GPT-6 Sol ou Luna : quel modèle choisir en entreprise ?

OpenAI a sorti GPT-6 Sol et GPT-6 Luna le 22 septembre 2026, trois semaines après GPT-6 Astra. Luna (0,10 $ / 0,50 $ par million de tokens) vise le volume et les tâches au but clair, comme extraire, trier ou résumer. Sol (2 $ / 10 $) vise les tâches exigeantes du quotidien, code compris. Pour la plupart des usages en entreprise, Luna suffit sur les tâches cadrées et Sol couvre le reste, Astra restant réservé aux cas les plus difficiles.

Il n'y a plus de palier Terra, et les prix sont divisés par deux par rapport à la série GPT-5.6. Si une automatisation ou un assistant tourne déjà sur GPT-5.6 chez vous, la question utile est de savoir si GPT-6 fait mieux, ou aussi bien pour moins cher, sur vos propres cas. Ça se mesure avant de migrer.

Cet article reprend la démarche de notre guide sur GPT-5.6 Sol, Terra et Luna, appliquée à la nouvelle génération.

Ce qui change avec GPT-6 Sol et Luna

GPT-6 Sol et Luna complètent la génération GPT-6 ouverte par Astra le 3 septembre 2026. La gamme passe à trois paliers sans Terra, les prix de l'API baissent de moitié par rapport à GPT-5.6, et OpenAI annonce une fiabilité nettement meilleure, à vérifier sur vos cas.

GPT-6 Astra, Sol et Luna, trois paliers et trois prix

Sol et Luna sont disponibles depuis le 22 septembre dans ChatGPT Work, dans Codex pour les comptes payants et dans l'API, selon TechCrunch et l'annonce d'OpenAI. Luna est aussi ouvert aux comptes ChatGPT Free et Go. Astra, présenté par OpenAI comme son modèle le plus intelligent, est déployé depuis début septembre (annonce de GPT-6 Astra).

Astra propose aussi une entrée en cache à 1 $ et un mode batch à moitié prix. Pour Luna, l'entrée en cache à 0,01 $ compte dès qu'une grande partie de votre prompt est fixe (instructions, exemples, schéma de sortie) et se répète à chaque appel.

Prix API GPT-6 divisés par deux, ce que ça donne sur une facture

OpenAI explique la baisse par des gains sur le cache et l'inférence. Sol passe de 4 $ / 20 $ (tarif actuel de Sol 5.6, promotionnel depuis le 21 août) à 2 $ / 10 $. Luna passe de 0,20 $ / 1,20 $ à 0,10 $ / 0,50 $.

Prenons une automatisation qui traite 20 000 emails par mois, avec en moyenne 3 000 tokens lus et 500 tokens produits par email, soit 60 millions de tokens en entrée et 10 millions en sortie chaque mois.

Passer de Sol 5.6 à Sol 6 économise 220 $ par mois sur ce scénario, soit 2 640 $ par an. Passer de Sol 6 à Luna 6, si la tâche le permet, en économise 209 de plus chaque mois. Le choix du palier pèse donc plus lourd que le changement de génération.

Une précaution avant de recalculer votre budget. Le prix au token baisse de moitié, mais le coût par tâche dépend des tokens réellement consommés, raisonnement compris, et un modèle plus bavard reprend une partie de la baisse. Sur beaucoup d'automatisations, la facture API reste d'ailleurs petite face au temps humain remplacé ou au coût d'une erreur, comme nous le montrions à propos de la baisse de prix de GPT-Sol en août.

« Deux fois moins d'erreurs », « meilleur que Fable et Opus », que valent ces annonces ?

OpenAI affirme que GPT-6 Sol fait environ deux fois moins d'erreurs factuelles que son prédécesseur, avec une fiabilité proche d'Astra pour bien moins cher, et que Sol et Luna dépassent Claude Fable et Claude Opus, les modèles haut de gamme d'Anthropic. Ce sont des affirmations d'éditeur, mesurées sur des tâches choisies par l'éditeur. Qu'un modèle à 0,10 $ par million de tokens batte un modèle à 10 $ sur certaines tâches est possible. Qu'il le fasse sur toutes serait surprenant.

Le même jour, Anthropic a d'ailleurs sorti Claude Opus 5.5 à 4 $ / 20 $, présenté au niveau de Claude Fable 5.1 pour environ 40 % de moins qu'Opus 5 à l'usage. La comparaison « GPT-6 contre Opus » est donc à refaire avec ce nouveau candidat, et sur vos cas.

Où est passé Terra dans GPT-6 ?

GPT-6 n'a pas de palier Terra. Sous Astra, la gamme ne compte que deux modèles, Sol et Luna, là où GPT-5.6 en proposait trois.

Le nom Sol a aussi changé de rang. Sol 6 succède à Sol 5.6, c'est à lui qu'OpenAI le compare, mais Astra est désormais au-dessus. Et son prix, 2 $ / 10 $, le place au niveau de Terra 5.6 (2 $ / 12 $). GPT-6 Sol reprend donc le rôle de modèle de travail quotidien que tenait Terra, pour un tarif équivalent.

Si vous utilisiez Terra en GPT-5.6, vous êtes dans l'une de ces trois situations.

• Terra servait à un assistant interne, à de la synthèse ou à de la rédaction. GPT-6 Sol est le candidat naturel, au même tarif en entrée et moins cher en sortie.
• Terra traitait une tâche cadrée, choisie par prudence (extraction de champs, tri, résumé court). Testez GPT-6 Luna, vingt fois moins cher en entrée (0,10 $ contre 2 $) et vingt-quatre fois moins cher en sortie (0,50 $ contre 12 $).
• Terra était un compromis parce que Sol 5.6 coûtait trop cher pour votre agent. Sol 6 coûte le prix de Terra, testez-le directement.

Rien ne presse le jour de la sortie, Terra 5.6 fonctionne tant qu'OpenAI le maintient. Surveillez ses annonces de dépréciation pour préparer la bascule avant qu'une date de retrait ne vous l'impose.

GPT-6 Sol ou Luna, quel palier pour quel usage ?

Le bon modèle est le moins cher qui atteint la qualité attendue sur votre tâche. Avec GPT-6, Sol coûte vingt fois plus cher que Luna au token, en entrée comme en sortie. Se tromper de palier coûte donc plus cher que se tromper de génération.

GPT-6 Luna, le défaut pour le volume et les tâches cadrées

Luna est fait pour les tâches à fort volume et au but clair. Classer des emails entrants, router des tickets, extraire les champs d'une facture, résumer un document. Le format de sortie est fixe, la marge d'interprétation faible, et un petit modèle bien cadré y tient la qualité. C'est le cœur de nos projets d'extraction de données depuis vos documents et d'automatisation des emails entrants.

À titre de repère, Gemini 3.8 Flash coûte 0,75 $ / 3,75 $ en tarif de lancement jusqu'au 31 décembre 2026, puis le double (voir notre analyse de Gemini 3.8 Flash). Si vos documents ne doivent pas quitter votre infrastructure, DeepSeek V4.1-Flash, à poids ouverts sous licence MIT, peut s'héberger chez vous.

GPT-6 Sol, pour le travail exigeant du quotidien

Sol vise les tâches où la nuance compte. Un assistant interne qui répond à partir de votre base documentaire, la synthèse de documents qui se contredisent, une réponse commerciale ou une note argumentée, le code, un agent qui enchaîne quelques étapes avec des outils. Sur ces tâches, un modèle plus petit oublie une condition ou perd le fil d'une consigne longue, et l'écart de qualité peut justifier un prix vingt fois plus élevé, à condition de le mesurer.

Au même tarif de 2 $ / 10 $, Claude Sonnet 5 est le candidat à mettre en face de Sol sur votre jeu d'évaluation. Si Sol ne suffit pas, Claude Opus 5.5 (4 $ / 20 $) se place entre Sol et Astra en prix.

GPT-6 Astra, quand une erreur coûte cher

À 10 $ / 50 $, le tarif de Claude Fable 5.1, Astra coûte cinq fois plus que Sol. Il se justifie pour un agent qui pilote une interface ou un navigateur, un développement complexe ou une analyse où une erreur de raisonnement coûte cher. Comme OpenAI annonce pour Sol une fiabilité proche d'Astra, testez Sol d'abord. Notre article sur GPT-6 Astra en entreprise détaille les cas où il fait la différence, souvent des projets d'agents IA sur mesure.

Dans ChatGPT, qu'est-ce que Sol et Luna changent pour vos équipes ?

Dans ChatGPT, Luna est ouvert aux comptes Free et Go ainsi que dans l'application de bureau, et Sol arrive dans ChatGPT Work et dans Codex pour les comptes payants.

Vos collaborateurs qui utilisent un compte personnel gratuit ont donc accès à un modèle plus capable. Ça ne règle pas la question pour l'entreprise. Un compte personnel échappe à toute règle commune, sur les données qu'on y colle comme sur la vérification des réponses, et un meilleur modèle gratuit rend cet usage plus tentant, pas plus encadré.

Faut-il payer pour avoir Sol ? Pour reformuler un email ou résumer un compte rendu, Luna suffit souvent. Sol aide sur les demandes longues et nuancées, comme analyser un contrat ou écrire du code. Mais l'écart entre deux collaborateurs vient surtout de leur façon de demander (contexte clair, exemple du résultat attendu, relecture critique). Former les équipes à ChatGPT sur leurs propres cas rapporte souvent plus que changer d'abonnement.

Pourquoi le modèle n'est presque jamais le facteur décisif

Entre le 1er et le 22 septembre 2026, près d'une dizaine de modèles notables sont sortis, de Claude Fable 5.1 à GPT-6 Sol et Luna, en passant par Gemini 3.8 Flash, GPT-6 Astra, DeepSeek V4.1-Flash et Claude Opus 5.5. Un système construit autour d'un modèle précis vieillit en quelques semaines. Un système construit autour de vos données, de vos règles et d'une évaluation traverse ces sorties sans chantier.

Un assistant qui répond mal le fait le plus souvent parce qu'il n'a pas retrouvé le bon passage, pas parce que son modèle est trop faible, comme le montrent les erreurs les plus fréquentes d'un projet RAG. Des consignes explicites et un format de sortie contraint rendent Luna exploitable en production, alors que sans ce cadrage même Astra reste imprévisible. Et si le nom du modèle est un simple paramètre de configuration, tester GPT-6 revient à changer ce paramètre et à relancer l'évaluation, l'architecture que décrit notre guide de déploiement d'un LLM en production.

Comment on benchmarke un nouveau modèle comme GPT-6

Quand un modèle sort, on ne regarde pas s'il est premier au classement. On regarde s'il fait mieux, ou aussi bien pour moins cher, sur les tâches réellement en production. Chez Tensoria, chaque nouveau modèle passe le même parcours.

1. Rejouer de vrais cas. Quelques dizaines à quelques centaines d'exemples tirés de la production, avec la réponse attendue, en particulier les cas limites qui ont déjà posé problème.
2. Comparer à prompt identique. Mêmes prompts, mêmes données, mêmes paramètres que le modèle actuel. Puis une seconde passe avec un prompt ajusté, car un prompt calibré pour GPT-5.6 n'est pas forcément le meilleur pour GPT-6.
3. Mesurer ce qui compte en production. Exactitude par champ ou par réponse, respect du format, coût réel par tâche, latence, et comportement quand l'information manque. Un modèle qui laisse un champ vide vaut mieux qu'un modèle qui invente une valeur.
4. Lire les erreurs, pas seulement le score. Deux modèles au même score peuvent se tromper sur des cas très différents, et une erreur sur un montant de facture pèse plus que dix erreurs de ponctuation.

C'est la démarche détaillée dans notre guide pour évaluer un LLM en entreprise, et celle qu'on applique pour benchmarker un modèle sur une tâche métier.

Faut-il migrer de GPT-5.6 vers GPT-6 ?

Pas par réflexe, mais la question mérite d'être posée vite si vous avez du volume. Avec des prix divisés par deux et un palier Terra sans successeur direct, tout système en production sur GPT-5.6 a une raison concrète d'être réévalué, à condition de le faire dans le bon ordre.

Quoi tester, et dans quel ordre

1. Le palier du dessous d'abord. Sur Sol 5.6, testez Luna 6 avant Sol 6. Sur Terra 5.6, testez Luna 6 puis Sol 6. L'effort de test est le même, et c'est le palier qui fait les plus grosses économies.
2. Le jeu d'évaluation, à prompt identique. Le candidat face à votre configuration actuelle, sur les mêmes cas et avec les mêmes critères.
3. Le passage en parallèle de la production. Pendant quelques jours, le candidat traite les vraies entrées en même temps que le modèle actuel. Ses sorties sont enregistrées, pas utilisées, et vous comparez sur du trafic réel sans risque pour les utilisateurs.
4. La bascule progressive. Une partie du trafic d'abord, puis le reste, avec un retour arrière par simple changement de configuration tant que le modèle 5.6 reste disponible.

Quand ne pas migrer tout de suite

• Vous n'avez pas de jeu d'évaluation. Impossible alors de savoir si la migration améliore ou dégrade le service. Le construire passe avant tout changement de modèle, et c'est aussi ce qui permet de tenir des engagements de résultat sur un projet IA.
• Votre volume est faible. Sur notre scénario, passer de Luna 5.6 à Luna 6 fait gagner 13 $ par mois, soit 156 $ par an. Si la validation mobilise quelqu'un une journée, l'économie met longtemps à couvrir ce temps.
• Le système a été validé par un tiers (juridique, conformité, client final). Changer de modèle impose de refaire cette validation, à planifier plutôt qu'à subir.
• Vous êtes en période chargée. Clôture comptable, pic saisonnier, lancement commercial, attendez que l'activité retombe.

À l'inverse, deux situations justifient de tester sans attendre. Un gros volume sur Sol 5.6, dont le tarif actuel de 4 $ / 20 $ est une offre promotionnelle annoncée au moins jusqu'au 21 novembre 2026, alors que Sol 6 coûte deux fois moins. Et des erreurs récurrentes sur GPT-5.6 que le prompt n'a pas réussi à corriger. Moins d'erreurs annoncées ne veut pas dire moins d'erreurs sur votre cas, mais le test vaut la peine. C'est le travail d'évaluation, de correction et de bascule que nous menons pour fiabiliser un RAG ou un agent déjà en place.

Ce qui a bougé depuis le 22 septembre

Le 24 septembre, nous avons comparé GPT-6 Luna et Gemini 3.8 Flash sur des automatisations à gros volume, dans notre article sur le coût d'une automatisation avec Luna ou Gemini 3.8 Flash.

Le 28 septembre, Anthropic a sorti Claude Sonnet 5.5, au même prix que GPT-6 Sol (2 $ / 10 $). Anthropic le présente comme plus de 30 % plus rapide que Sonnet 5 et très proche d'Opus 5.5 en performance, ce qui en fait le candidat naturel face à Sol. Notre comparatif Sonnet 5.5, Opus 5.5, GPT-6 Sol et Gemini 3.8 fait le point sur cette génération. Claude Haiku 5.5, annoncé pour les prochaines semaines, sera à surveiller sur les tâches où Luna est aujourd'hui le choix par défaut.

Pour aller plus loin

• Quel modèle GPT-5.6 choisir entre Sol, Terra et Luna, la génération précédente.
• GPT-6 Astra en entreprise, le haut de la gamme GPT-6.
• Le comparatif Fable 5.1, Opus 5, GPT-5.6 Sol et Gemini 3.1 Pro, pour situer les modèles frontière.
• Quel modèle d'IA choisir pour automatiser, la méthode quel que soit l'éditeur.

Questions fréquentes sur GPT-6 Sol et Luna