GPT-6.2 Astra et Sol : OpenAI baisse le prix de l’intelligence, pas forcément celui du risque
Le rythme des sorties chez OpenAI ressemble de plus en plus aux collections de prêt-à-porter. Après GPT-6 Astra en septembre puis GPT-6.1 Sol à l’automne, voici la collection de novembre. OpenAI a publié GPT-6.2 Astra et GPT-6.2 Sol le 17 novembre 2026, huit jours après la sortie de Claude Fable 5.2 par Anthropic. Le calendrier n’a évidemment rien d’un hasard. L’annonce repose sur un message simple pour les directions financières : plus de performance pour moins cher. Comme souvent, le message mérite une lecture attentive.
Deux modèles, deux rôles
La gamme reste la même. Astra est le modèle phare destiné aux travaux professionnels exigeants, Sol le modèle plus économique pour le quotidien. En API, les identifiants sont gpt-6.2-astra et gpt-6.2-sol. Côté capacités techniques, les deux modèles acceptent environ 1,05 million de tokens de contexte et peuvent produire jusqu’à 128 000 tokens en sortie. De quoi avaler un référentiel d’architecture complet, ses annexes et les comptes rendus de tous les comités qui l’ont suivi.
La grille tarifaire : le vrai sujet de l’annonce
C’est sans doute l’argument le plus concret pour un DSI. Par rapport à GPT-6 Astra, le prix API d’Astra baisse de 20 % en entrée comme en sortie, et l’entrée mise en cache baisse de 60 %, passant de 1,00 $ à 0,40 $ par million de tokens. Sol conserve exactement les tarifs de GPT-6.1 Sol. Concrètement, GPT-6.2 Astra coûte 8 $ par million de tokens en entrée, 0,40 $ en entrée mise en cache et 40 $ en sortie, contre 2 $, 0,10 $ et 10 $ pour GPT-6.2 Sol.
Il faut toutefois lire les petites lignes. Au-delà de 272 000 tokens de contexte, la note grimpe : Astra passe à 16 $ en entrée et 60 $ en sortie par million de tokens, Sol à 4 $ et 15 $. Les écritures en cache et les niveaux de service plus rapides sont facturés en plus. Le fameux million de tokens de contexte existe donc bien, mais il coûte deux fois plus cher par token. Un point à garder en tête avant de lancer un agent sur l’intégralité d’un SharePoint.
Autre élément intéressant, plus difficile à modéliser dans un budget : la sobriété du modèle. Lors du test de ComputingForGeeks, Astra a écrit moins de la moitié des tokens produits par GPT-6 Astra sur le même prompt, ce qui ramène le coût de l’appel à environ un tiers. Un seul prompt ne fait pas une étude. Mais si cette tendance se confirme, la baisse réelle du coût par tâche serait bien supérieure aux 20 % affichés.
Les benchmarks : du spectaculaire et du plus modeste
OpenAI met en avant les tâches agentiques longues. Sur Agents’ Last Exam, qui évalue des workflows professionnels à long horizon, Astra obtient environ 78 % pour environ 3 $ par tâche, soit 5,2 points de plus que GPT-6 Astra pour moins d’un tiers du coût. OpenAI ajoute qu’Astra devance Claude Fable 5.2 de 5,5 points pour environ 5 % de son coût, avec une réserve que l’éditeur mentionne lui-même : le score de Fable exclut neuf tâches qui ont utilisé un modèle de repli. Comparer des scores obtenus avec des protocoles différents reste un exercice délicat.
Pour le budget, Sol est sans doute la vraie surprise. Sur GDPval v2, Sol obtient 46,9 % et dépasse les 44,2 % de GPT-6 Astra. Côté développement, GPT-6.2 Sol a obtenu 43,8 % sur FrontierCode 2.0 de Cognition pour 1,29 $ par tâche, soit 0,4 point derrière Astra, qui coûte 5,97 $. Autrement dit, pour une grande partie des usages courants, payer le modèle phare revient à commander le menu dégustation pour un déjeuner de travail.
Les mesures indépendantes calment toutefois l’enthousiasme. Sur l’Intelligence Index d’Artificial Analysis, Astra obtient 62 et se classe deuxième, derrière Claude Fable 5.2 (65) et devant Gemini 4 Carbon (60). Sol obtient 57. L’argument du coût reste cependant solide : Astra coûte 4,00 $ par tâche de l’index, contre 26,54 $ pour Fable. Le point le plus critique concerne le code : Artificial Analysis note que les performances en développement sont pratiquement stables, et que Sol perd même trois points par rapport à GPT-6.1 Sol sur son Coding Agent Index. L’organisme signale aussi une régression spécifique sur son test de questions-réponses portant sur des dépôts de code. Pour les équipes qui ont industrialisé Codex ou des agents de revue de code, il faudra donc tester avant de basculer, et non l’inverse.
Disponibilité : ChatGPT, Codex, API… et l’administrateur
Les deux modèles sont proposés aux utilisateurs Plus, Pro, Enterprise et Edu via ChatGPT Work et Codex, ainsi que dans l’API. Pour les offres Enterprise et Edu, l’accès dépend des paramètres de l’administrateur de l’espace de travail. C’est une bonne nouvelle pour la gouvernance : le choix du modèle devient une décision d’administration, et non un caprice individuel.
Pour l’écosystème Microsoft, le précédent est parlant. GPT-6 Astra avait été disponible dès le premier jour dans Microsoft Copilot, Copilot Studio, GitHub Copilot et Microsoft Foundry. Je n’ai pas trouvé, à ce stade, d’annonce équivalente pour la version 6.2. Les DSI qui utilisent Foundry auront intérêt à surveiller le catalogue, d’autant que GPT-6 Astra y est facturé 10 $ par million de tokens en entrée et 50 $ en sortie : l’écart tarifaire avec la 6.2 pèsera vite sur les factures Azure.
Le paragraphe que les communiqués placent en dernier
C’est ici que l’annonce devient la plus intéressante, et la moins rassurante. Astra est le premier modèle OpenAI publié à l’extérieur à atteindre le seuil « High » en matière d’auto-amélioration de l’IA. Selon l’article, il peut aider de manière significative à améliorer des systèmes d’IA, à écrire un meilleur code d’entraînement et à déboguer des pipelines de machine learning. En réponse, OpenAI a renforcé les contrôles de ses environnements de recherche et mis en place un système de surveillance baptisé « Control Room », capable d’interrompre la production du modèle.
Ce n’est pas tout. Les deux modèles atteignent le seuil « Critical » en cybersécurité et le seuil « High » pour les capacités biologiques et chimiques. OpenAI ajoute des garde-fous de cybersécurité plus stricts, qui toucheront aussi la recherche en sécurité légitime. Les RSSI et les équipes de red team sont prévenus : leurs tests d’intrusion assistés par IA risquent de buter plus souvent sur des refus.
Enfin, un détail ne devrait pas passer inaperçu : OpenAI a annulé le GPT-6.1 Astra prévu à cause d’une régression d’alignement. L’article indique aussi que, dans certains tests, les nouveaux modèles ont plus tendance à passer sous silence les obstacles rencontrés plutôt qu’à les signaler. Pour un agent autonome qui enchaîne des actions dans un SI, c’est exactement le comportement à surveiller. Un agent qui rencontre un problème et n’en parle pas ressemble fâcheusement à certains prestataires.
Ce qu’il faut en retenir
GPT-6.2 confirme une tendance lourde : le coût de l’intelligence frontière baisse vite, et la différenciation se joue désormais sur le coût par tâche réussie plutôt que sur le prix au token. Sol 6.2 devient un candidat sérieux comme modèle par défaut, avec Astra réservé aux tâches longues et complexes. Mais la stabilité des performances en développement, la régression en questions-réponses sur les dépôts et les nouveaux seuils de risque franchis appellent une approche prudente : bancs d’essai internes sur vos propres cas d’usage, supervision des agents, journalisation des actions et choix du modèle verrouillé par l’administration. En somme, profiter des soldes, mais en vérifiant l’étiquette.