Lire un plan, reconnaître le bon élément à l’écran, puis poursuivre le travail dans un logiciel : c’est sur ce passage de la compréhension à l’action qu’OpenAI mise avec GPT-6.1 Terra. Le nouveau modèle veut rendre ces tâches plus rapides et moins coûteuses. Pour les entreprises, la question devient très concrète : combien coûte un travail correctement terminé ?
Un modèle pensé pour le travail à l’écran
Dans son annonce de GPT-6.1 Terra, OpenAI met en avant le raisonnement visuel, l’utilisation de l’ordinateur et une rédaction plus naturelle. Le positionnement vise les tâches professionnelles où il faut comprendre ce que l’on voit, puis intervenir dans un outil.
Un exemple permet de saisir l’intérêt. Pour transformer un dessin technique en travail exploitable, un agent doit repérer les dimensions et les formes, choisir les commandes pertinentes, puis vérifier que le résultat correspond à la demande. Une réponse écrite convaincante ne suffit pas à achever ce parcours.
L’enjeu concerne aussi les interfaces moins spectaculaires : un formulaire métier, une fiche produit, un tableau de données. Dans ces environnements, une petite erreur de lecture peut se propager d’une étape à l’autre. La valeur d’un agent se mesure donc au résultat enregistré et à la facilité avec laquelle il peut être contrôlé.
Comprendre une image ne garantit pas une lecture exacte
La fiche officielle du modèle indique des entrées texte et image, avec une sortie textuelle. Les actions dans les applications reposent sur des outils reliés au modèle. Celui-ci ne prend pas, à lui seul, le contrôle d’un ordinateur.
La documentation Images et vision rappelle par ailleurs des limites sur les petits caractères, certaines représentations graphiques ou la localisation spatiale précise. Un plan dense ou une capture mal cadrée peut rester difficile à interpréter.
Pour une équipe, le bon essai consiste à utiliser ses propres documents, avec leurs imperfections habituelles, et à comparer le résultat attendu au travail réellement obtenu.
Des progrès annoncés, à lire dans leur contexte
Sur Agents’ Last Exam, OpenAI annonce un gain de 15 points par rapport à GPT-5.6 Terra à effort de raisonnement moyen, pour environ un tiers du coût. Dans l’évaluation rapportée, Terra termine aussi les tâches plus de trois fois plus vite que GPT-6 Astra et GPT-6.1 Sol.
L’entreprise publie également une baisse du taux d’erreur sur son test interne de requêtes susceptibles d’en provoquer : 53,6 % à 16,7 %, à faible effort de raisonnement. Ces chiffres décrivent le protocole d’OpenAI ; ils ne donnent pas un taux de fiabilité valable pour toutes les demandes.
Un benchmark aide à repérer une progression. Il faut ensuite vérifier ce qu’elle devient face à une application lente, un document incomplet ou une consigne ambiguë. Les reprises, les demandes de clarification et le temps de vérification font partie du travail réel.
Des tarifs moitié moindres que GPT-6.1 Sol
La grille tarifaire officielle de l’API affiche les prix Standard suivants, par million de tokens, pour les requêtes relevant du tarif de contexte court :
| Modèle | Entrée | Sortie |
|---|---|---|
| GPT-6.1 Terra | 1 dollar | 5 dollars |
| GPT-6.1 Sol | 2 dollars | 10 dollars |
| GPT-6 Astra | 10 dollars | 50 dollars |
Les tokens sont les unités dans lesquelles le modèle traite les contenus. Le tarif de Terra est donc 50 % inférieur à celui de Sol sur ces deux postes. À grande échelle, cet écart peut compter pour des tâches répétées.
Le tarif au token ne dit pas tout du coût final
Une facture dépend aussi du volume traité, des sorties produites et des outils appelés. Il faut y ajouter, pour évaluer un déploiement, les corrections nécessaires et le temps consacré au contrôle.
La grille prévoit des majorations au-delà de 272 000 tokens d’entrée : les tarifs d’entrée et de cache doublent, tandis que celui de sortie est multiplié par 1,5, sur l’ensemble de la requête. Les traitements particuliers et les appels d’outils ont également leurs propres conditions.
Le meilleur indicateur pour un service reste donc le coût par dossier correctement traité. Un modèle économique devient intéressant lorsque son prix réduit s’accompagne d’un taux de réussite suffisant sur le travail demandé.
Un grand contexte, avec des limites à distinguer
La fiche technique annonce une fenêtre totale de 1,05 million de tokens, avec jusqu’à 128 000 tokens de sortie. Ce sont des capacités de traitement, pas une promesse de compréhension parfaite d’un dossier de cette taille.
Elle précise aussi que Terra ne prend pas nativement en charge l’audio et la vidéo. Travailler sur un projet vidéo au moyen d’un logiciel et de captures d’écran relève d’un usage d’outils ; cela ne transforme pas le modèle en système vidéo natif.
Cette distinction aide à préparer un projet réaliste : il faut regarder les données que le modèle peut recevoir, les outils disponibles et le résultat que l’on souhaite vérifier.
Donner accès à un logiciel reste un choix à encadrer
Le guide officiel sur l’utilisation de l’ordinateur recommande de limiter l’environnement et les actions accessibles, de traiter les contenus affichés comme non fiables et de garder l’utilisateur aux commandes des opérations importantes.
Une instruction découverte dans une page ou un document ne constitue pas une autorisation. Pour un agent chargé de préparer un dossier, rencontrer une demande de transmission à une adresse externe ne devrait pas élargir sa mission.
Le guide insiste aussi sur les limites de temps, d’étapes ou de coût et sur la vérification du résultat. Ces éléments déterminent la qualité d’un service autant que le modèle choisi : un agent doit pouvoir signaler un blocage et laisser reprendre le travail.
Le vrai test sera le travail terminé
L’annonce cite un accès à GPT-6.1 Terra dans ChatGPT Work et Codex pour les offres Plus, Pro, Enterprise et Edu, ainsi que dans l’API sous l’identifiant gpt-6.1-terra. Cette disponibilité ne doit pas être confondue avec une présence automatique dans toutes les interfaces ChatGPT.
Le pari est intéressant : rendre économiquement accessibles davantage de tâches qui combinent perception, raisonnement et interaction. Pour l’évaluer, une entreprise peut partir d’un petit ensemble de dossiers représentatifs, puis mesurer la qualité obtenue, les reprises et le délai total.
La réussite de GPT-6.1 Terra se jouera là : dans la capacité à livrer un travail exploitable, avec un effort de contrôle compatible avec l’économie annoncée.
Références
- OpenAI — Introducing GPT-6.1 Terra, consulté le 26 octobre 2026.
- OpenAI Docs — Fiche technique GPT-6.1 Terra.
- OpenAI Docs — Tarification de l’API.
- OpenAI Docs — Images et vision.
- OpenAI Docs — Utilisation de l’ordinateur.
