# GPT-5.6 Luna, Terra ou Sol : lequel choisir?

Date: 2026-07-13 · Author: Robert Scales · https://guidetoartificialintelligence.com/fr/apprendre/gpt-5-6-luna-terra-sol-lequel-choisir/

**Answer:** Prenez Terra comme choix par défaut au quotidien, montez à Sol pour le travail long, spécialisé ou lourd de conséquences, et descendez à Luna pour les tâches courtes et répétitives où la vitesse et le coût comptent plus que la profondeur. Le bon choix dépend de votre tâche : testez donc deux niveaux côte à côte sur du vrai travail avant de vous décider.

Depuis le 9 juillet, GPT-5.6 d’OpenAI existe en trois **niveaux**, c’est-à-dire des versions d’une même génération de modèles vendues à différents degrés de capacité et de prix. **Sol** est le modèle phare, **Terra** le modèle équilibré pour le quotidien, et **Luna** le plus rapide et le moins cher. OpenAI explique que le numéro indique la génération, tandis que les trois noms sont des niveaux durables que l’entreprise peut mettre à jour chacun selon son propre calendrier. La question « lequel? » reviendra donc à chaque mise à jour, et il vaut mieux avoir une méthode qu’un favori.

En bref : Terra est un bon point de départ, Sol justifie son prix plus élevé pour le travail difficile, long ou spécialisé, et Luna est conçu pour le volume. Les détails ci-dessous montrent où les écarts entre eux sont petits et où ils sont grands.

## Ce qui distingue les trois niveaux

Les développeurs paient au **jeton**, un petit morceau de texte, souvent une partie de mot. Les jetons d’entrée sont ce que vous envoyez; les jetons de sortie sont ce que le modèle écrit. Voici les prix de l’API publiés par OpenAI, à côté de trois des résultats de bancs d’essai qu’elle a annoncés au lancement. Un **banc d’essai** (*benchmark*) est un ensemble fixe de tâches de test qui sert à comparer des modèles.

| | Sol | Terra | Luna |
|---|---|---|---|
| Prix par million de jetons (entrée / sortie) | 5 $ US / 30 $ US | 2,50 $ US / 15 $ US | 1 $ US / 6 $ US |
| Artificial Analysis Coding Agent Index | 80 | 77,4 | 74,6 |
| Big Finance Bench (recherche financière) | 53 % | 51 % | 36 % |
| GeneBench Pro (analyse génomique) | 28,7 % | 23,3 % | 10,8 % |

Deux tendances ressortent. En programmation, les trois niveaux sont proches les uns des autres : Terra, ou même Luna, peut donc suffire pour la programmation courante, pour une fraction du coût de Sol. En analyse spécialisée, comme la recherche financière ou la génomique, Luna reste loin derrière, tandis que Terra demeure près de Sol. Ce sont les propres chiffres d’OpenAI, mesurés avec ses propres réglages : voyez-les comme une indication des endroits où des différences pourraient apparaître, pas comme une promesse pour vos tâches.

OpenAI décrit aussi Terra comme concurrentiel avec GPT-5.5, l’ancien modèle phare, à un prix plus bas. TechCrunch, dans sa couverture du lancement, a résumé la gamme ainsi : un cheval de trait, un modèle intermédiaire et une option économique.

## Un tableau de tâches concret

Le tableau ci-dessous associe des tâches courantes à un niveau de départ. C’est une première hypothèse raisonnable, tirée de la tendance ci-dessus, pas un résultat mesuré.

| Tâche | Commencer avec | Pourquoi |
|---|---|---|
| Trier 5 000 courriels de clients en six catégories | Luna | Textes courts, étiquettes simples, gros volume : le prix par élément l’emporte |
| Résumer des notes de réunion en actions à faire | Terra | Rédaction courante où Luna peut rater des nuances et où Sol ajoute des coûts |
| Rédiger une proposition pour un client à partir de vos notes et d’un gabarit | Terra, puis Sol s’il ne respecte pas le gabarit | OpenAI souligne les progrès de Sol pour suivre des documents de référence |
| Réviser un contrat ou un modèle financier pour y trouver des erreurs | Sol | Raisonnement spécialisé, là où l’écart aux bancs d’essai est le plus grand |
| Une tâche de programmation ou de recherche de plusieurs heures | Sol | Les longues tâches récompensent le modèle le plus fort et le moins de reprises |
| Corriger un petit bogue dans un script | Luna ou Terra | Les résultats en programmation sont proches d’un niveau à l’autre |

Dans ChatGPT, vous ne pouvez pas toujours choisir le niveau vous-même. Au lancement, les forfaits payants utilisent Sol dans la conversation ordinaire. Dans ChatGPT Work et Codex, les personnes aux forfaits Free et Go obtiennent Terra, tandis que les utilisateurs payants peuvent choisir n’importe quel niveau et un **niveau d’effort**, le réglage qui détermine combien de temps le modèle réfléchit avant de répondre. Un effort plus élevé signifie habituellement plus de jetons de sortie : comparez donc le niveau et l’effort ensemble plutôt qu’un à la fois.

> **À essayer :** prenez une tâche que vous répétez chaque semaine, faites-la une fois avec Terra et une fois avec Sol, avec le même prompt et les mêmes fichiers, et notez quelle réponse vous enverriez vraiment. Si vous ne voyez pas de différence, gardez Terra.

## Quand le niveau le moins cher est le meilleur choix

Un modèle moins cher ne sert pas seulement à économiser. Luna répond plus vite, ce qui compte dans les outils où les gens attendent, comme un clavardage de soutien ou une saisie semi-automatique. Il vous permet aussi de vous offrir des vérifications : faire tourner Luna deux fois et comparer, ou lui demander de classer puis de vérifier, peut quand même coûter moins cher qu’un seul appel à Sol. Et pour de très gros lots, une petite différence de prix par élément devient tout le budget.

L’inverse est aussi vrai. Si un niveau moins cher se trompe une fois sur dix et que quelqu’un doit trouver et corriger ces erreurs, le temps passé peut facilement dépasser les économies.

## Comment les tester sur votre propre travail?

Constituez un petit jeu de tests à partir de vraies tâches. Choisissez de dix à vingt exemples que vous avez déjà faits à la main, pour savoir à quoi ressemble une bonne réponse. Incluez quelques cas difficiles et quelques cas courants, parce que c’est sur les cas difficiles que les niveaux diffèrent le plus.

Passez chaque exemple dans deux niveaux avec exactement le même prompt, les mêmes fichiers et le même réglage d’effort, puis notez chaque réponse sans regarder quel niveau l’a écrite. Une simple feuille suffit : une ligne par tâche, une colonne par niveau, une réussite ou un échec et une note sur ce qui a mal tourné. Ajoutez la durée de chaque exécution et son nombre de jetons; dans l’API, chaque réponse indique les jetons utilisés, que vous pouvez multiplier par les prix ci-dessus.

Lisez ensuite les résultats comme un compromis. Si Terra réussit tout ce que Sol réussit, utilisez Terra. Si Sol ne l’emporte que sur les cas difficiles, envoyez ces cas à Sol et le reste à Terra ou à Luna. Refaites le test chaque fois qu’OpenAI met à jour un niveau, puisque les noms restent les mêmes alors que les modèles derrière eux peuvent changer.

## Sources

- GPT-5.6: Frontier intelligence that scales with your ambition: https://openai.com/index/gpt-5-6/
- OpenAI launches its new family of models with GPT-5.6: https://techcrunch.com/2026/07/09/openai-launches-its-new-family-of-models-with-gpt-5-6/