GPT-6.1 Terra : ce que ce nouveau modèle d'OpenAI change pour une PME

Qu'est-ce que GPT-6.1 Terra, le nouveau modèle d'OpenAI ?

GPT-6.1 Terra est un modèle d'intelligence artificielle intermédiaire publié par OpenAI le 26 octobre 2026. Il succède à GPT-5.6 Terra et vise le travail de bureau : lire des images et des plans, remplir des formulaires, rédiger des propositions, manipuler un ordinateur.

OpenAI range ses modèles en quatre familles, de la moins chère et la moins puissante à la plus chère : Luna, Terra, Sol et Astra. Terra est donc l'étage du milieu, celui qu'on choisit quand on veut un bon compromis entre qualité, vitesse et prix. Selon le Blog du Modérateur, OpenAI le présente comme « rapide et efficace », avec un raisonnement visuel détaillé et une utilisation précise de l'ordinateur.

Voici l'essentiel de ce qui a été annoncé, d'après le communiqué d'OpenAI tel que repris par la presse et d'après la documentation officielle destinée aux développeurs :

Un mot sur le vocabulaire, parce qu'il revient partout : un token est un petit morceau de texte (un mot court, une partie de mot) et c'est l'unité avec laquelle les fournisseurs d'IA facturent leurs services. Quand on parle de « prix par token », on parle du tarif de cette unité, pas du coût d'une tâche complète.

Que veut dire « utiliser un ordinateur » pour une IA ?

Cela veut dire que l'IA regarde l'écran comme une image, repère les boutons et les champs, puis agit comme une personne : elle clique, tape au clavier et passe d'une application à l'autre. Elle peut donc travailler avec des logiciels qui n'ont pas d'interface de programmation (API) pour dialoguer avec une machine.

C'est le point qui me semble le plus important dans cette annonce. Jusqu'ici, automatiser une tâche demandait que les logiciels « se parlent » : votre outil de facturation, votre CRM et votre messagerie devaient offrir une connexion propre. Beaucoup d'outils métier, surtout les plus anciens, n'en ont pas. Une IA capable de piloter l'écran ouvre une porte vers ces logiciels-là.

OpenAI cite comme exemples la rédaction de propositions, l'interprétation de plans techniques, le remplissage de formulaires et le montage vidéo. Sur son test interne appelé Agents' Last Exam, qui regroupe des tâches professionnelles réalisées sur ordinateur, le modèle devance nettement GPT-5.6 Terra, et avec un effort de raisonnement moyen il rivalise avec GPT-6 Astra pour un coût bien moindre, toujours selon OpenAI.

Pour qu'on se représente de quoi on parle, voici le type de travaux que ce genre de modèle peut prendre en charge, quand on l'encadre bien :

Je précise tout de suite que ce sont des usages possibles, pas des garanties. Une IA qui clique à votre place peut aussi se tromper de bouton, et c'est pourquoi la suite de l'article parle autant de contrôle que de performance.

Terra, Sol ou Astra : quel modèle choisir pour quel travail ?

Terra est le bon candidat pour les tâches courantes de bureau, rapides et répétées. OpenAI recommande toujours Sol ou Astra pour le code le plus complexe, et c'est une indication à prendre au sérieux : un modèle moins cher n'est pas un modèle qui fait tout.

Le Blog du Modérateur rappelle cette limite : pour les tâches de programmation les plus difficiles, OpenAI conseille de rester sur GPT-6.1 Sol ou GPT-6 Astra. Sur Terminal-Bench 4.0, un test de tâches de programmation en ligne de commande, Terra résout 50,3 % des tâches au réglage de raisonnement maximal, contre 21,5 % pour GPT-5.6 Terra. C'est un net progrès, mais cela veut aussi dire qu'une tâche sur deux n'est pas résolue dans ce test.

Mon conseil habituel est de ne pas choisir un modèle sur la réputation. Je prends dix ou vingt cas réels de l'entreprise (vraies factures, vrais mails, vrais formulaires), je les passe dans deux ou trois modèles et je compare les résultats, le temps et le coût. C'est rarement le modèle le plus puissant qui gagne : c'est le plus régulier pour la tâche précise qu'on veut automatiser.

Faut-il croire les chiffres annoncés par OpenAI ?

Il faut les lire comme des indications, pas comme des promesses. Tous les résultats cités viennent de tests menés par OpenAI lui-même, sans vérification indépendante à ce stade, et certains tests sont volontairement conçus pour piéger le modèle.

Le chiffre le plus relayé est la baisse du taux d'erreur : sur un test interne composé de questions conçues pour provoquer des erreurs, le taux passe de 53,6 % pour GPT-5.6 Terra à 16,7 % pour GPT-6.1 Terra avec un raisonnement faible, et à 4,3 % au réglage maximal. Dit comme ça, c'est spectaculaire. Mais ces questions sont, de l'aveu même du principe du test, faites pour déclencher des erreurs : elles ne reflètent pas la fréquence des erreurs dans un usage normal.

Même prudence pour les comparaisons de vitesse. Que Terra termine les tâches de test « plus de trois fois plus vite » que Sol et Astra est plausible pour un modèle plus petit, mais ce sont les tâches choisies par OpenAI. Je retiens surtout une chose de ces annonces : l'écart de qualité entre les modèles intermédiaires et les modèles haut de gamme se réduit d'un trimestre à l'autre, ce qui rend les automatisations plus abordables.

Quand une annonce dit « 50 % moins cher », la bonne question est toujours : « moins cher par rapport à quoi, et pour quoi faire ? ». C'est l'objet de la section suivante.

Un modèle 50 % moins cher fait-il vraiment baisser la facture ?

Pas forcément à 50 %. La baisse annoncée porte sur le tarif de chaque token, pas sur le coût d'une tâche complète, qui dépend du nombre de tokens consommés, du niveau de raisonnement choisi et du nombre d'essais nécessaires.

Concrètement, trois choses font varier la facture d'une automatisation :

• La longueur des documents : un modèle qui lit un contrat de cinquante pages consomme beaucoup plus qu'un modèle qui lit un mail de dix lignes. La documentation d'OpenAI précise d'ailleurs que les très longs textes (au-delà de 272 000 tokens en entrée) sont facturés plus cher.
• Le niveau de raisonnement : le modèle propose plusieurs réglages, de « aucun » à « maximum ». Plus il réfléchit, plus il consomme, et plus la tâche coûte.
• Les reprises : si le modèle se trompe et qu'il faut recommencer, ou si une personne doit corriger, l'économie fond.

Autre mécanisme intéressant : le « cache ». Quand on renvoie souvent les mêmes consignes ou les mêmes documents au modèle, la partie déjà vue est facturée beaucoup moins cher. La documentation indique aussi que les traitements groupés (mode batch) sont moins chers que les traitements immédiats. Pour une PME qui traite ses factures ou ses relances en fin de journée, c'est exactement le bon cas d'usage : on n'a pas besoin de la réponse en une seconde.

Résultat : sur une automatisation bien pensée, on peut gagner nettement. Sur une automatisation mal pensée, on peut payer plus qu'avec un modèle « cher » mais plus économe en tokens. C'est une question de conception, et c'est là que se joue la différence entre un essai amusant et un outil qui rapporte.

Est-ce risqué de laisser une IA piloter un ordinateur ?

Cela peut l'être si on ne l'encadre pas. OpenAI classe Terra au niveau « critique » pour ses capacités en cybersécurité, le plus élevé de sa grille interne, et lui applique les mêmes garde-fous que ses modèles les plus puissants. Une IA qui agit sur un écran doit toujours travailler avec des droits limités.

Dans son communiqué, OpenAI explique que le modèle s'écarte moins souvent du cadre de la tâche et signale plus honnêtement ses limites et ses blocages. C'est une bonne nouvelle, mais je ne m'en contenterais pas. Dès qu'un agent peut cliquer, il peut aussi valider un paiement, supprimer un fichier ou envoyer un mail à la mauvaise personne. Voici les règles que j'applique dans ce type de projet :

1. Donner le minimum de droits. Un compte dédié à l'agent, avec uniquement les accès nécessaires à la tâche, jamais un compte administrateur.
2. Séparer les environnements. Tester d'abord sur des copies de données, pas sur la vraie comptabilité.
3. Faire valider les actions irréversibles. Envoi d'un mail à un client, paiement, suppression : un humain confirme avant.
4. Tout journaliser. Garder la trace de ce que l'agent a fait, pour pouvoir comprendre et corriger.
5. Se méfier du contenu lu. Un mail ou une page web peut contenir des instructions cachées qui visent l'IA. L'agent doit traiter ce qu'il lit comme des données, jamais comme des ordres.

J'avais déjà abordé cette logique de contrôle dans mon article sur les agents IA permanents d'OpenAI. Terra la rend plus urgente : quand les agents deviennent bon marché, tout le monde peut en lancer, y compris sans réfléchir aux droits qu'on leur donne.

Que peut faire une PME de ce modèle dès maintenant ?

Commencer petit : choisir une tâche répétitive et bien définie, la faire tourner avec Terra en parallèle du travail humain pendant quelques semaines, mesurer les erreurs et le temps gagné, puis seulement décider de la généraliser.

Les entreprises que j'accompagne me posent souvent la même question : « par où commencer ? ». Ma réponse tient en quelques repères.

Les bons candidats

Une tâche est un bon candidat quand elle est répétée souvent, qu'elle suit des règles assez claires, qu'une erreur est rattrapable et qu'elle occupe quelqu'un plusieurs heures par semaine. Le tri et l'enregistrement de documents reçus par mail, la préparation de relances clients, la mise à jour de fiches dans un logiciel, la saisie de formulaires en ligne : tout cela entre dans cette catégorie.

Les mauvais candidats

À l'inverse, je déconseille de confier à un agent, pour l'instant, tout ce qui engage juridiquement l'entreprise sans relecture, les décisions financières importantes, et les tâches pour lesquelles personne ne sait dire à quoi ressemble un « bon résultat ».

Deux façons de s'y prendre

La première est d'utiliser directement ChatGPT Work ou Codex avec un abonnement adapté. C'est simple pour tester, mais cela reste de l'usage individuel : pas de lien avec vos outils, pas de journal partagé. La seconde passe par l'API, intégrée à un flux d'automatisation sur mesure, relié à votre messagerie, votre CRM ou votre logiciel de gestion. C'est plus de travail au départ, mais c'est ce qui permet de contrôler les droits, de garder des traces et de limiter la dépendance à un seul fournisseur.

Sur ce dernier point, je suis volontairement prudent : changer de modèle ne doit jamais obliger à tout reconstruire. Avec une automatisation bien conçue, on peut passer de Terra à un autre modèle d'OpenAI, ou à un modèle d'un autre éditeur, en modifiant un réglage. Les prix et les performances bougent trop vite pour parier sur un seul acteur.

Faire un essai sérieux avec un développeur qui connaît votre métier

Si vous voulez savoir si Terra, ou un autre modèle, peut faire gagner du temps à votre équipe, je peux cadrer un essai : choix de la tâche, test sur vos vrais documents, mise en place des garde-fous, puis automatisation reliée à vos outils. Devis gratuit sous 24 h.

Je développe des sites, des applications et des automatisations pour des professionnels depuis une vingtaine d'années, et je travaille avec les modèles d'IA dans des projets réels. Ce que je propose, pour un sujet comme celui-ci :

Vous pouvez en savoir plus sur mes services d'agents IA pour l'entreprise et d'automatisation, ou sur les applications et CRM sur mesure quand l'outil qu'il vous faut n'existe pas encore.

Le plus simple : décrivez-moi par le formulaire de contact la tâche qui vous prend le plus de temps, ou appelez le 06 37 29 19 67. Je vous dis honnêtement si l'IA est la bonne réponse, ou si un simple réglage de vos outils suffit.

Vos questions

Article publié le 29 octobre 2026.