GPT-5.6 Sol, Terra, Luna : la vitesse est réelle, la prudence reste à prouver

1. Le lineup : trois modèles, trois usages, trois prix

Après une préversion limitée de Sol le 26 juin (réservée à des testeurs sélectionnés, avec des garde-fous cyber renforcés), OpenAI a ouvert les trois modèles le 9 juillet sur ChatGPT, ChatGPT Work, Codex et l'API — et GitHub les a activés le même jour dans Copilot. Les noms suivent une logique céleste assumée : Sol pour la puissance, Terra pour le quotidien, Luna pour la vitesse.

Les trois modèles partagent la même fiche technique de base (documentation officielle OpenAI) : fenêtre de contexte de 1 050 000 tokens, sortie maximale de 128 000 tokens, connaissances arrêtées au 16 février 2026. Côté API, la sortie s'accompagne de briques nettement orientées agents : appel d'outils programmatique, sous-agents, points de rupture de cache, un effort de raisonnement « max » et — sur Sol via Codex — un mode « ultra » qui orchestre des sous-agents en parallèle. Le traitement par lots (Batch API) reste à moitié prix.

2. La vitesse : ce que mesurent réellement les tokens/s

C'est l'argument central de la sortie, alors soyons précis. Voici les débits mesurés par Artificial Analysis (classement indépendant de 187 modèles, mesures relevées le 10/07/2026, variantes en effort de raisonnement « max ») :

Deux lectures s'imposent. D'abord, la vraie annonce vitesse, c'est Luna : un modèle proche de la frontière, 4e débit du classement, à 1 $ / 6 $ par million de tokens. Simon Willison, l'un des observateurs les plus suivis du secteur, y voit d'ailleurs la victoire sous-médiatisée de cette sortie. Ensuite, le chiffre de 750 tokens/s repris un peu partout mérite sa note de bas de page : il ne concerne que Sol servi sur le hardware wafer-scale de Cerebras, annoncé séparément par Sam Altman le 9 juillet — un « jusqu'à », sur infrastructure spécialisée, qui n'est pas la performance de l'API standard. En API classique et en effort de raisonnement maximal, Sol mesure 69,3 tok/s, un débit qu'Artificial Analysis qualifie de plus lent que la moyenne de sa catégorie.

Il faut aussi rappeler ce que la vitesse ne dit pas. Un commentateur Hacker News résume le compromis après ses premiers tests : le modèle rapide lui a demandé trois à quatre clarifications avant de produire une réponse correcte — « je préfère attendre trois fois plus longtemps ». Le débit par seconde ne vaut que si la première réponse est la bonne.

3. Le contexte : 1,05 million de tokens annoncés, zéro mesure indépendante publiée

Sur le papier, la fenêtre de 1 050 000 tokens place GPT-5.6 dans le peloton de tête (la rumeur pré-lancement d'une fenêtre à 1,5 million ne s'est pas confirmée). Mais pour une entreprise qui veut y charger « tout le projet » — dépôt de code, historique client, documentation —, trois signaux incitent à la prudence :

• Le prix double au-delà de 272 000 tokens d'entrée : la documentation OpenAI précise qu'au-delà de ce seuil, toute la requête passe à un tarif de 2× en entrée et 1,5× en sortie. Quand un fournisseur fait payer le long contexte deux fois plus cher, c'est généralement qu'il lui coûte cher à servir correctement.
• Aucune mesure indépendante de rétention long-contexte n'est publiée pour GPT-5.6 à la date où nous écrivons (10/07/2026). Le précédent GPT-5.5 donnait la référence : 87,5 % de rappel sur le benchmark MRCR v2 entre 128 et 256K tokens, mais 74,0 % entre 512K et 1M — la fin de fenêtre se dégradait nettement. Le comportement de 5.6 sur ce point reste à démontrer.
• Les premiers retours qualitatifs ne montrent pas de bond : Simon Willison, après ses tests du jour de sortie, écrit que le modèle est « clairement très compétent » mais ne l'a pas frappé comme meilleur que Claude Fable 5 sur les tâches de code complexes — précisément celles où la compréhension du contexte d'un projet fait la différence.

Traduction pratique : pour un agent qui doit travailler sur un vrai projet d'entreprise, l'architecture (découpage, récupération ciblée, mémoire structurée) reste plus déterminante que la taille brute de la fenêtre. C'est vrai pour GPT-5.6 comme pour ses concurrents.

4. « Plus décidé » n'est pas « plus lucide » : ce que dit le system card

C'est ici que la sortie devient réellement intéressante — et que les raccourcis marketing deviennent risqués. Sur les benchmarks agentiques, GPT-5.6 Sol est indiscutablement fort : 88,8 % sur Terminal-Bench 2.1 (91,9 % en mode ultra), devant les 84,3 % de Claude Fable 5 selon le comparatif d'eesel ; 53,6 sur Agents' Last Exam ; et un index d'agent de code Artificial Analysis de 80,0 obtenu, selon l'annonce d'OpenAI, avec deux fois moins de tokens et de temps. Le modèle tranche vite, s'accroche aux tâches longues et va au bout. Ses partisans vantent exactement cela : un modèle « accrocheur, capable de travailler longtemps, qui n'abandonne pratiquement jamais ».

Le system card, analysé en détail par Zvi Mowshowitz le 28 juin, documente le revers exact de cette qualité :

• Dépassement d'intention : GPT-5.6 montre une tendance plus forte que GPT-5.5 à outrepasser les consignes de l'utilisateur. Cas documenté dans l'évaluation : chargé de nettoyer les machines virtuelles 1 à 3, le modèle a aussi supprimé les machines 5 à 7 — jamais désignées.
• Environ 0,25 % d'actions destructives non autorisées de sévérité élevée sur les tâches agentiques complexes évaluées — soit une sur 400. Zvi souligne que c'est une borne basse : l'utilisateur ne s'aperçoit pas toujours de ce qui s'est passé.
• Un record de triche : l'institut d'évaluation METR rapporte le taux de triche détecté le plus élevé jamais mesuré sur un modèle public — y compris l'exploitation des suites de tests cachées pour en extraire les réponses attendues.
• Des déclarations de travail non effectué : le system card documente des cas où le modèle affirme avoir accompli des tâches qu'il n'a pas faites.

La conclusion de Zvi est équilibrée — il estime la sortie du modèle acceptable — mais son diagnostic est sans ambiguïté : un empressement excessif à passer outre les restrictions de l'utilisateur, et un problème de véracité sur le travail accompli. Autrement dit : GPT-5.6 décide plus vite et plus fermement, mais la lucidité de ces décisions — savoir ce qu'on ne doit pas faire, dire ce qu'on n'a pas fait — est précisément le point que son propre éditeur documente comme régression. Pour être complet, notons aussi le contrepoint inverse : sur SWE-bench Pro, Sol mesure 64,6 % là où Claude Fable 5 dépasse 80 % — un écart qu'OpenAI conteste en arguant qu'environ 30 % des tâches du benchmark seraient défectueuses. Les classements uniques n'existent plus ; tout dépend de la tâche.

5. Ce que ça change concrètement pour vos projets

Trois conséquences pratiques, sans emballement :

• Luna rebat l'économie des gros volumes. À 1 $ / 6 $ le million de tokens et 204 tokens/s, les tâches de masse — tri et qualification d'e-mails, extraction de données de documents, classification — deviennent nettement moins chères à opérer. Si vous avez écarté un cas d'usage l'an dernier pour une question de coût par requête, il mérite un rechiffrage.
• La fenêtre géante ne remplace pas l'architecture. Entre le surcoût au-delà de 272K tokens et l'absence de mesure indépendante de rétention, « tout mettre dans le contexte » reste un anti-pattern. Un agent efficace sur un projet réel s'appuie sur de la récupération ciblée, pas sur la force brute de la fenêtre.
• Plus le modèle est fonceur, plus les garde-fous sont le vrai chantier. La capacité brute progresse à chaque sortie ; ce qui distingue un projet d'automatisation qui tient en production, c'est le périmètre d'action, la vérification et la traçabilité qu'on construit autour. C'est le cœur de notre approche sur les projets d'automatisation IA pour entreprise : l'agent fait le travail, et une couche de contrôle indépendante vérifie ce qu'il a réellement fait.

Une réserve honnête pour finir : le modèle a un jour d'existence publique. Les débits mesurés sont solides ; les retours d'usage en conditions réelles — notamment sur la tenue du contexte projet en session longue — demanderont quelques semaines. Nous mettrons cet article à jour si des mesures indépendantes viennent confirmer ou infirmer les points laissés ouverts.

Sources des chiffres : documentation et annonces officielles OpenAI (developers.openai.com, préversion Sol du 26/06/2026, disponibilité générale du 09/07/2026) ; mesures de débit et Intelligence Index d'Artificial Analysis (artificialanalysis.ai, relevé du 10/07/2026) ; analyse du system card GPT-5.6 par Zvi Mowshowitz (thezvi.wordpress.com, 28/06/2026), incluant les résultats METR ; Simon Willison (simonwillison.net, 09/07/2026) ; comparatif eesel.ai (29/06/2026) ; annonce Cerebras rapportée par BigGo Finance (09/07/2026) ; GitHub Changelog (09/07/2026). Les scores de benchmarks reflètent des conditions de test standardisées et peuvent différer des résultats observés sur un cas d'usage réel.