Choisir le bon modèle IA n'est plus une question de puissance brute, mais de prix par tâche. Le 26 octobre 2026, OpenAI a lancé GPT-6.1 Terra, un modèle milieu de gamme deux fois moins cher que son prédécesseur et presque aussi performant que le modèle le plus avancé d'OpenAI sur certaines tâches. Pour une PME qui paie à l'usage ses outils IA, cette sortie illustre un arbitrage très concret : le modèle le plus cher n'est pas toujours celui qu'il faut utiliser.
En bref
- OpenAI a lancé GPT-6.1 Terra le 26 octobre 2026, disponible dans ChatGPT (Plus, Pro, Enterprise, Edu, dans ChatGPT Work et Codex) et via l'API sous le nom
gpt-6.1-terra. - Son prix API est de 1 $ par million de tokens en entrée et 5 $ en sortie (0,05 $ en cache), soit 50 % moins cher que GPT-5.6 Terra, le modèle qu'il remplace.
- Sur le test Agents' Last Exam (tâches professionnelles), Terra obtient 60,0 % de réussite pour 1,01 $ par tâche, contre 59,3 % pour GPT-6 Astra, le modèle le plus avancé d'OpenAI, mais pour 7,24 $ par tâche.
- Des analystes cités par InfoWorld (Pareekh Jain, Sanchit Vir Gogia) avertissent que des tokens moins chers ne garantissent pas une économie nette : le temps de relecture humaine peut annuler le gain.
- Pour une PME, la bonne approche n'est pas de choisir "le meilleur modèle", mais le modèle le moins cher qui atteint le niveau de qualité suffisant pour chaque tâche.
GPT-6.1 Terra : un modèle pensé pour le milieu de gamme
GPT-6.1 Terra se positionne entre deux extrêmes dans la gamme d'OpenAI : GPT-6 Luna, le modèle le moins cher et le plus simple, et GPT-6.1 Sol puis GPT-6 Astra, les modèles les plus puissants et les plus chers. OpenAI présente Terra comme « un modèle rapide et efficace qui combine un raisonnement visuel détaillé et un usage précis de l'ordinateur » (source : annonce OpenAI, citée par InfoWorld, 27 octobre 2026).
Concrètement, Terra vise les tâches à fort volume : traitement de documents, support client, code de routine, extraction d'informations. Ce sont des usages où payer le tarif d'un modèle de pointe ne se justifie pas économiquement, mais où un modèle d'entrée de gamme manque parfois de finesse.
Avant (GPT-5.6 Terra)
Avec GPT-6.1 Terra
Le tableau des prix : quatre niveaux, un même usage API
OpenAI structure désormais sa gamme en paliers nets. Comprendre ce tableau est la première étape pour arbitrer ses coûts d'IA.
| Modèle | Prix entrée (par M tokens) | Prix sortie (par M tokens) | Positionnement |
|---|---|---|---|
| GPT-6 Luna | 0,10 $ | 0,50 $ | Tâches simples, volume très élevé |
| GPT-6.1 Terra | 1 $ | 5 $ | Tâches courantes avec raisonnement modéré |
| GPT-6.1 Sol | 2 $ | 10 $ | Raisonnement complexe, code avancé |
| GPT-6 Astra | 10 $ | 50 $ | Tâches les plus exigeantes, recherche |
Source : annonce OpenAI du 26 octobre 2026, chiffres rapportés par InfoWorld. À titre de comparaison, Claude Sonnet 5.5 d'Anthropic facture 2 $ en entrée et 10 $ en sortie par million de tokens.
Le ratio de prix entre Astra et Terra atteint 10 fois. C'est précisément cet écart qu'OpenAI cherche à combler : sur le test interne Agents' Last Exam, Terra atteint 60,0 % de réussite contre 59,3 % pour Astra, pour un septième du coût par tâche.
Sur le raisonnement visuel (test MMMU-Pro), Terra progresse aussi, de 81,7 % à 85,5 % de réussite, pour un coût par tâche dix fois inférieur à celui de son prédécesseur. Ces chiffres restent des benchmarks communiqués par OpenAI elle-même ; aucun organisme indépendant ne les a encore revérifiés de façon publique, une précision à garder en tête avant de les citer comme une vérité absolue.
Pourquoi un tarif plus bas ne veut pas dire une facture plus basse
C'est le point le plus utile pour une PME, et le moins intuitif. Deux analystes interrogés par InfoWorld apportent une nuance importante sur cette sortie.
L'avertissement des analystes
Pareekh Jain (EIIRTrend & Pareekh Consulting) recommande de tester chaque modèle sur ses propres charges de travail, en mesurant le taux d'achèvement, la précision, le coût par tâche complète et le temps d'intervention humaine, plutôt que de se fier aux seuls benchmarks du fournisseur. Sanchit Vir Gogia (Greyhound Research) va plus loin : sur un exemple de tâche de code, 5,4 secondes de relecture humaine supplémentaires suffisent à annuler l'économie réalisée sur le prix des tokens.
Le prix d'un token n'est qu'une partie du coût réel d'un workflow IA. Il faut aussi compter le temps passé à vérifier, corriger ou relancer une tâche mal exécutée. C'est pourquoi la marge de qualité compte parfois plus que le prix affiché.
Comment une PME choisit le bon modèle, tâche par tâche
Face à quatre à cinq niveaux de prix chez chaque fournisseur (OpenAI, Anthropic, Google), la tentation est de garder le modèle le plus cher "par sécurité", ou au contraire de tout basculer sur le moins cher pour réduire la facture. Les deux approches sont des raccourcis coûteux à long terme.
Cartographier les tâches IA utilisées
Tester le modèle milieu de gamme en premier
Mesurer le coût complet, pas le prix du token
Réserver le modèle haut de gamme aux tâches critiques
Cette démarche rejoint ce que LUWAI recommande depuis le lancement des premiers modèles à plusieurs niveaux de prix en 2026 : l'enjeu n'est plus de choisir un fournisseur unique, mais d'allouer le bon modèle à la bonne tâche, et de revoir cette allocation à chaque nouvelle sortie.
FAQ
GPT-6.1 Terra remplace-t-il ChatGPT Plus pour une PME ?
Non, Terra est un modèle disponible dans ChatGPT (Plus, Pro, Enterprise, Edu) et via l'API, pas une offre d'abonnement à part. Une PME qui utilise déjà ChatGPT peut y accéder sans changer de formule, selon la configuration de son compte.
Terra est-il aussi bon que GPT-6 Astra ?
Sur certains tests comme Agents' Last Exam, Terra approche les résultats d'Astra (60,0 % contre 59,3 %) à un coût bien plus faible. Sur l'usage d'ordinateur (OSWorld 2.1), Claude Sonnet 5.5 reste cependant devant les deux, avec 83,9 % de réussite. Le choix dépend donc de la tâche précise.
Comment savoir si un modèle moins cher suffit pour mon activité ?
En testant sur un échantillon réel de vos propres tâches, pas uniquement sur les benchmarks publiés. Mesurez le taux de réussite, le temps de relecture nécessaire et le coût total, pas seulement le prix par token.
Faut-il changer de fournisseur IA à chaque nouveau modèle ?
Non. Changer de fournisseur a un coût d'intégration et de formation des équipes. Il est généralement plus rentable de réévaluer régulièrement l'allocation de modèles chez son fournisseur actuel, comme le permet la gamme à plusieurs niveaux d'OpenAI, d'Anthropic ou de Google.
Vous hésitez entre plusieurs modèles IA pour votre activité ? Consultez nos ressources sur le choix d'un modèle d'IA ou découvrez comment d'autres PME ont structuré leurs coûts IA dans nos cas clients.
