L’essentiel
- GPT-5.6 Sol alimente désormais les réponses immédiates comme le raisonnement approfondi pour les abonnés Plus et Pro de ChatGPT.
- Un curseur à cinq niveaux d’effort de raisonnement arrive pour ces mêmes abonnés, sur le web, mobile et desktop.
- Les comptes Free et Go basculent sur GPT-5.6 Luna, avec des conversations texte illimitées et un bouton « Think » qui prolonge la réflexion sans changer de modèle.
- OpenAI annonce une chute de 68 % des réponses contenant au moins une erreur factuelle pour Sol, sur une évaluation interne non vérifiée par un tiers.
Depuis cette semaine, un abonné Plus ou Pro de ChatGPT ne s’adresse plus à deux moteurs différents selon qu’il pose une question rapide ou demande une analyse : GPT-5.6 Sol tient les deux registres. La même mise à jour lui confie pourtant un curseur à cinq crans, qu’il devra régler lui-même, réponse après réponse.
Un modèle unifié d’un côté, cinq crans à régler de l’autre
Pour les abonnés Plus et Pro, GPT-5.6 Sol prend en charge l’ensemble des conversations, y compris le mode instantané. OpenAI revendique une expérience cohérente : plus de rupture de ton entre la réponse rapide et la réponse fouillée, moins de mise en forme superflue, une recommandation qui reste repérable dans les réponses longues. Sur le papier, c’est une décision de moins à prendre pour l’utilisateur.
Le curseur d’effort de raisonnement, lui, existait déjà dans ChatGPT Work ; il est désormais généralisé aux offres payantes. Cinq niveaux, du réglage bas pour les questions du quotidien au réglage élevé pour la planification, la recherche ou la programmation. Un ingénieur d’OpenAI a dû publier un guide expliquant quel cran convient à quel type de tâche. Quand un outil censé simplifier arrive accompagné d’un mode d’emploi, la charge de décision n’a pas disparu : elle a changé de forme.
Le précédent est connu. Le sélecteur de modèles, lui aussi présenté comme un choix offert à l’utilisateur, a été massivement ignoré. Et l’enjeu y était plus lourd : le choix du modèle pesait davantage sur la qualité d’une réponse que le réglage de l’effort à l’intérieur d’un même modèle.
Chaque cran de raisonnement se paie en temps de calcul
Un niveau d’effort de raisonnement n’est pas un réglage de style. C’est un budget de tokens de réflexion, ces unités de texte que le modèle consomme pour dérouler son raisonnement. Donc du temps de calcul sur des processeurs graphiques (GPU), et une ligne de coût très concrète pour l’éditeur. Un modèle qui réfléchit trois fois plus longtemps sur une question du type « quelle heure est-il à Tokyo » coûte trois fois plus cher pour un résultat identique.
Jusqu’ici, cet arbitrage était une promesse technique : le système devait détecter seul quand la question méritait de l’effort. Rendre la main à l’utilisateur, à l’échelle de dizaines de millions d’abonnés, revient à admettre que l’estimation automatique de la difficulté d’une question reste un problème ouvert. Trop d’effort partout, la marge s’effondre. Pas assez, la qualité décroche sur les demandes complexes. Entre les deux, il y a désormais votre doigt sur un curseur.
Les concurrents, eux, parient encore sur l’automatisme : Anthropic a retiré de son API le budget de réflexion fixe, remplacé par un mode adaptatif où le modèle décide seul de l’effort à fournir, et Gemini ajuste par défaut sa profondeur de réflexion à la difficulté détectée.
Le déplacement de responsabilité est assumé, et il a une conséquence directe : une réponse médiocre obtenue au cran bas devient imputable à l’utilisateur, plus au modèle.
Free et Go passent à l’illimité avec un modèle plus petit
Côté gratuit, l’annonce ressemble d’abord à un cadeau. Free et Go passent sur GPT-5.6 Luna, avec des conversations texte illimitées, et un bouton « Think » pour les questions difficiles. Les limites sur les envois de fichiers, la génération d’images et les autres outils, elles, restent en place.
Ce bouton « Think » fait raisonner Luna plus longtemps ; il ne bascule pas vers un modèle supérieur. Un modèle plus petit qui réfléchit davantage reste un modèle plus petit, avec la fragilité factuelle qui va avec. En pratique, l’utilisateur gratuit obtient plus de conversations et perd l’accès au meilleur raisonnement de la maison. Volume en hausse, plafond en baisse.
Moins d’erreurs factuelles, mais face à l’ancien mode rapide
OpenAI met aussi en avant un gain de fiabilité. Sur une évaluation interne bâtie autour de questions de finance, de médecine et de droit, la proportion de réponses contenant au moins une erreur factuelle recule d’environ 62 % pour Luna et 68 % pour Sol, par rapport à GPT-5.5 Instant. Ces mesures n’ont pas été vérifiées de façon indépendante.
Deux précautions s’imposent avant d’en faire un argument. D’abord, il s’agit d’une baisse relative : sans le taux d’erreur de départ, un recul de 68 % peut signifier beaucoup ou presque rien. Ensuite, la comparaison se fait avec Instant, c’est-à-dire l’ancien mode rapide, pas avec le meilleur raisonnement disponible. Progresser face au maillon faible ne dit pas grand-chose du plafond atteint.
Doser l’effort, un réflexe d’ingénieur livré au grand public
Il y a un levier réel dans ce curseur, à condition de savoir s’en servir. Bien l’utiliser suppose d’estimer la difficulté d’une tâche avant de la formuler, ce qui est précisément l’exercice que la plupart des utilisateurs délèguent à la machine. Les habitués des API (les interfaces par lesquelles les développeurs appellent directement le modèle) connaissent déjà ce geste : ils dosent le budget de raisonnement requête par requête, parce qu’ils le paient au token. Ce geste descend maintenant dans le grand public sans le compteur qui le rendait lisible.
Un détail situe la portée exacte de la mise à jour : elle ne concerne que ChatGPT. Dans ChatGPT Work et dans Codex, GPT-5.6 Sol reste inchangé. Les usages professionnels les plus exigeants n’ont donc rien reçu cette semaine, sinon la confirmation que le réglage fin du calcul est devenu un objet d’interface. Le sort de ce curseur se jouera au deuxième usage, quand la curiosité de la découverte sera retombée.
Mon avis
Ce curseur disparaîtra de l’interface grand public, exactement comme le sélecteur de modèles avant lui, et pour la même raison : personne n’a envie d’estimer la difficulté de sa question avant de la poser. Ce qui m’intéresse ici, c’est ce que l’ajout révèle de l’économie du secteur. Régler l’effort de calcul est le dernier levier de marge disponible quand on ne peut ni augmenter les prix ni baisser la qualité perçue, et OpenAI vient de le confier à ses clients avec un joli habillage produit. Je préférerais un compteur d’effort consommé, visible et honnête, à un curseur qui fait passer une contrainte de coût pour une liberté d’usage.
