Brief de projet pour l’IA : le modèle qui évite les prompts sans fin
Un brief de projet IA relie objectif, périmètre, sources, contraintes et validation. Voici un modèle prêt à adapter avant de lancer un agent.
7 min de lecture
La famille GPT-5.6 se décline en trois modèles clairement positionnés : Sol (tâches complexes), Terra (équilibre capacité / coût), Luna (volume et prix). Depuis, GPT-6 Astra occupe le sommet de la gamme OpenAI ; cette page reste utile pour choisir le niveau le plus économique au sein de la famille 5.6.
Un agent qui analyse une architecture n’a pas les mêmes besoins qu’un agent qui classe des tickets. Un workflow exécuté des milliers de fois par jour peut perdre tout intérêt économique si chaque étape utilise le modèle le plus puissant.
La vraie question : quand utiliser Sol, Terra ou Luna ?
GPT-5.6 Luna
Vitesse · Fort volume
Triage, classification, extraction
GPT-5.6 Terra
Équilibre · Travail quotidien
Review, synthèse, workflows IA
GPT-5.6 Sol
Capacité · Missions difficiles
Debug, recherche, agent ouvert
Les différences essentielles
Le catalogue OpenAI actuel place GPT-6 Astra au-dessus de la famille 5.6. Dans cette famille, Sol reste le choix le plus capable pour le raisonnement et le code complexes, Terra équilibre capacité et coût, et Luna vise la vitesse et le fort volume.
Ce n’est pas Luna « mauvais », Terra « moyen » et Sol « bon ». Ils optimisent des contraintes différentes.
GPT-5.6 Sol
Capacité maximale dans la famille 5.6. Raisonnement complexe, coding difficile, recherche et agents ouverts.
GPT-5.6 Terra
Équilibre. Analyse, review, tâches quotidiennes, workflows IA. OpenAI le situe approximativement au niveau « mini » des générations précédentes.
GPT-5.6 Luna
Vitesse et coût. Classification, triage, extraction, pipelines massifs. Premier niveau de travail, puis escalade des cas difficiles.
Pas un modèle partout
Le meilleur modèle n’est plus forcément celui qu’il faut utiliser partout. Un reviewer n’a pas besoin du même calcul qu’un agent de debug.
Sol : quand la qualité prime
Utiliser davantage de calcul lorsqu’une erreur ou un raisonnement superficiel coûte plus cher que l’appel.
Cas naturels : codebase complexe, bug difficile, architecture, recherche multi-étapes, nombreux documents, plusieurs outils, agent autonome sur une mission ouverte, review exigeante.
Exemple : « Trouve l’origine de cette régression, propose une correction, modifie le projet et vérifie que les tests passent. » Le nombre d’étapes est imprévisible. Économiser quelques centimes peut être une fausse économie si un modèle plus léger multiplie les retries.
Terra : souvent le plus intéressant pour les agents
Terra vise les workloads qui doivent équilibrer intelligence et coût. Au 7 septembre 2026, la tarification API officielle est de 2 $ par million de tokens en entrée, 12 $ en sortie et 0,20 $ en cache.
Il suffit souvent pour : tickets, review de contenu, génération structurée, synthèse, documentation, agents qui assistent un humain, transformations, code standard, workflows à plusieurs étapes IA.
Un reviewer cadré (recevoir, vérifier, identifier, corriger) demande de l’intelligence dans un périmètre défini. Terra y est souvent plus intéressant que Sol économiquement.
Luna : à ne pas sous-estimer
Au 7 septembre 2026, Luna coûte 0,20 $ par million de tokens en entrée et 1,20 $ en sortie. Terra coûte 2 $ / 12 $, contre 4 $ / 20 $ pour Sol. L’écart reste important.
| Modèle | Entrée / 1M tokens | Sortie / 1M tokens |
|---|---|---|
| GPT-5.6 Sol | 4 $ | 20 $ |
| GPT-5.6 Terra | 2 $ | 12 $ |
| GPT-5.6 Luna | 0,20 $ | 1,20 $ |
100 000 feedbacks à classer : ce n’est pas là qu’il faut Sol. Luna fait le premier niveau ; Sol n’intervient que si le cas l’exige.
Les tarifs ci-dessus sont les taux API standard (contexte court). Ils évoluent : vérifiez la page officielle avant d’engager un budget.
Arrêter de choisir un modèle unique
Un système n’a aucune obligation d’utiliser le même modèle partout.
Un seul modèle
Famille routée
Sol sur chaque étape
Luna / Terra / Sol selon la mission
Simple à configurer
Moins cher à volume
Qualité homogène
Qualité là où elle compte
Latence du flagship partout
Réponse rapide sur le triage
Exemple d’équipe : triage → Luna, reviewer → Terra, développeur → Sol. Moins coûteux, plus rapide, aussi qualitatif si le routing suit la difficulté réelle.
| Type d’agent | Modèle | Pourquoi |
|---|---|---|
| Triage | Luna | Vitesse et coût |
| Classification | Luna | Tâche structurée |
| Extraction | Luna | Peu de raisonnement |
| Assistant documentaire | Terra | Bon compromis |
| Rédaction | Terra | Qualité suffisante |
| Reviewer | Terra ou Sol | Selon la difficulté |
| Coding quotidien | Terra | Équilibre |
| Debug complexe | Sol | Raisonnement supérieur |
| Recherche multi-étapes | Sol | Forte ambiguïté |
| Agent autonome ouvert | Sol | Planification et adaptation |
Ce tableau n’est pas une règle universelle. Le prompt, les outils, le contexte, la taille des entrées et le niveau de qualité attendu pèsent autant que le rôle de l’agent.
Un agent autonome doit-il toujours utiliser Sol ?
Non. Distinguez le type d’agent et la difficulté de ses missions.
« Vérifie chaque nouveau ticket, détermine son équipe et applique le bon label » : l’agent décide, la tâche est bornée. Luna ou Terra peuvent suffire.
« Analyse cette codebase, identifie pourquoi les performances se sont dégradées et propose un plan » : même une seule mission justifie Sol.
La métrique n’est pas « cet agent est-il autonome ? » — c’est : quelle intelligence cette mission exige-t-elle ? C’est le même principe que pour choisir entre automatisation, workflow et agent.
Plusieurs modèles dans un même workflow
Feedback → Luna (classification) → Terra (analyse) → cas simple terminé / cas complexe → Sol.
Développement : Terra (première implémentation) → tests → Luna (synthèse) → Sol (review complexe).
Ou : Sol (planification) → Terra (sous-tâches) → Sol (review finale).
Il n’existe pas de combinaison parfaite. Elle dépend du workflow — voir aussi la fusion de modèles en pipelines.
Le coût ne se lit pas au million de tokens
Un modèle moins cher peut coûter plus s’il produit plus d’erreurs, de retries, de tokens, d’appels d’outils ou de corrections humaines. Sol partout gaspille du budget sur des tâches triviales.
Métrique utile : le coût par tâche correctement terminée. Un run Sol à 0,20 $ sans correction peut battre cinq runs Luna à 0,02 $ plus une intervention humaine.
La question n’est pas « quel modèle est le moins cher ? » mais « quel est le moins cher capable d’atteindre la qualité requise ? »
Vitesse
Luna
Le plus rapide de la famille
Terra
Au milieu
Sol
Capacité d’abord, mode rapide en API
La latence compte surtout dans les boucles interactives. Pour un clic utilisateur, quelques secondes se ressentent immédiatement. Pour une mission agentique de plusieurs minutes, elles pèsent souvent moins que la qualité finale.
ChatGPT, Codex et l’API
Les trois modèles ne sont pas exposés partout de la même façon. L’API OpenAI propose Sol, Terra et Luna. Codex et ChatGPT Work les exposent sur les offres éligibles. Dans les conversations ChatGPT standard, Terra et Luna ne sont pas forcément sélectionnables comme modèles distincts.
Un système de recommandation doit tenir compte des modèles réellement accessibles (produit, abonnement, canal, provider) — pas seulement du meilleur modèle théorique. Pour un comparatif inter-fournisseurs : GPT-6 Astra vs Claude Fable 5.1 vs Gemini 3.5 Flash vs Cursor. Pour rester dans la gamme Anthropic : Fable 5.1 vs Opus 5.
Pourquoi ça compte pour les agents
Un run agentique enchaîne analyse, outils, retries. Un écart faible par appel devient énorme multiplié par des milliers de missions. D’où l’intérêt d’un routing : mission simple → Luna, intermédiaire → Terra, complexe → Sol, avec escalade si un niveau échoue.
Le routing peut tenir compte de la complexité, du budget, de la latence, du rôle, de la taille du contexte, des outils et de l’historique de réussite.
Stellary
Dans Stellary, les agents sont des membres du workspace : rôle, outils, autonomie, missions. La plateforme suit l’activité et les coûts. Distinguer Sol, Terra et Luna y est naturel — un agent de triage n’a pas à payer Sol par défaut.
Cela ne veut pas dire un modèle fixe par agent. Un reviewer peut rester sur Terra 90 % du temps et passer à Sol sur une review particulièrement complexe. Le futur intéressant : chaque mission utilise le niveau nécessaire. Pour garder le contrôle : gérer des agents sans perdre le contrôle.
Grille de départ
Choisir Luna
Tâche courte, règles claires, volume élevé, coût critique, latence importante, erreurs détectables ou escaladables.
Choisir Terra
Vraie analyse, Sol serait surdimensionné, usage régulier, compromis qualité / coût, plusieurs appels IA dans le workflow.
Choisir Sol
Problème difficile, erreur coûteuse, raisonnement central, exploration, plusieurs outils, coding ou recherche complexes, mission ouverte.
Router
Volume en Luna, quotidien en Terra, difficile en Sol, escalade si besoin. Un seul modèle reste acceptable sur un système simple.
FAQ
Quelle est la différence entre GPT-5.6 Sol, Terra et Luna ?
Sol est le modèle le plus capable de la famille 5.6. Terra équilibre capacités et coût. Luna privilégie vitesse, volume et faible coût. GPT-6 Astra occupe désormais le sommet de la gamme OpenAI.
Quel modèle GPT-5.6 utiliser pour coder ?
Dans la famille 5.6, Sol est le meilleur point de départ pour le code complexe et Terra pour le développement quotidien. Pour les tâches les plus exigeantes, évaluez aussi GPT-6 Astra.
Quel modèle OpenAI choisir pour un agent autonome ?
Sol est en général le meilleur point de départ pour des missions réellement ouvertes. Un agent plus simple peut fonctionner avec Terra ou Luna.
GPT-5.6 Luna est-il adapté aux agents IA ?
Oui, surtout pour le triage, la classification, l’extraction et les workloads simples et fréquents.
GPT-5.6 Terra est-il moins performant que Sol ?
Terra vise un autre compromis. Sol maximise davantage les capacités ; Terra cherche de bonnes performances à un coût inférieur.
Combien coûte GPT-5.6 Sol ?
Au 7 septembre 2026, le tarif API standard est de 4 $ par million de tokens en entrée et 20 $ en sortie. Vérifiez la page officielle avant d’engager un budget.
Combien coûtent GPT-5.6 Terra et Luna ?
Depuis le 30 juillet 2026, Terra coûte 2 $ / million en entrée et 12 $ en sortie. Luna coûte 0,20 $ en entrée et 1,20 $ en sortie.
Peut-on utiliser Sol, Terra et Luna dans l’API OpenAI ?
Oui. Les trois modèles sont proposés dans l’API OpenAI. La disponibilité dans ChatGPT et Codex dépend de l’offre.
