OpenAI a déployé GPT-5.6 le 9 juillet 2026, une gamme qui ambitionne de rivaliser avec le modèle vedette d’Anthropic, Claude Fable 5. Si les premiers benchmarks montrent un rapport performance-prix attractif, un problème d’hallucination pourrait freiner son adoption dans les environnements où l’erreur n’est pas permise.
GPT-5.6 : une gamme à trois vitesses pour concurrencer Fable 5
Contrairement aux générations précédentes, OpenAI ne lance pas un modèle unique. La gamme GPT-5.6 se compose de trois versions : Sol, le modèle phare, Terra, l’option intermédiaire, et Luna, la version rapide et économique. Chacune cible des usages différents, du codage agentique à la production à fort volume.
Les trois variantes et leurs cibles
- Sol : performances maximales pour les tâches complexes (recherche, code, analyse).
- Terra : équilibre entre coût et qualité pour les workflows professionnels courants.
- Luna : rapidité et faible coût pour les requêtes à très haut volume.
Cette segmentation rappelle les stratégies des éditeurs de jeu vidéo qui déclinent leurs titres en versions standard, deluxe et ultimate. Chaque version apporte un rapport spécifique entre intelligence artificielle et prix, ce qui permet aux entreprises de choisir le modèle linguistique adapté à leurs besoins.
Les tarifs API confirment cette hiérarchie : Sol facture 5 dollars en entrée et 30 dollars en sortie par million de tokens, Terra moitié moins, et Luna encore en dessous (1 dollar / 6 dollars). D’après Artificial Analysis, Sol et Luna se situent sur la frontière de Pareto de la gamme : aucun autre modèle ne les dépasse simultanément en coût et en performance. Terra, en revanche, n’atteint pas cette frontière.
Un écart infime sur l’intelligence générale, mais un coût bien inférieur
L’Intelligence Index v4.1 d’Artificial Analysis donne à Claude Fable 5 60 points, contre 59 pour GPT-5.6 Sol. L’écart est quasiment négligeable. Pourtant, le coût par tâche change radicalement la donne : 1,04 dollar avec Sol contre 2,75 dollars avec Fable 5, soit environ 38 % du prix. Ce différentiel ouvre des perspectives pour les équipes qui doivent traiter un grand volume de requêtes sans exploser leur budget.
| Critère | GPT-5.6 Sol | Claude Fable 5 |
|---|---|---|
| Intelligence Index (points) | 59 | 60 |
| Coût par tâche (dollars) | 1,04 | 2,75 |
| Coding Agent Index (points) | 80 | 77 |
| AA-Briefcase Elo | 1 495 | 1 583 |
| Taux d’hallucination AA-Omniscience (%) | 89 | 55 |
Ce tableau montre un défi technologique clair : Sol est plus rentable, mais il invente beaucoup plus souvent lorsqu’il ne connaît pas la réponse. La compétition entre OpenAI et Anthropic ne se joue donc pas uniquement sur les scores bruts, mais sur la fiabilité factuelle.
En coding agentique, GPT-5.6 prend le leadership
Le domaine du développement logiciel est le point fort de la nouvelle gamme. GPT-5.6 Sol obtient 80 points dans le Coding Agent Index d’Artificial Analysis (qui agrège DeepSWE, Terminal-Bench v2 et SWE-Atlas-QnA), devant Fable 5 à 77 points. Ce résultat en fait un aspirant sérieux au titre de « tuer de Fable 5 » pour les tâches de programmation.
Le coût par tâche agentique est également avantageux : 7,08 dollars pour Sol contre 11,80 dollars pour Fable 5. Pour une équipe qui automatise la correction de bugs ou la génération de tests, l’économie peut être significative. Les développeurs y verront une innovation bienvenue, surtout si elle s’accompagne d’une qualité de code vérifiable automatiquement.
Le point noir : un taux d’hallucination élevé
Le principal frein à l’adoption de GPT-5.6 est son score dans le benchmark AA-Omniscience, qui mesure la propension à inventer une réponse plutôt que de s’abstenir. Sol atteint 89 %, contre 55 % pour Fable 5. Même les versions moins puissantes (Terra 85 %, Luna 90 %) ne corrigent pas ce défaut.
Ce comportement pose un problème concret : dans des secteurs comme la finance, la recherche ou le juridique, chaque réponse erronée peut avoir un coût bien supérieur à l’économie réalisée sur les tokens. Le gain tarifaire devient moins convaincant si chaque phrase exige une vérification humaine. Comme le souligne Artificial Analysis, une meilleure efficacité en tokens ne règle pas la qualité analytique.
Le test AA-Briefcase confirme les limites analytiques
Sur des missions complexes de knowledge work (rapports, analyses, présentations), Claude Fable 5 conserve la tête avec 1 583 Elo contre 1 495 pour Sol. Le modèle d’OpenAI se distingue toutefois par la qualité de ses livrables (PowerPoint, Excel), mais reste en retrait sur le fond analytique. Cela rappelle qu’un modèle linguistique peut briller en forme tout en faiblissant sur le contenu.
La question finale se pose naturellement : accepterez-vous un modèle moins cher si le coût du contrôle humain augmente ? Le débat entre performance, prix et fiabilité n’a jamais été aussi tranché qu’avec GPT-5.6, cet aspirant « tuer de Fable 5 » dont le talon d’Achille pourrait bien ralentir l’ascension.
