaction éditoriale, l’analyse de documents, la génération de données structurées, les agents avec quelques outils et la production de code courant.

Il faut le comprendre comme un modèle de production généraliste, pas comme une version « low cost » de Sol. Les évaluations officielles montrent d’ailleurs des écarts parfois faibles entre Terra et Sol sur certains tests. Cela ne garantit pas le même résultat sur votre produit : seul un jeu d’évaluation construit à partir de demandes réelles permet de trancher.

Pour créer une fonctionnalité IA dans une application mobile, la stratégie raisonnable consiste souvent à commencer par Terra, mesurer la qualité et n’envoyer à Sol que les demandes qui échouent ou dépassent un seuil de complexité.

GPT-5.6 Sol : quand une erreur coûte plus cher que les tokens

Sol est le modèle phare de la famille et l’alias gpt-5.6 lui est automatiquement associé. OpenAI le recommande pour le raisonnement complexe, le développement, les workflows professionnels exigeants, l’usage avancé des outils et les agents longs.

Son prix de sortie atteint 30 $ par million de tokens. Cela reste faible pour une tâche ponctuelle à forte valeur. Un travail de développement consommant 20 000 tokens en entrée et 5 000 tokens de sortie coûte théoriquement environ 0,25 $ avec Sol. Si ce quart de dollar évite une heure de débogage, l’économie réalisée est évidente.

Sol devient en revanche coûteux quand il est appelé pour des milliers de tâches triviales. Réserver ce modèle à l’architecture, aux corrections complexes, aux analyses critiques, à la sécurité, aux agents capables d’agir ou aux escalades de support est généralement plus rationnel.

Les développeurs qui veulent exploiter cette capacité peuvent approfondir le sujet avec notre guide consacré à ChatGPT Codex pour le développement.

Trois scénarios concrets : combien allez-vous réellement payer ?

Ces calculs utilisent uniquement les tarifs Standard et les volumes indiqués. Ils ne comptent pas les tokens de raisonnement invisibles, les recherches web, le stockage, les conteneurs, les nouvelles tentatives après une erreur ou les longues conversations dont l’historique est renvoyé à chaque tour.

Les six coûts cachés qui faussent la plupart des estimations

1. Les tokens de raisonnement

Les modèles peuvent générer des tokens internes pour résoudre une tâche. Ils ne sont pas affichés dans la réponse, mais figurent dans l’objet d’usage de l’API et sont facturés comme de la sortie. Augmenter systématiquement l’effort de raisonnement peut donc coûter cher sans améliorer une tâche simple.

2. Le contexte renvoyé à chaque échange

Dans une conversation, l’historique utile est réinjecté en entrée. Une discussion de support qui s’allonge peut consommer davantage à chaque nouveau message. Il faut résumer ou compacter l’historique, conserver uniquement les éléments nécessaires et surveiller le nombre réel de tokens par tour.

3. Le contexte long au-delà de 272 000 tokens

Lorsque l’entrée dépasse 272 000 tokens, la totalité de la requête est facturée avec un tarif d’entrée doublé et un tarif de sortie multiplié par 1,5. Pour Sol, cela représente 10 $ en entrée et 45 $ en sortie par million de tokens. La grande fenêtre de contexte est utile, mais elle ne doit pas remplacer une stratégie de recherche ciblée.

4. Le cache : très économique à la lecture, plus cher à l’écriture

Une entrée déjà en cache coûte 90 % moins cher : 0,10 $ avec Luna, 0,25 $ avec Terra et 0,50 $ avec Sol par million de tokens. En revanche, l’écriture explicite du cache coûte 1,25 fois le tarif d’entrée normal. Le cache est donc rentable lorsque le même préfixe — règles, documentation, catalogue ou contexte agent — sera réutilisé suffisamment de fois.

5. Les outils facturés séparément

La recherche web est affichée à 10 $ pour 1 000 appels, auxquels s’ajoutent les tokens de contenu récupéré au tarif du modèle. File Search facture le stockage au-delà du quota gratuit ainsi que certains appels. Les conteneurs de code ont également leur propre tarification. Pour un agent, le modèle n’est qu’une partie de la facture.

6. Le traitement régional et les taxes

Les endpoints éligibles au traitement régional des données appliquent une majoration de 10 % aux modèles sortis à partir du 5 mars 2026. Les prix OpenAI sont présentés en dollars et hors taxes. Le montant débité en euros dépend donc aussi du taux de change, de la TVA applicable et des éventuels frais bancaires.

Batch, cache et routage : comment diviser la facture sans dégrader le produit

La Batch API réduit de 50 % le prix des tokens lorsque le résultat peut attendre. Elle convient aux traitements nocturnes, aux classifications de masse, aux enrichissements de fiches ou à la préparation de contenus. Elle ne convient pas à un chatbot qui doit répondre immédiatement.

Le routage entre modèles est souvent encore plus puissant. Prenons les 10 000 tickets de support de notre exemple :

• 8 000 demandes simples traitées par Luna coûtent environ 20 $ ;
• 1 500 demandes intermédiaires confiées à Terra coûtent environ 9,38 $ ;
• 500 demandes complexes escaladées vers Sol coûtent environ 6,25 $.

Le total atteint environ 35,63 $, contre 125 $ si toutes les demandes partent vers Sol. L’économie avoisine 71 %, tout en conservant le modèle phare pour les cas qui le justifient.

Pour construire ce routeur, commencez par une règle simple : Luna exécute la tâche cadrée, Terra prend le relais si la confiance est insuffisante ou si plusieurs documents doivent être croisés, et Sol intervient lorsque l’enjeu, l’ambiguïté ou la capacité d’action augmente. Enregistrez ensuite les erreurs, les escalades et le coût par résultat réussi.

Quel modèle choisir selon votre besoin ?

Le meilleur choix pour un micro-SaaS en 2026

Pour valider une idée, Terra constitue généralement un bon défaut : il limite le risque de construire un produit autour de réponses trop fragiles, tout en coûtant deux fois moins cher que Sol. Dès que les usages réels apparaissent, les tâches prévisibles peuvent être déplacées vers Luna et les cas complexes escaladés vers Sol.

Cette architecture progressive est particulièrement adaptée aux micro-SaaS inspirés de problèmes réels. Le bon indicateur n’est pas le coût du million de tokens, mais le coût par action réussie : ticket résolu, document correctement structuré, contenu validé ou bug effectivement corrigé.

Un modèle deux fois plus cher peut être plus rentable s’il réduit les retries et la vérification humaine. À l’inverse, utiliser Sol pour extraire trois champs dans une facture revient à payer un expert pour recopier un formulaire. Commencez avec un petit jeu de cas réels, comparez les trois modèles au même niveau d’effort, puis routez chaque demande vers le niveau suffisant.

Sources officielles

• OpenAI — annonce et disponibilité de la famille GPT-5.6
• OpenAI Developers — grille tarifaire de l’API
• OpenAI Developers — comparatif Sol, Terra et Luna
• OpenAI Developers — fonctionnement et facturation des tokens de raisonnement

Tarifs et caractéristiques vérifiés le 27 juillet 2026. OpenAI peut modifier ses prix, ses limites et la disponibilité des modèles. Consultez toujours la grille officielle avant d’établir un budget contractuel.