OpenAI lance GPT-6.1 Sol, quasi Astra à un cinquième du prix

Ce qui s'est passé

OpenAI a officialisé le 29 septembre 2026 le lancement de GPT-6.1 Sol, présenté comme une mise à niveau substantielle de GPT-6 Sol publié quelques semaines auparavant. Ce nouveau modèle positionne OpenAI sur le segment intermédiaire de sa gamme GPT-6 : un modèle à usage intensif pensé pour les agents autonomes, le codage assisté et le travail professionnel à grande échelle, tout en cassant les prix par rapport à GPT-6 Astra, son modèle de pointe actuel.

La structure tarifaire est volontairement agressive. GPT-6.1 Sol est proposé à 2 dollars par million de tokens en entrée et 10 dollars par million de tokens en sortie sur l'API publique — soit exactement un cinquième du prix de GPT-6 Astra pour les tokens standard. Mais c'est le tarif sur les tokens en cache qui retient l'attention des architectes d'agents : à seulement 0,10 dollar par million de tokens cachés, GPT-6.1 Sol revient 95 % moins cher que le tarif standard d'entrée, et 50 % moins cher que le cache de GPT-6 Sol. Pour les agents qui réutilisent de larges contextes systèmes entre plusieurs requêtes — un pattern courant dans les workflows d'automatisation — cette économie peut réduire la facture de 80 à 90 % sur les tokens d'entrée.

Sur le plan des performances, OpenAI revendique des scores proches d'Astra sur les benchmarks agentiques, notamment pour le codage autonome via Codex, le computer use — la capacité à piloter des interfaces graphiques et des outils tiers — et les tâches professionnelles longues et multi-étapes. D'après les publications de The Next Web et de ZeeBiz, GPT-6.1 Sol peut suivre des instructions complexes sur de longues sessions sans perte de cohérence, une qualité particulièrement recherchée dans les pipelines d'automatisation RPA et les agents de recherche documentaire.

La disponibilité a été élargie immédiatement aux utilisateurs payants de ChatGPT : formules Plus, Pro, Business, Enterprise et Edu, via ChatGPT Work et Codex. Pour les développeurs, le modèle est accessible depuis l'API publique sous l'identifiant gpt-6.1-sol. OpenAI a également annoncé en parallèle deux autres références lors de son DevDay 2026 : GPT-6.1 Ultrafast, optimisé pour la latence, et Pro 500, une formule d'abonnement mensuel à 500 dollars offrant un accès illimité à l'ensemble de la gamme GPT-6.

La sortie de GPT-6.1 Sol intervient dans un contexte de course aux prix intense entre les grands laboratoires d'IA. Le même jour, Anthropic annonçait Claude Sonnet 5.5, une mise à jour de son modèle Sonnet promettant une vitesse d'inférence augmentée de 30 % et un coût par token réduit de 30 % par rapport à Sonnet 5. Quelques semaines auparavant, Google avait lancé Gemini 4 Argon en accès restreint aux cyber-défenseurs dans le cadre de son programme Fairwind, revendiquant un score de 68 % sur le benchmark CWE-bench v1 pour la détection et la correction automatique de vulnérabilités critiques.

Ce mouvement de compression tarifaire reflète une transformation structurelle du marché des grands modèles de langage. Depuis l'émergence des modèles open-source compétitifs — Llama, Mistral, Qwen, DeepSeek — et la généralisation des offres cloud des hyperscalers (Amazon Bedrock, Azure OpenAI Service, Google Vertex AI), les laboratoires propriétaires sont contraints d'aligner leurs prix pour ne pas perdre les grands comptes entreprise face aux solutions alternatives. L'analyse de Forkast News parle sans détour de commoditisation de l'intelligence de frontière, un phénomène accéléré par la décision d'OpenAI de segmenter sa propre gamme avec un modèle quasi-Astra à un cinquième du prix d'Astra.

Sur le plan réglementaire, la même semaine a vu l'introduction au Sénat américain d'une proposition de loi bipartisane par les sénateurs Josh Hawley (républicain) et Chris Murphy (démocrate), visant à rendre les sociétés d'IA légalement responsables des incidents de cybersécurité facilités par leurs modèles. Si adoptée, cette législation créerait un précédent majeur pour les laboratoires développant des agents autonomes capables d'exécuter du code et d'interagir avec des systèmes tiers — et pourrait remodeler les contrats de service IA en profondeur.

Du côté européen, le Royaume-Uni a publié un nouveau kit d'outils de gestion des risques IA destiné aux organismes du secteur public, et la Financial Conduct Authority britannique a précisé ses attentes en matière de résilience cyber face aux systèmes d'IA de frontière. Ces initiatives interviennent alors qu'OpenAI a elle-même annoncé avoir retiré son prochain grand modèle suite à des défaillances d'alignement détectées en interne, et qu'Anthropic a émis une mise en garde inhabituellement directe à destination de ses investisseurs sur les risques posés par l'IA avancée — deux signaux qui contrastent avec la communication commerciale agressive sur la tarification.

Pourquoi c'est important

Pour les directions informatiques et les équipes DevSecOps, la compétition tarifaire autour des LLM redessine concrètement les architectures d'agents et les budgets d'exploitation. Jusqu'ici, le principal frein au déploiement d'agents autonomes à grande échelle était le coût des tokens en cache pour les contextes longs — ces sessions agentiques où l'agent doit tenir en mémoire plusieurs dizaines de milliers de tokens sur des centaines de tours. Avec GPT-6.1 Sol à 0,10 dollar le million de tokens cachés, le verrou économique saute pour de nombreuses classes de cas d'usage : revue de code en continu, audit de documentation, pilotage d'outils internes via computer use, orchestration de workflows multi-étapes.

La guerre des prix IA a également une dimension stratégique pour les entreprises qui construisent des produits sur ces modèles. La dépendance à un seul fournisseur, déjà problématique pour des raisons de résilience, devient aussi un risque financier à mesure que les prix bougent de semaine en semaine. Les architectures multi-modèles — combinant modèles propriétaires et modèles open-source selon la criticité et le coût de chaque tâche — ne sont plus une option théorique mais une nécessité opérationnelle. La sortie de GPT-6.1 Sol illustre exactement cette logique : OpenAI incite ses clients à choisir le bon outil pour chaque niveau de complexité plutôt que d'utiliser systématiquement le modèle le plus puissant.

Pour les équipes de sécurité, le contexte est ambigu. D'un côté, des modèles IA plus puissants et moins coûteux améliorent les capacités défensives : détection d'anomalies comportementales, analyse de logs, triage d'alertes, rédaction de rapports d'incidents. De l'autre, la démocratisation de l'IA agentique abaisse la barrière d'entrée pour les attaquants souhaitant automatiser la reconnaissance, le phishing personnalisé ou la génération d'exploits. Le fait qu'OpenAI ait retiré son prochain grand modèle pour problèmes d'alignement, et qu'Anthropic alerte ses propres investisseurs, rappelle que la course à la performance crée des angles morts sécuritaires dont les conséquences pourraient n'être visibles que bien après le déploiement à grande échelle.

La proposition de loi américaine sur la responsabilité des laboratoires IA mérite enfin l'attention des RSSI français. Si une telle législation est adoptée aux États-Unis, elle pourrait créer une jurisprudence internationale en matière de due diligence sur les outils IA intégrés dans les processus métier. Les contrats avec les fournisseurs IA, les clauses de responsabilité et les audits de conformité devront être réexaminés à l'aune de ces nouvelles exigences, en anticipation d'une transposition possible dans le cadre de l'AI Act européen.

Ce qu'il faut retenir

• GPT-6.1 Sol propose des performances proches du modèle de pointe d'OpenAI à un cinquième du coût, avec un cache à 0,10 $/M tokens qui rend économiquement viables les agents autonomes longue durée.
• La concurrence simultanée d'Anthropic, Google et OpenAI comprime les prix : c'est le moment d'auditer vos contrats LLM, de comparer les nouveaux tarifs et d'envisager des architectures multi-modèles.
• La proposition de loi américaine sur la responsabilité des labs IA et les alertes internes d'OpenAI et Anthropic rappellent que la gouvernance des agents autonomes devient un sujet réglementaire autant que technique.