OpenAI rend GPT-5.6 accessible au grand public après que l'administration Trump eut approuvé sa diffusion

Ce modèle offre « une efficacité en termes de tokens améliorée de 54 % » d'après Sam Altman

OpenAI a commencé à déployer GPT-5.6 Sol auprès du grand public, après que l’administration Trump eut approuvé une mise à disposition à grande échelle, mettant fin à plusieurs semaines d’accès restreint à un petit groupe de partenaires agréés par le gouvernement. Le PDG d'OpenAI, Sam Altman, a déclaré que Sol atteignait une efficacité en termes de tokens supérieure de 54 % pour les tâches de codage agentique, ce qui le place au même niveau, voire devant, les modèles concurrents. Le déploiement du GPT-5.6 avait été limité à une vingtaine de partenaires après que l’administration Trump eut demandé à OpenAI de retarder la mise à disposition pendant que les agences fédérales évaluaient le modèle.

GPT-5.6 (Generative Pre-trained Transformer 5.6) est un grand modèle de langage (LLM) développé par OpenAI. Fin juin 2026, l'administration Trump a demandé à OpenAI de publier son prochain modèle, GPT-5.6, sous forme d’aperçu limité plutôt que de procéder à un lancement public à grande échelle, le gouvernement approuvant l’accès « client par client pendant cette période d’aperçu ». Concrètement, cela signifie que le rythme des lancements commerciaux d’OpenAI dépend, au moins en partie, du calendrier de Washington. Plutôt que d’être déployé simultanément, l’accès au GPT-5.6 sera limité à un petit groupe de partenaires pendant que le gouvernement procède à son examen. Ce rapport intervient alors que l'administration Trump a interrompu le déploiement de Mythos 5 et Fable 5 d'Anthropic en invoquant des impératifs de sécurité nationale.

C'est pourquoi OpenAI a lancé une préversion limitée de sa série GPT-5.6, présentant trois nouveaux modèles : Sol, Terra et Luna. Sol est présenté comme le modèle phare, Terra est conçu pour un usage quotidien avec des fonctionnalités équilibrées, et Luna offre un accès rapide et abordable. Bien que cette gamme soit nouvelle, Sol se distingue par les fonctionnalités de sécurité les plus avancées à ce jour. Ces modèles partagent des mesures de sécurité mises à jour et adaptées aux capacités de chacun. Selon de premières évaluations, Sol (88,8 %) et Sol Ultra (91,9 %) ont surpassé Claude Mythos 5 (88,0 %) sur TerminalBench 2.1, tandis que Luna (82,5 %) a surpassé Claude Opus 4.8 (78,9 %), bien qu’elle soit restée en deçà de GPT-5.5 (83,4 %), et Terra (84,3 %) a surpassé son propre prédécesseur. Terra est compétitif face à GPT-5.5 tout en coûtant deux fois moins cher.

Récemment, OpenAI a commencé à déployer GPT-5.6 Sol auprès du grand public, après que l’administration Trump eut approuvé une mise à disposition à grande échelle, mettant fin à plusieurs semaines d’accès restreint à un petit groupe de partenaires agréés par le gouvernement. Le PDG d'OpenAI, Sam Altman, a déclaré que Sol atteignait une efficacité en termes de tokens supérieure de 54 % pour les tâches de codage agentique, ce qui le place au même niveau, voire devant, les modèles concurrents. « Toutes les entreprises réfléchissent désormais à leurs dépenses et à la valeur qu'elles obtiennent en échange de l'IA, et c'est exactement ce que nous voulons faire », a déclaré Altman.

Altman a précisé que le processus d’approbation avait impliqué le secrétaire au Commerce Howard Lutnick, le secrétaire au Trésor Scott Bessent et le directeur national de la cybersécurité des États-Unis, Sean Cairncross. Il a qualifié cette dynamique de « dialogue collaboratif » au cours duquel les évaluateurs fédéraux ont soulevé des préoccupations qu’OpenAI devait résoudre. « Si vous souhaitez un large accès, ce qui est notre cas, et que vous disposez de modèles puissants, vous devez vraiment pouvoir garantir la fiabilité de vos affirmations en matière de sécurité, car sinon, le monde va très vite se sentir mal à l’aise », a-t-il déclaré.


Le déploiement du GPT-5.6 avait été limité à une vingtaine de partenaires après que l’administration Trump eut demandé à OpenAI d’échelonner la mise à disposition pendant que les agences fédérales évaluaient le modèle. Le Centre pour les normes et l’innovation en matière d’IA du ministère du Commerce a mené cette évaluation, et OpenAI a dépêché du personnel technique à Washington pour répondre aux questions de l’agence, selon des informations précédentes. Les capacités de Sol en matière de programmation, de biologie et de cybersécurité figuraient parmi les facteurs ayant attiré l’attention des autorités fédérales.

Ce déploiement restreint est allé au-delà du cadre d’examen volontaire préalable à la mise sur le marché signé par le président Trump le 2 juin, qui appelait les entreprises à permettre aux agences de vérifier les systèmes d’IA puissants avant leur lancement. Alors que ce cadre reposait sur une participation volontaire, la situation concernant le GPT-5.6 a abouti à une liste d’accès établie par le gouvernement — un dispositif qu’Altman a déclaré à ses employés qu’OpenAI ne considérait pas comme une approche viable à long terme.

Cette situation a suscité des comparaisons avec l’expérience récente d’Anthropic, où un arrêté de contrôle des exportations du ministère du Commerce avait contraint l’entreprise à retirer de la vente au grand public ses modèles Fable 5 et Mythos 5. Fable 5 a depuis été remis sur le marché, mais Mythos 5 reste réservé à un cercle restreint d’organisations américaines, selon des informations précédentes. Altman a confirmé que les discussions avec l’administration Trump concernant une éventuelle prise de participation du gouvernement se poursuivaient.

Voici un extrait de l'annonce d'OpenAI :

GPT-5.6 : une intelligence de pointe qui s'adapte à vos ambitions

Après une phase de préversion limitée, nous lançons la gamme de modèles GPT-5.6 en disponibilité générale : notre nouveau modèle phare, Sol, aux côtés de Terra, un modèle équilibré pour le travail quotidien, et de Luna, notre modèle le plus économique.

GPT-5.6 Sol établit une nouvelle référence en matière d’intelligence et d’efficacité, en obtenant des résultats de pointe dans les domaines du codage, du travail intellectuel, de la cybersécurité et des sciences, tout en surpassant les modèles de pointe précédents et concurrents avec moins de tokens et à un coût estimé inférieur. Il en résulte un meilleur rapport performances/prix : davantage de tâches menées à bien pour un budget identique, ou des résultats comparables à un coût total moindre. Nous proposons également une nouvelle méthode pour accélérer les tâches les plus exigeantes : « ultra » est notre paramètre offrant les capacités les plus élevées, qui coordonne plusieurs agents sur des flux de travail parallèles afin d’accomplir plus rapidement des tâches complexes. Une utilisation plus intensive des ressources informatiques et un meilleur jugement en matière de conception font de GPT-5.6 Sol notre collaborateur le plus abouti à ce jour, lui permettant d’inspecter, d’affiner et de fournir des résultats prêts à l’emploi.

Nous avons entraîné GPT-5.6 pour tirer davantage de travail utile de chaque token. Lors de l’« Agents’ Last Exam », une évaluation de flux de travail professionnels de longue durée dans 55 domaines, GPT-5.6 Sol établit un nouveau record de 53,6, surpassant Claude Fable 5 (raisonnement adaptatif) de 13,1 points. Même avec un niveau de raisonnement moyen, il devance Fable 5 de 11,4 points pour un coût estimé à environ un quart de celui de ce dernier. Cette efficacité s’étend aux modèles plus petits, essentiels pour rendre l’intelligence plus répandue et plus abordable : GPT-5.6 Terra et GPT-5.6 Luna surpassent Fable 5 pour un coût d’environ un seizième de celui-ci. Sur l’Artificial Analysis Intelligence Index⁠, une mesure globale de l’intelligence couvrant le travail agentique, le codage, le raisonnement scientifique et les capacités générales, le GPT-5.6 Sol avec un niveau de raisonnement maximal se situe à moins d’un point de Fable 5 tout en accomplissant les tâches en 61 % de temps en moins, pour environ la moitié du coût estimé.


GPT-5.6 est lancé avec nos mesures de sécurité les plus robustes à ce jour, conçues pour résister à des utilisations abusives déterminées et adaptatives sans pour autant limiter de manière générale le travail légitime. Avant sa mise à disposition générale, nous avons soumis les modèles et les mesures de sécurité à notre période d’évaluation la plus approfondie à ce jour, combinant des tests « red team » menés par des humains à des tests automatisés à grande échelle. Au cours de la phase de préversion, nous avons travaillé en étroite collaboration avec des organisations spécialisées et des partenaires de confiance afin de mettre à l’épreuve les défenses et de renforcer les mesures de sécurité avant un lancement à plus grande échelle. Le système ainsi obtenu superpose aux protections intégrées au modèle des contrôles en temps réel, une surveillance et un accès calibrés en fonction de la confiance et du risque.

Efficace par défaut, performances maximales à la demande

GPT-5.6 Sol est notre meilleur modèle de codage à ce jour. Sur l’indice Artificial Analysis Coding Agent (AACA), GPT-5.6 Sol, avec un raisonnement maximal, établit un nouveau record à 80, soit 2,8 points de plus que Fable 5, tout en utilisant moins de la moitié des tokens de sortie, en prenant moins de la moitié du temps et en coûtant environ un tiers de moins. Cet avantage s’étend à toute la gamme : Terra affiche des performances légèrement supérieures à celles de Fable 5, tandis que Luna surpasse Opus 4.8 ; chacun y parvient en environ un tiers du temps, avec environ la moitié du nombre de tokens de sortie, et pour environ un quart du coût estimé. Il établit également de nouveaux records de performance sur Terminal‑Bench 2.1 et DeepSWE, qui testent des workflows complexes en ligne de commande et l’ingénierie à long terme dans des bases de code réelles.


GPT‑5.6 est capable d’écrire et d’exécuter des programmes légers qui coordonnent des outils, traitent les résultats intermédiaires, surveillent la progression et choisissent l’action suivante au fur et à mesure que le travail avance. Cela permet aux tâches nécessitant de nombreux outils d’avancer avec moins de tokens, moins d’allers-retours vers le modèle et moins de guidage. Au lieu d’obliger les développeurs à scriptifier chaque étape ou à renvoyer chaque réponse d’outil via le modèle, la fonctionnalité « Programmatic Tool Calling »⁠ de l’API Responses peut filtrer de grandes quantités de données intermédiaires, ne conserver que ce qui est pertinent et adapter son flux de travail au fur et à mesure.

Pour les problèmes qui justifient un investissement plus important en temps et en puissance de calcul, GPT-5.6 peut aller au-delà de ce réglage par défaut déjà efficace. Le mode « max » accorde à GPT-5.6 encore plus de temps que le mode « xhigh » pour raisonner et explorer des alternatives, effectuer des vérifications et réviser son approche. Le mode « ultra » va encore plus loin en coordonnant quatre agents en parallèle par défaut, privilégiant une utilisation plus importante de jetons au profit de résultats plus solides et d’un délai d’obtention des résultats plus court sur les tâches exigeantes. Les graphiques ci-dessous comparent la configuration par défaut à quatre agents d’« ultra » à une configuration de référence à un seul agent sur les ensembles de données BrowseComp, SEC-Bench Pro et Terminal-Bench 2.1 ; BrowseComp et SEC-Bench Pro présentent également des configurations à 16 agents. Dans les trois évaluations, l’ajout d’agents parallèles déplace la courbe « score-latence » vers le haut et vers la gauche, permettant d’obtenir de meilleurs résultats en moins de temps. Dans l’API, les développeurs peuvent créer des expériences similaires à celles d’ultra en utilisant la version bêta multi-agents de l’API Responses.


Renforcer la sûreté et la sécurité grâce aux capacités

À mesure que les capacités des modèles augmentent, nous renforçons notre infrastructure de sécurité afin que l’intelligence avancée puisse rester largement utile, tout en soumettant les utilisations les plus risquées à un contrôle plus rigoureux. Pour le GPT-5.6, nous avons mis au point notre système de sécurité le plus robuste à ce jour, adapté aux capacités de chaque modèle et s’appuyant sur une puissance de calcul sans précédent.

Les modèles GPT-5.6 sont plus performants que nos modèles précédents tant en biologie qu’en cybersécurité, mais ne franchissent pas le seuil « critique » dans aucune de ces deux catégories. En matière de cybersécurité, nos tests indiquent que GPT-5.6 est plus efficace pour détecter et corriger des vulnérabilités que pour mener de manière fiable des attaques autonomes de bout en bout contre des cibles bien protégées, ce qui donne aux défenseurs la possibilité de renforcer leurs systèmes avant que leurs faiblesses ne soient exploitées. En biologie, nos tests indiquent que GPT-5.6 peut soutenir la recherche légitime, mais qu’il ne dispose pas des capacités de bout en bout nécessaires pour créer, concevoir ou synthétiser une nouvelle menace hautement dangereuse.

Ces deux domaines sont intrinsèquement à double usage. En cybersécurité, les mêmes capacités qui pourraient aider un attaquant à exploiter une vulnérabilité peuvent aider un défenseur à la détecter, à la reproduire et à mettre au point un correctif fiable. Un blocage excessif crée donc un risque de sécurité en soi. Il peut empêcher les défenseurs de tester les systèmes et de déployer des correctifs, tandis que les acteurs malveillants continuent d’utiliser d’autres modèles, notamment des modèles open source de plus en plus performants, ainsi que des outils bien établis. Des mesures de protection efficaces tiennent compte du contexte et des conséquences probables d’une requête, préservant ainsi le travail défensif légitime tout en appliquant des contrôles plus stricts lorsque les preuves indiquent un risque sérieux de préjudice.

Les mesures de protection de GPT-5.6 sont organisées en plusieurs couches pour une plus grande précision et une meilleure redondance, et sont conçues pour s’adapter rapidement à l’apparition de nouvelles attaques. Les protections intégrées au modèle fonctionnent de concert avec des vérifications en temps réel, une surveillance continue et une application au niveau des comptes, afin d’aider le système à rester sécurisé même lorsqu’une couche particulière ne fonctionne pas comme prévu. Dans de nombreux systèmes, ce sont uniquement les signaux émis par les classificateurs qui déterminent ce qu’il faut bloquer, en s’appuyant sur des modèles moins intelligents et plus difficiles à modifier pour prévenir les préjudices. Notre approche ajoute un moniteur de...