Vous prenez le modèle pas cher pour économiser et, 20 minutes plus tard, vous le regardez encore tourner en rond. C’est l’erreur la plus courante avec les outils de programmation par IA : chaque lancement coûte peu, mais aller jusqu’au bout du travail coûte beaucoup plus.
La réponse courte : Luna pour les tâches claires et répétitives, Sol pour le travail quotidien dans Codex, Astra pour les problèmes embrouillés où personne ne sait encore ce qui cloche. Voici pourquoi le modèle le plus cher peut revenir le moins cher par tâche terminée.
1. Ce qui est arrivé en septembre 2026
OpenAI a lancé GPT-6 Sol et GPT-6 Luna dans son API le 22 septembre 2026, et les a ajoutés à ChatGPT Work et à Codex.[1][2]
D’après OpenAI, Sol est fait pour la programmation complexe et pour les travaux en plusieurs étapes où le modèle se sert lui-même de différents outils. Luna est conçu pour des tâches bien délimitées, à traiter en grand nombre. Les deux peuvent lire jusqu’à 1,05M de tokens d’un coup et écrire jusqu’à 128K tokens dans une seule réponse.[3][4][5]
Au-dessus se trouve GPT-6 Astra, qu’OpenAI présente comme son modèle pour les travaux les plus difficiles du début à la fin : programmer, piloter un ordinateur, faire des recherches et rédiger des documents.[6]
Version bureau :
- Luna : l’assistant bon marché qui écoule la pile de tâches de routine
- Sol : le responsable fiable à qui l’on confie presque tout
- Astra : la personne qui entre dans la salle des serveurs et demande aussitôt pourquoi ce câble est branché à l’envers
2. « GPT-6 est arrivé dans ChatGPT » ne veut pas dire ce que vous croyez
Les notes de version de ChatGPT du 22 septembre indiquent que Sol et Luna ont été ajoutés à ChatGPT Work et Codex, et qu’ils sont distincts des modèles disponibles dans le chat classique.[1]
Autrement dit, « Sol est dans ChatGPT » et « on peut choisir Sol dans une conversation normale » sont deux affirmations différentes. Fouiller le menu des modèles du chat habituel, c’est chercher un coffre au trésor sur une carte où il n’y en a pas.
Astra, c’est encore autre chose : son annonce début septembre précisait qu’il arriverait aussi dans les offres payantes de ChatGPT.[6] Même nom GPT-6, mais chacun s’utilise à un endroit différent.
3. Sur l’étiquette, l’écart est énorme
Tarifs Standard de l’API au 23 septembre 2026, pour 1 million de tokens en entrée / en sortie :[3][4][6][7][8][9]
| Modèle | Entrée | Sortie |
|---|---|---|
| GPT-6 Luna | $0.10 | $0.50 |
| GPT-6 Sol | $2.00 | $10.00 |
| GPT-6 Astra | $10.00 | $50.00 |
| GPT-5.6 Luna | $0.20 | $1.20 |
| GPT-5.6 Terra | $2.00 | $12.00 |
| GPT-5.6 Sol | $4.00 | $20.00 |
Pour la même quantité de texte, Sol coûte environ 20 fois Luna, et Astra 5 fois Sol.
Rien qu’avec ce tableau, « Luna pour tout » paraît malin. C’est la même logique que d’économiser le déménageur en portant soi-même le frigo à travers la ville.
4. Petit calcul : une tâche qui lit 100K tokens et en écrit 20K
Imaginons une tâche qui lit 100 000 tokens et en écrit 20 000. On laisse de côté les remises liées au cache, le coût des outils, les suppléments pour les textes très longs et les nouvelles tentatives.
| Modèle | Coût API approximatif par lancement |
|---|---|
| GPT-6 Luna | $0.020 |
| GPT-6 Sol | $0.400 |
| GPT-6 Astra | $2.000 |
| GPT-5.6 Luna | $0.044 |
| GPT-5.6 Terra | $0.440 |
| GPT-5.6 Sol | $0.800 |
Sur le prix seul, Luna l’emporte haut la main.
Mais le calcul qui compte est un autre :
coût pour terminer ≈ coût par essai × nombre d’essais + temps passé par une personne à intervenir + contexte perdu quand un essai échoue
À nombre de tokens égal, un lancement d’Astra coûte autant que cinq lancements de Sol. Si Sol a besoin de cinq essais sur une tâche difficile et qu’Astra la règle en un, la facture de l’API est déjà à égalité.
Ajoutez le temps passé à relire les journaux et à taper « non, pas là, on a déjà vérifié », et Astra passe devant encore plus tôt.
5. Le modèle cher peut vraiment coûter moins
Les propres chiffres d’OpenAI le montrent. Sur Terminal-Bench 4.0, GPT-6 Astra obtient 57,9 % contre 37,3 % pour GPT-5.6 Sol, et OpenAI indique que le coût API estimé par tâche d’Astra était environ 9 % plus bas dans les réglages comparés.[6]
Sur AutomationBench, l’écart est de 41,4 % contre 18,1 %, et sur des tâches internes d’OpenAI consistant à faire passer des bases de données à une nouvelle structure, de 63,9 % contre 42,7 %.[6]
Payer plus cher le token et payer plus cher pour finir le travail, ce n’est pas la même chose.
Astra apporte aussi à Codex une nouvelle façon de garder et de retrouver ce qui a déjà été fait au cours des longues sessions.[6] Dans les chasses aux bugs qui s’éternisent et les gros remaniements de code, cela veut dire moins de fois où l’on oublie pourquoi la dernière correction a échoué, avant de retomber dans le même trou.
Le taxi, c’est cher. Mais c’est moins cher que de faire trois fois le tour de la montagne à pied avant d’en appeler un.
6. Classez la tâche d’abord, au lieu de toujours commencer par le moins cher
Faire passer chaque travail par Luna, puis Sol, puis Astra jusqu’à ce que l’un d’eux réussisse est une mauvaise habitude. Regardez à quel type de tâche vous avez affaire, envoyez-la dès le départ au bon modèle, et montez d’un cran après un vrai échec.
GPT-6 Luna
Idéal pour :
- chercher dans le code, dresser des listes, trier et changer de format
- de petites modifications aux consignes claires
- beaucoup de tâches indépendantes en même temps
- lancer les tests et résumer les résultats
- les travaux où un programme peut dire si c’est réussi ou non
GPT-6 Sol
Idéal pour :
- des changements ordinaires sur plusieurs fichiers
- corriger un bug quand on sait à peu près où se trouve le problème
- les travaux qui enchaînent quelques outils
- la boucle habituelle : examiner → corriger → tester
- votre choix par défaut au quotidien dans Codex
GPT-6 Astra
Idéal pour :
- les problèmes où l’on ne sait même pas ce qui est cassé
- les pannes qui touchent plusieurs services, droits d’accès, réseaux ou données enregistrées
- les très longues chasses aux bugs
- les déménagements de bases de données et les gros remaniements de code
- la tâche qui arrive à 80 % et meurt toujours au même endroit
- tout ce que Sol a déjà examiné sérieusement une fois sans parvenir à le boucler
C’est dans ce dernier groupe que les modèles bon marché font des « heures sup’ d’IA » : plus de recherches, plus de tokens, plus de journaux, et pas un pas de plus vers la vraie cause.
7. Et GPT-5.6 Terra, dans tout ça ?
Sur le seul prix, Terra se retrouve dans une position inconfortable.
- GPT-5.6 Terra : $2 en entrée / $12 en sortie
- GPT-6 Sol : $2 en entrée / $10 en sortie
Même prix en entrée, sortie moins chère chez Sol.[3][8] Sol est en plus le modèle de nouvelle génération, pensé pour la programmation complexe et les travaux en plusieurs étapes avec des outils.[3]
Pour un nouveau projet, il y a donc peu de raisons financières de prendre Terra par défaut. Si vous avez déjà des consignes testées sur Terra et besoin de résultats prévisibles, le garder reste raisonnable. Les modèles changent vite : inutile de tout remplacer le jour où un nouveau sort.
Pour un nouveau projet, trois niveaux suffisent presque toujours :
Luna = volume et règles claires. Sol = par défaut. Astra = cas difficiles.
8. Testez sur 20 de vos propres tâches
Les comparatifs sont une carte, pas le plan de câblage de votre propre code.
Répartissez votre vrai travail en trois à cinq types et notez une vingtaine de tâches pour chacun. Suivez :
- combien de fois la tâche s’est terminée sans consigne supplémentaire de votre part
- le temps avant que les tests passent
- le nombre de nouvelles tentatives
- les tokens ou crédits consommés
- la quantité de journaux qu’une personne a dû lire
- les nouveaux bugs apparus ensuite
- combien de fois vous avez fini par changer de modèle quand même
Puis jugez sur :
le coût total par tâche terminée
et
le travail bouclé par minute de votre attention
Choisir au prix du token, c’est comme commander quatre petites assiettes parce qu’elles sont bon marché, avoir encore faim, puis prendre le menu complet de toute façon. Vous avez juste commandé plus souvent.
Conclusion : Sol au quotidien, Luna pour la routine, Astra pour le labyrinthe
GPT-6 Luna : beaucoup de tâches claires et indépendantes.
GPT-6 Sol : le travail normal dans Codex.
GPT-6 Astra : les problèmes flous, longs, qui traversent plusieurs systèmes.
Ce qui coûte cher, ce n’est presque jamais de choisir Astra. C’est de faire tourner un problème difficile plusieurs fois sur Luna ou Sol pour éviter Astra, puis de le confier à Astra à la fin malgré tout.
Ce que vous payez avec un modèle haut de gamme, ce n’est pas un prix plus bas par mot, mais de meilleures chances d’aller au bout sans vous perdre. Et le temps passé à relire le même journal pour la quatrième fois, lui aussi, a un coût.
Références (9)
- OpenAI ChatGPT Release Notes help.openai.com
- OpenAI API Changelog developers.openai.com
- GPT-6 Sol developers.openai.com
- GPT-6 Luna developers.openai.com
- Models catalog developers.openai.com
- GPT-6 Astra openai.com
- GPT-5.6 Sol developers.openai.com
- GPT-5.6 Terra developers.openai.com
- GPT-5.6 Luna developers.openai.com
