À peine Fable 5 était-il revenu en ligne qu’OpenAI répliquait. Le 9 juillet 2026, l’entreprise de Sam Altman a lancé GPT-5.6, non pas comme un modèle unique mais comme une famille de trois — Sol, Terra et Luna —, accompagnée d’un nouvel outil baptisé ChatGPT Work. Derrière les noms poétiques, une bataille très concrète : celle de la performance, mais aussi, et c’est plus nouveau, celle de l’efficience.
Trois modèles pour trois usages
Fini le numéro unique : OpenAI décline désormais sa version en trois tailles. Sol est le vaisseau amiral, taillé pour les tâches les plus lourdes. Terra vise l’équilibre, pour le travail quotidien. Luna mise sur la vitesse et le petit prix. La grille tarifaire suit cette hiérarchie : de 1 $ / 6 $ par million de tokens (entrée/sortie) pour Luna, jusqu’à 5 $ / 30 $ pour Sol.
Sur le terrain du code — le nerf de la guerre entre laboratoires — OpenAI place Sol en tête. Selon l’entreprise, le modèle atteint un score de 80 sur l’indice Artificial Analysis dédié aux agents de programmation, soit 2,8 points au-dessus de Fable 5, le modèle d’Anthropic. Ces chiffres sont ceux du constructeur, à prendre avec la prudence d’usage : chaque laboratoire choisit les benchmarks qui l’avantagent. Mais le message est limpide — OpenAI veut reprendre la couronne du code, que Fable 5 lui disputait.
À côté des modèles, OpenAI dégaine ChatGPT Work, un assistant pensé pour l’entreprise. Connecté aux applications et aux fichiers de l’utilisateur, il rassemble le contexte épars — mails, documents, tableurs — pour produire directement des livrables : notes, présentations, feuilles de calcul. Une offensive frontale sur le terrain bureautique, là où Microsoft règne avec sa suite Office. Le modèle intègre aussi des usages de cybersécurité défensive (revue de code, détection de failles, exercices de « blue teaming »).
L’efficience, nouveau champ de bataille
Le chiffre le plus intéressant n’est peut-être pas le score, mais ce qui l’entoure. OpenAI affirme que Sol accomplit ses tâches de code « avec moins de la moitié des tokens produits, en moins de la moitié du temps, et pour environ un tiers de coût en moins » que son concurrent. Sam Altman parle d’un gain de 54 % d’efficience sur le token.
Cette obsession de l’efficience mérite qu’on s’y arrête, car elle a une traduction directe que le marketing mentionne rarement : l’énergie. Chaque token généré consomme du calcul, donc de l’électricité, donc de l’eau pour refroidir les serveurs. Un modèle qui abat la même tâche avec deux fois moins de tokens et deux fois moins de temps, c’est, à première vue, une bonne nouvelle écologique. Dans une industrie régulièrement pointée du doigt pour l’explosion de son empreinte, la course à la sobriété algorithmique est un progrès réel.
Mais il y a un piège, connu des économistes sous le nom de paradoxe de Jevons : quand une ressource devient plus efficace et moins chère, on a tendance à en consommer davantage, pas moins. Si un appel à l’IA coûte trois fois moins cher, rien n’empêche d’en faire dix fois plus. Le gain unitaire d’efficience risque alors d’être englouti par l’explosion des usages. L’efficience par requête baisse ; la consommation totale, elle, peut très bien continuer de grimper.
Une frontière toujours plus fermée
Reste une constante que ces annonces successives finissent par rendre banale. Fable 5 d’un côté, GPT-5.6 de l’autre : la pointe de la performance se joue entre une poignée d’acteurs américains, sur des modèles fermés dont on loue l’accès au token, sans jamais pouvoir regarder sous le capot. La cadence est telle — 5,5 puis 5,6 en quelques semaines — qu’on en oublierait presque de poser la question de fond : qui contrôle ces outils, et selon quelles règles ?
GPT-5.6 est, sans doute, un excellent modèle. Plus rapide, plus sobre, plus fort en code : sur le papier, tout le monde y gagne. Mais entre deux géants qui se disputent la première place à coups de benchmarks maison, l’enjeu, pour une entreprise européenne, n’est pas tant de savoir lequel est en tête ce mois-ci. C’est de garder à l’esprit qu’un outil, aussi brillant soit-il, n’a de valeur durable que si l’on maîtrise les conditions dans lesquelles on l’utilise — le prix, les données, et la liberté d’en changer.
