L’essentiel
- Depuis le 30 juillet, GPT-5.6 Luna tombe à 0,20 dollar le million de tokens en entrée et 1,20 dollar en sortie, soit 80 % de moins ; GPT-5.6 Terra recule de 20 %, à 2 et 12 dollars.
- OpenAI attribue ces baisses aux gains obtenus grâce à GPT-5.6 Sol, qui a réécrit seul ses kernels GPU de production : 20 % de coût de service en moins.
- Microsoft met désormais en avant ses propres modèles MAI comme alternative moins chère à OpenAI, pendant que les fournisseurs chinois à bas prix tirent le marché vers le bas.
- La relecture automatique dans l’application ChatGPT et dans la CLI Codex passe de GPT-5.4 à Luna, ce qui la rend environ dix fois moins chère.
OpenAI a divisé par cinq le tarif de GPT-5.6 Luna le 30 juillet, et retiré 20 % à celui de Terra. L’entreprise met ces baisses au crédit des économies que ses propres modèles lui ont fait réaliser sur ses serveurs. Le compte ne tombe pas juste.
Nous écrivions il y a quelques jours que GPT-5.6 Sol avait raboté 20 % du coût de service d’OpenAI en réécrivant lui-même ses kernels GPU, les routines de calcul qui tournent sur les cartes graphiques. La suite est tombée en quarante-huit heures : ces gains sont répercutés sur la grille tarifaire, dans des proportions sans commune mesure avec l’économie technique réalisée.
Le prix baisse cinq fois plus vite que le coût
Reprenons la grille. Luna était facturé 1 dollar le million de tokens en entrée et 6 dollars en sortie ; il passe à 0,20 et 1,20 dollar. Terra descend de 2,50 à 2 dollars en entrée, de 15 à 12 dollars en sortie. Sol, le haut de gamme, ne bouge pas d’un centime.
Côté coûts, OpenAI avance deux chiffres précis, tous deux crédités à Sol : 20 % de coût de service en moins grâce à la réécriture autonome des kernels de production en Triton et Gluon, ses deux langages de programmation GPU open source, et plus de 15 % de gain sur la génération de tokens via le décodage spéculatif. Ces optimisations sont réelles, vérifiables dans la documentation technique de l’entreprise, et impressionnantes : un modèle qui réécrit le code qui l’exécute, ce n’est plus une promesse de conférence.
Ces pourcentages ne s’additionnent pourtant pas jusqu’à 80 %. Diviser un prix par cinq quand on a réduit son coût d’un cinquième laisse deux explications : ou bien la marge sur Luna était considérable et OpenAI vient de la rendre, ou bien Luna se vend désormais autour du point mort. Dans les deux cas, la baisse doit beaucoup plus à la stratégie commerciale qu’aux progrès réalisés sur les GPU.
Moins cher que Flash-Lite, mais de 20 % seulement
La comparaison la plus citée depuis l’annonce mérite d’être vérifiée sur les tarifs officiels. Simon Willison, développeur à l’origine de Datasette, note que Luna passe sous Gemini 3.1 Flash-Lite de Google. C’est exact, et l’écart est de 20 % : Google facture 0,25 dollar le million de tokens en entrée et 1,50 dollar en sortie, contre 0,20 et 1,20 pour Luna. En traitement par lots ou en mode flex, Flash-Lite redescend même à 0,125 et 0,75 dollar, sous le tarif standard d’OpenAI.
Un cinquième d’écart ne justifie pas à lui seul une migration. Sur une charge de type RAG (génération augmentée par la recherche), où l’on injecte des dizaines de milliers de tokens de contexte pour obtenir trois paragraphes, l’entrée domine la facture, et 5 cents par million de tokens pèsent moins lourd que la qualité des réponses. Sur une boucle d’agent qui raisonne longuement et produit du code, la sortie prend le dessus, sans que l’ordre de grandeur change. Willison a quand même basculé : son site de démonstration agent.datasette.io tournait sur Flash-Lite, il l’a passé à Luna.
Face à Anthropic, la rupture est plus nette. Claude Haiku 4.5, l’entrée de gamme du concurrent, se facture 1 dollar en entrée et 5 dollars en sortie. Luna était au même tarif en entrée avant la baisse ; il en vaut désormais le cinquième. Aucun gain d’efficacité ne creuse un tel écart en une nuit.
Microsoft pousse ses propres modèles chez les clients d’OpenAI
Le contexte explique ce que l’arithmétique laisse en suspens. Les fournisseurs chinois pratiquent depuis des mois des tarifs que les laboratoires américains ne pouvaient pas ignorer indéfiniment. Et Microsoft, à la fois investisseur, hébergeur et distributeur d’OpenAI, promeut désormais ouvertement sa propre famille de modèles MAI comme option moins chère auprès des mêmes entreprises clientes. L’argumentaire est chiffré : jusqu’à dix fois plus d’efficacité de coût sur des charges ajustées, jusqu’à 89 % de coût GPU en moins sur la voix dans Dynamics 365. Depuis le 7 juillet, Excel et Outlook ont commencé à quitter les modèles d’OpenAI pour cette pile maison.
Quand votre principal partenaire commercial place ses modèles maison en concurrence frontale avec les vôtres, le prix du token cesse d’être un indicateur de coût pour devenir un instrument de position. Votre plancher tarifaire se règle alors chez le concurrent. Et une guerre des prix laisse partout la même trace : la recette par unité vendue se comprime, ici au moment précis où les grands laboratoires ont adossé leurs bilans à des engagements d’infrastructure colossaux.
Un token à 0,20 dollar ne rend pas vos agents rentables
Sur une facture réelle, ces tarifs ne produisent pas l’économie annoncée. OpenAI livre lui-même le repère le plus honnête : Luna atteint le niveau des meilleurs modèles d’il y a un an, et une tâche qui coûtait 1 dollar avec ceux-ci en revient à environ 6 cents, avec une exécution presque neuf fois plus rapide. Vous achetez donc de l’intelligence de l’an dernier au tarif de cette année, et le gain réel porte sur la vitesse d’exécution.
Avant de basculer une boucle d’agent sur Luna, trois vérifications s’imposent :
- la qualité sur vos propres évaluations, parce qu’un modèle « au niveau de l’an dernier » se comporte mal exactement là où votre produit a progressé depuis ;
- le volume, parce qu’une boucle agentique consomme d’autant plus de tokens que chacun coûte moins cher, et que le total ne baisse jamais de 80 % ;
- la stabilité tarifaire, parce qu’un prix qui chute de 80 % en une nuit reste un prix qui peut remonter.
Un autre point de la même annonce est passé presque inaperçu : le mode rapide de Sol dans l’API offre jusqu’à 2,5 fois la vitesse du traitement standard pour le double du prix, à intelligence strictement identique. OpenAI vend désormais la latence séparément de la capacité. Le marché se segmente, et une ligne s’ajoute à vos arbitrages : d’un côté un modèle bradé qui pense comme l’an dernier, de l’autre un modèle de pointe dont on peut acheter la vitesse à la carte.
La prouesse de Sol sur les kernels restera dans les annales d’ingénierie. La grille tarifaire, elle, se décide ailleurs : chez Microsoft qui vend ses propres modèles, chez les laboratoires chinois qui cassent les prix, dans les engagements d’infrastructure déjà signés. Le prix du token est devenu la variable la plus politique de l’industrie, et la plus volatile. Bâtir une architecture sur un tarif revient aujourd’hui à la bâtir sur une position de marché.
Mon avis
Les kernels réécrits par Sol financent 20 % de cette baisse ; le reste sort de la trésorerie d’OpenAI, et je pense qu’on en verra la trace dans les publications financières du secteur d’ici la fin de l’année. Ce qui m’inquiète ne concerne pas OpenAI, qui a les moyens de tenir une guerre d’usure. Ce sont tous les fournisseurs d’API qui vont devoir s’aligner sur ces tarifs sans disposer d’un modèle capable de réécrire leurs kernels GPU pour absorber le choc. Le marché de l’inférence bon marché se refermera sur trois acteurs, et le choix qui reste aux autres est de vendre autre chose que des tokens.
