Blog / 12 juillet 2026 · 7 min de lecture

Sol, Terra, Luna : OpenAI vient de transformer Codex en distributeur de billets

GPT-5.6 arrive en trois tiers de prix dans Codex. Sur le papier c'est de la flexibilité. En vrai, c'est toi qui dois deviner quel modèle va coder ta tâche — et combien ça va te coûter avant de le savoir.

Bon. J’ai passé une partie du week-end à comparer des grilles tarifaires au lieu de coder. Pas glorieux, mais nécessaire.

OpenAI a sorti GPT-5.6 le 26 juin 2026, en preview limitée, puis en accès public le 9 juillet. Pas un modèle. Trois. Sol, Terra, Luna. Intégrés direct dans Codex.

Et le truc qui m’a fait tiquer, c’est pas le nom des tiers. C’est le prix de l’output.

La grille, telle qu’elle est vraiment

Je voulais vérifier avant d’écrire quoi que ce soit, parce que les agrégateurs se copient parfois les uns les autres sans recouper. Donc j’ai croisé la doc de pricing avec ce que rapportent plusieurs sources spécialisées (aipricing.guru inclus). Les chiffres suivants sont confirmés, input et output, par 1M tokens :

Sol (le flagship) : 5 $ input / 30 $ output
Terra (le modèle “équilibré”, censé remplacer GPT-5.5 pour deux fois moins cher) : 2,50 $ input / 15 $ output
Luna (le rapide et pas cher) : 1 $ input / 6 $ output

Si tu avais retenu juste “5 / 2,50 / 1 dollars”, tu avais la moitié de l’info. L’autre moitié, celle qui compte vraiment pour un agent de code, c’est que l’output coûte 6 fois plus cher que l’input, sur les trois tiers.

Et un agent de code, par nature, génère beaucoup d’output. Il n’est pas payé pour lire ton repo. Il est payé pour écrire du diff, des explications, des commandes, des retours de test, des itérations.

Pourquoi ça change la décision

Avant, choisir un modèle c’était une question de qualité : lequel comprend le mieux mon code ?

Maintenant, avec trois tiers dans le même produit, la question devient budgétaire avant d’être qualitative. Chaque tâche que tu donnes à Codex a un prix implicite, et ce prix dépend surtout de combien le modèle va écrire, pas de combien il va lire.

Concrètement :

Un refactor qui touche 15 fichiers et régénère beaucoup de code → gros output → Sol te coûte cher, très vite.
Une tâche d’analyse (“explique-moi pourquoi ce test flake”) → beaucoup de lecture, peu d’écriture → l’écart entre Luna et Sol devient presque anecdotique.
Un agent en boucle qui corrige-teste-recorrige → chaque itération réécrit du code → l’addition grimpe en output, pas en input.

Le nom du tier ne te dit pas ça. Il faut le déduire du type de tâche.

Quand payer Sol vaut le coup

Je ne vais pas faire semblant d’avoir benchmarké les trois modèles sur ma codebase — je ne l’ai pas fait, et je ne vais pas inventer un tableau de scores pour faire sérieux.

Ce que je peux dire, c’est ce qui découle logiquement de la structure de prix et du positionnement annoncé par OpenAI : Terra est vendu comme équivalent à l’ancien GPT-5.5 pour moitié prix, et Luna comme le tier “capacité correcte, coût minimal”.

Donc la vraie question n’est pas “Sol est-il meilleur ?” — il l’est probablement, c’est le flagship. La question est : est-ce que la tâche a besoin de ce supplément de capacité, sachant que chaque token de sortie coûte 6x plus cher dessus ?

Sol se justifie sur :

une dette d’architecture ancienne, avec beaucoup d’ambiguïté et peu de specs ;
un bug de concurrence ou de sécurité où une erreur de raisonnement coûte plus cher que la facture API ;
une tâche où tu vas de toute façon relire ligne par ligne — autant que le premier jet soit le plus solide possible.

Terra ou Luna suffisent largement sur :

écrire des tests pour du code déjà clair ;
appliquer un pattern déjà établi ailleurs dans le repo ;
des tâches mécaniques, répétitives, à faible risque.

Et pour le renommage de 80 imports ou une migration SQL bête, aucun des trois tiers n’est la bonne réponse. C’est un script. J’en avais déjà parlé dans l’article sur la fin du forfait magique : le réflexe “je balance tout sur le modèle premium parce que ça marche mieux” est exactement le genre d’habitude que cette nouvelle grille va punir financièrement.

Le vrai risque : l’agent en auto-accept

Voilà ce qui m’inquiète le plus, et c’est spécifique au fonctionnement d’un agent, pas juste à la grille de prix.

Quand tu lances Codex en mode autonome — auto-accept, plusieurs itérations, potentiellement des sous-tâches déléguées — tu ne choisis pas le tier une fois. L’agent peut consommer beaucoup de tours, chacun générant de l’output, sans que tu voies passer une seule facture avant la fin.

Si la session tourne sur Sol parce que c’est le tier par défaut du projet, ou parce que la tâche a commencé complexe et est restée sur ce modèle même une fois devenue triviale, tu payes du 30 $/1M output pour des opérations qui auraient été à 6 $/1M sur Luna.

Multiplie ça par une boucle de correction qui rate trois fois avant de réussir, et l’écart n’est plus cosmétique.

C’est exactement le scénario que Gartner pointe dans sa prévision du 24 juin 2026 : les coûts d’IA coding par développeur pourraient dépasser le salaire moyen d’ici 2028, parce que la consommation de tokens échappe au contrôle humain une fois qu’on est sur du pricing à l’usage. Gartner cite déjà des boîtes qui dépensent entre 200 et 500 dollars par développeur et par mois — et 6% qui dépassent 2000 dollars. Ce n’est pas de la science-fiction, c’est une tendance en cours.

Ce que ça change dans un vrai workflow

Un tier par défaut par type de tâche, pas par projet. Coder une feature complexe : Sol autorisé mais pas automatique. Écrire des tests, appliquer un pattern connu, faire de la doc : Terra ou Luna par défaut, point.

Un plafond explicite avant de lancer une session longue en auto-accept. Pas “vas-y, fais ce qu’il faut” — plutôt “voici le budget, arrête-toi et résume si tu le dépasses”. Le mode “ultra” annoncé par OpenAI, qui délègue à des sous-agents pour aller plus vite, est justement le genre de fonctionnalité à surveiller de près : plus de sous-agents veut souvent dire plus d’output cumulé, donc plus de facture, même si chaque sous-tâche individuelle semble petite.

Regarder la facture par tâche, pas par mois. Un relevé mensuel te dit que tu as dépensé 400 dollars. Il ne te dit pas que 60% de cette somme est partie sur une seule session de refactor mal cadrée sur Sol alors que Terra aurait suffi.

Ne pas confondre “modèle le plus cher” et “modèle le plus sûr”. Sur une tâche ambiguë, c’est parfois le contraire : mieux vaut poser des questions de clarification à moindre coût sur Terra que de laisser Sol halluciner une architecture entière au tarif fort.

Le fond du truc

Ce que je retiens de cette annonce, c’est moins le modèle lui-même que le changement de posture qu’il impose. Avec un seul modèle, choisir c’était accepter le prix. Avec trois tiers dans le même outil, choisir devient un arbitrage permanent — et un agent autonome fait cet arbitrage à ta place, tour après tour, sans forcément te demander ton avis.

Le nom “Sol” fait rêver. La ligne de facturation, elle, ne rêve pas.

Sources

— Kevin Aubrée

Continuer la lecture

Retour au blog