Illustration conceptuelle de style promotionnel reprenant les thèmes de la version : programmation, erreurs moins nombreuses, utilisation de l’ordinateur et raisonnement visuel autour d’un cube GPT-6.1 Terra. Les libellés du bandeau sont génériques, ce ne sont pas des résultats mesurés.
OpenAI a présenté GPT-6.1 Terra le 26 octobre 2026, avec un objectif : rendre l’IA plus utile pour le travail quotidien sur ordinateur.
Le modèle peut interpréter des informations visuelles, agir sur les interfaces d’applications au moyen des outils pris en charge, rédiger et réviser des documents, et aider à programmer. Ces capacités ne sont pas entièrement nouvelles, mais OpenAI fait état d’améliorations substantielles des performances et des coûts par rapport à GPT-5.6 Terra.
Pour les développeurs et les organisations, la question la plus intéressante est de savoir si ces améliorations justifient de reconsidérer des tâches d’automatisation jusqu’ici trop coûteuses ou peu fiables.
Qu’est-ce qui change avec GPT-6.1 Terra ?
OpenAI fait état de progrès dans plusieurs domaines :
| Capacité | Résultat annoncé |
|---|---|
| Tâches d’utilisation de l’ordinateur | 15 points de pourcentage de plus que GPT-5.6 Terra sur Agents’ Last Exam avec un effort moyen |
| Raisonnement visuel | Scores MMMU-Pro supérieurs à ceux de GPT-5.6 Terra dans tous les réglages de raisonnement testés |
| Tarifs de l’API | Prix standard par jeton deux fois moins élevés que ceux de GPT-6.1 Sol, et inférieurs d’au moins 50 % à ceux de GPT-5.6 Terra |
Ces résultats proviennent des évaluations publiées par OpenAI ; il ne s’agit pas de benchmarks indépendants réalisés par TechiesJournal.
Ces chiffres témoignent de progrès, mais ils portent sur des tâches et des conditions de test différentes. Il ne faut pas les combiner en un score de performance global unique.
Programmation : une amélioration substantielle sur les tâches en ligne de commande
Terminal-Bench 4.0 mesure la capacité des agents de programmation à résoudre des problèmes de développement logiciel à l’aide d’outils en ligne de commande.
Avec l’effort de raisonnement maximal, GPT-6.1 Terra a accompli 50,3 % des tâches du benchmark, contre un score publié de 21,5 % pour GPT-5.6 Terra.
Source : OpenAI. Pourcentage des tâches du benchmark résolues. Il ne s’agit pas d’un taux de réussite général en développement logiciel.
Version texte des données
- GPT-5.6 Terra : 21,5 %
- GPT-6.1 Terra : 50,3 %
Cela représente une hausse de 28,8 points de pourcentage, soit plus du double du taux de réussite publié précédemment.
C’est important pour les développeurs qui utilisent l’IA pour examiner des bogues, modifier des applications et accomplir des tâches d’ingénierie courantes.
Ce résultat montre toutefois aussi une limite. Un modèle qui résout environ la moitié des tâches d’un benchmark n’est pas prêt à remplacer les processus de développement logiciel, les tests ou la revue.
OpenAI continue de présenter GPT-6.1 Sol et GPT-6 Astra comme de meilleurs choix pour ses charges de travail de programmation les plus complexes.
Exactitude factuelle : moins d’erreurs sur les questions difficiles
OpenAI fait également état d’une réduction substantielle des erreurs factuelles.
Sur une évaluation interne reposant sur des requêtes (prompts) conçues pour faire apparaître des erreurs factuelles, le taux d’erreur avec un effort de raisonnement faible est passé de 53,6 % avec GPT-5.6 Terra à 16,7 % avec GPT-6.1 Terra.
Source : OpenAI. Ces cas volontairement difficiles ne sont pas représentatifs des taux d’erreur habituels en production.
Version texte des données
- GPT-5.6 Terra : 53,6 %
- GPT-6.1 Terra : 16,7 %
Cela représente un écart de 36,9 points de pourcentage, soit un taux d’erreur inférieur d’environ 69 % à celui de GPT-5.6 Terra.
Avec l’effort de raisonnement maximal, OpenAI fait état d’un taux d’erreur de 4,3 %.
Cela pourrait rendre l’IA plus utile pour l’analyse de documents, la production de rapports et les flux de travail riches en informations.
Il y a toutefois une distinction importante. Ces chiffres ne décrivent pas la fréquence des erreurs du modèle dans l’ensemble des conversations réelles.
L’évaluation utilise des requêtes volontairement difficiles. Les performances réelles dépendront de la tâche, des informations fournies et de la manière dont les résultats sont vérifiés.
Utilisation de l’ordinateur : de l’interprétation des écrans à l’exécution des tâches
L’utilisation de l’ordinateur (computer use) est l’un des principaux domaines de progrès de Terra.
Prenons une organisation qui traite des factures entrantes.
Un agent d’IA peut avoir à lire une facture, identifier le fournisseur et le montant, ouvrir un logiciel de comptabilité, saisir les informations et vérifier que la transaction a été correctement enregistrée.
Pour y parvenir, le modèle doit comprendre des informations visuelles et enchaîner une séquence d’actions.
OpenAI évalue ces capacités à l’aide d’Agents’ Last Exam et d’OSWorld 2.1.
Sur Agents’ Last Exam, Terra obtient 15 points de pourcentage de plus que GPT-5.6 Terra avec un effort de raisonnement moyen, pour environ un tiers du coût par tâche dans les conditions d’évaluation annoncées.
OpenAI indique également que Terra dépasse, avec un effort moyen, le meilleur résultat de GPT-5.6 Terra sur OSWorld 2.1, pour un coût par tâche inférieur.
Ces résultats laissent penser que les agents d’IA pourraient devenir plus pratiques pour travailler dans les applications de bureau et les processus fondés sur des documents.
Mais comprendre un écran ne rend pas automatiquement une action sûre ou correcte.
Dans l’exemple des factures, une application fiable doit tout de même détecter les factures en double, valider les montants et exiger une approbation avant toute action financière sensible.
Ces contrôles doivent être intégrés au flux de travail de l’application.
Raisonnement visuel : comprendre davantage que du texte
Le raisonnement visuel est un autre volet important de cette version.
OpenAI indique que Terra fait mieux que GPT-5.6 Terra dans les différents réglages de raisonnement sur MMMU-Pro, un benchmark composé de questions visuelles complexes.
Cela concerne des tâches comme l’interprétation de dessins techniques, le travail sur des diagrammes ou la mise en correspondance de photos de produits avec les informations d’un catalogue.
Parmi les exemples de tâches informatiques professionnelles cités par OpenAI figurent la production d’un modèle 3D à partir de plans d’architecte et la création d’un journal de restauration à partir d’un film d’animation.
Ces capacités étendent les usages possibles de l’IA au-delà des applications classiques de traitement de texte.
Les organisations devraient toutefois évaluer séparément l’interprétation visuelle et les actions informatiques qui en découlent. Reconnaître correctement l’information n’est qu’une partie de l’exécution fiable d’une tâche.
Tarifs de l’API : une option moins coûteuse pour les tâches répétées
Pour les développeurs, l’une des différences les plus immédiates concerne les prix.
OpenAI publie les tarifs d’API standard suivants pour GPT-6.1 Terra et GPT-6.1 Sol :
Les tarifs excluent les frais d’outils applicables et les ajustements liés au traitement.
Source : tarifs de l’API OpenAI, 26 octobre 2026.
Version texte des données
- GPT-6.1 Terra, entrée : 1,00 $
- GPT-6.1 Terra, entrée en cache : 0,05 $
- GPT-6.1 Terra, sortie : 5,00 $
- GPT-6.1 Sol, entrée : 2,00 $
- GPT-6.1 Sol, entrée en cache : 0,10 $
- GPT-6.1 Sol, sortie : 10,00 $
Les prix de Terra sont donc deux fois moins élevés que ceux de Sol dans ces catégories de jetons.
Cela pourrait compter pour les applications qui traitent des milliers de documents ou qui recourent de façon répétée à l’IA pour travailler au travers d’interfaces informatiques.
Des prix plus bas ne signifient toutefois pas toujours des coûts d’exploitation totaux plus faibles.
Un modèle qui exige des tentatives supplémentaires, produit davantage d’erreurs ou nécessite de fréquentes corrections humaines peut coûter plus cher au total qu’un modèle plus onéreux qui accomplit les tâches de manière fiable.
Les organisations devraient mesurer le coût total par tâche menée à bien, y compris le traitement, les appels d’outils, l’effort de correction et les frais généraux d’exploitation.
Quel modèle les développeurs devraient-ils choisir ?
La famille de modèles d’OpenAI offre différents choix selon la complexité des tâches et la sensibilité aux coûts.
| Modèle | Où il mérite d’être évalué |
|---|---|
| GPT-6.1 Terra | Flux de travail visuels, programmation courante, traitement de documents et automatisation sensible aux coûts |
| GPT-6.1 Sol | Raisonnement professionnel et développement logiciel plus complexes |
| GPT-6 Astra | Tâches de bout en bout particulièrement exigeantes et raisonnement avancé |
Ce sont des repères pour choisir, pas des garanties qu’un modèle surpassera toujours un autre sur une charge de travail donnée.
Par exemple, Terra pourrait prendre en charge l’extraction courante de documents tandis qu’un modèle plus performant examinerait les cas inhabituels ou complexes.
Le bon choix dépend des performances mesurées, de la fiabilité et du coût total pour l’application réelle.
La sécurité reste une composante de la conception des applications
OpenAI indique traiter GPT-6.1 Terra comme « Critical » en cybersécurité dans le cadre de son Preparedness Framework, et précise que le modèle utilise les protections développées pour GPT-6 Astra.
L’entreprise indique aussi que Terra est plus enclin que GPT-5.6 Terra à rester dans le périmètre d’une tâche et à signaler ses limites, et qu’il a bien résisté aux tests d’injection de prompt d’OpenAI.
Ce sont des avancées utiles, mais il ne faut pas les confondre avec une sécurité opérationnelle sans réserve.
Pour les agents d’IA qui interagissent avec de vrais logiciels, les permissions, la validation, les règles d’approbation et les pistes d’audit restent nécessaires.
Un modèle capable de saisir des données dans un système ne devrait pas recevoir automatiquement le pouvoir d’approuver des paiements, de supprimer des enregistrements ou de modifier des paramètres de sécurité.
Plus les modèles d’utilisation de l’ordinateur gagnent en capacités, plus ces limites deviennent importantes.
Disponibilité
Au 26 octobre 2026, OpenAI indique que GPT-6.1 Terra est disponible pour les utilisateurs Plus, Pro, Enterprise et Edu dans ChatGPT Work et Codex.
Les développeurs peuvent y accéder via l’API OpenAI avec l’identifiant de modèle gpt-6.1-terra.
Le modèle de l’API prend en charge l’entrée et la sortie de texte, l’entrée d’images et des réglages de raisonnement allant d’aucun à maximal. L’appel d’outils nécessite la Responses API. Selon la page du modèle d’OpenAI, GPT-6.1 Terra dispose d’une fenêtre de contexte de 1 050 000 jetons, d’une sortie maximale de 128 000 jetons et d’une date limite des connaissances fixée au 1er juin 2026.
Que doivent retenir les organisations de cette version ?
GPT-6.1 Terra mérite d’être évalué lorsque le travail implique des interactions répétées avec des logiciels, des informations visuelles ou des documents.
L’approche la plus pragmatique consiste à choisir une tâche représentative, à la comparer avec l’implémentation existante et à mesurer si le nouveau modèle améliore la précision, le temps d’exécution ou le coût total.
Pour les équipes qui utilisent déjà des agents d’IA, Terra pourrait offrir une option plus économique pour les tâches courantes. Pour celles qui avaient écarté l’automatisation par l’IA en raison de son coût ou de sa fiabilité, certains flux de travail pourraient mériter une nouvelle évaluation.
Rien ne justifie de remplacer un système qui fonctionne au seul motif qu’un modèle plus récent est sorti.
L’intérêt de Terra tient au fait que les progrès en capacités et en coût arrivent en même temps.
Le vrai progrès n’est pas seulement que l’IA puisse accomplir davantage de tâches. C’est que davantage de tâches pourraient devenir automatisables de manière fiable et économique.
Pour aller plus loin
- OpenAI, Introducing GPT-6.1 Terra, annonce officielle du 26 octobre 2026, comparaisons de benchmarks et disponibilité.
- OpenAI, GPT-6.1 Terra API documentation, fenêtre de contexte, options de raisonnement, modalités prises en charge et exigences de l’API.
- OpenAI, API pricing, tarifs par jeton et différences entre niveaux de traitement.
- OpenAI, GPT-6.1 Terra System Card, évaluations de sécurité, comportement du modèle et limites.
À lire aussi sur ce site
- La guerre des prix de l’IA passe du prix du jeton au coût par tâche (en anglais), sur la mesure du coût d’une tâche menée à bien plutôt que du prix d’un jeton, le test que cet article propose pour les tarifs de Terra.
- OpenAI DevDay 2026 : ce qui a été annoncé et ce qui compte le plus (en anglais), sur GPT-6.1 Sol et les autres annonces d’OpenAI, le modèle auquel cet article compare Terra dans les sections consacrées aux tarifs et au choix du modèle.
- Les agents d’IA atteignent les comptes bancaires : ce que les banques ont observé, ce qui est rapporté et ce qui reste inconnu, sur ce que des banques américaines ont signalé à propos d’agents d’IA externes qui accèdent aux comptes de clients et sur les raisons pour lesquelles certaines les bloquent, en lien avec les limites de paiement et d’approbation évoquées plus haut.
Revue des sources : 1er novembre 2026. Les résultats de benchmarks et de performances sont attribués à OpenAI et n’ont pas été reproduits de manière indépendante par TechiesJournal.