GPT-6.1 Sol, Astra ou Luna : quel modèle choisir pour travailler avec ChatGPT ?

Extraire des informations, préparer une présentation ou construire un outil : chaque tâche ne demande pas les mêmes capacités. Avec l’arrivée de GPT-6.1 Sol, comment choisir entre Luna, Sol et Astra ? Voici les différences, les usages à privilégier et les conditions d’accès.

Vous souhaitez utiliser ChatGPT pour avancer sur votre travail, mais plusieurs noms apparaissent dans le sélecteur de modèles. Faut-il choisir Luna pour aller vite ? Astra pour obtenir le meilleur résultat ? Et quelle place donner à GPT-6.1 Sol ?

Pour choisir, partez du travail à réaliser : les informations disponibles, les décisions à prendre, le résultat attendu et les vérifications nécessaires.

Ces repères correspondent au positionnement officiel des modèles. Ils constituent un point de départ : comparez les résultats sur vos propres tâches

Source : guide officiel des modèles GPT-6.

Un « modèle » d’IA, qu’est-ce que c’est ?

ChatGPT est l’interface dans laquelle vous écrivez. Le modèle est le moteur qui traite votre demande. Vous pouvez garder la même interface et choisir un autre moteur selon le travail à faire.

Imaginez trois demandes professionnelles :

1. Extraire les montants et les dates de plusieurs devis.
2. Comparer ces devis pour préparer une recommandation.
3. Construire un tableau de suivi, vérifier ses calculs et l’ajuster après un essai.

Ces demandes mobilisent des capacités différentes. La première repose sur des règles précises. La deuxième implique des critères de comparaison et du jugement. La troisième demande aussi des outils, des essais et des corrections.

Le choix du modèle compte, mais vos documents et vos consignes comptent également. Avant de lancer une tâche, précisez ce que vous attendez et comment vous évaluerez le résultat.

Prenons également un exemple en marketing : vous préparez une campagne. Demander à l’IA de relever les dates, les canaux et les budgets dans vos briefs est une tâche précise. Lui demander de rédiger un plan de campagne adapté à votre cible exige de sélectionner les informations utiles et de les organiser. Lui demander de créer un tableau de bord à partir des résultats de plusieurs canaux, de vérifier les calculs puis de corriger l’outil après un essai implique plusieurs étapes et davantage de décisions (et d'outils).

C’est pour cela que le choix du modèle compte. Il influence les tâches que l’outil est le mieux placé pour traiter, le temps qu’il peut prendre et les ressources qu’il consomme. Aucun modèle ne garantit une réponse juste : vos consignes, les documents fournis, les outils autorisés et votre vérification restent décisifs.

GPT-6 Luna, GPT-6.1 Sol et Astra : les différences en clair

Une tâche courte peut être difficile : quelques lignes de communication sensible demandent parfois beaucoup de nuance. À l’inverse, un document long peut contenir une simple extraction répétitive. La longueur du prompt ne suffit donc pas à choisir le modèle.

Une comparaison peut aider à retenir ces rôles : Luna ressemble à un assistant chargé d’une tâche cadrée ; Sol, à un chef de projet polyvalent ; Astra, à un expert mobilisé sur un chantier complexe. Cette image parle de la répartition du travail. Elle ne leur donne ni l’expérience ni la responsabilité d’une personne. OpenAI présente Luna pour l’extraction et les tâches ciblées, Sol pour la rédaction et le travail exigeant, et Astra pour les projets ambitieux menés de bout en bout. [Sources : sélection des modèles et catalogue GPT-6.]

Par où commencer ? Essayez Luna si les règles et le format de sortie sont clairs, Sol si vous attendez un premier travail structuré, Astra si la mission demande d’explorer, de construire, de tester et de reprendre le résultat. Puis jugez la réponse sur vos propres critères : exactitude, oublis, corrections nécessaires et temps gagné.

GPT-6.1 Sol : qu’est-ce qui change ?

GPT-6.1 Sol a été annoncé le 29 septembre 2026 dans Codex et ChatGPT Work. OpenAI le présente comme offrant des performances proches d’Astra pour les travaux complexes, à un coût inférieur. L’entreprise cite notamment les tâches longues ou répétées autour du code, des applications et des documents.

Cela donne à Sol une place plus large qu’un simple assistant de rédaction.

Dans votre quotidien, vous pourriez par exemple lui confier la préparation d’un dossier : rassembler les éléments fournis, structurer une première version, repérer les incohérences et intégrer vos corrections.

« Proche d’Astra » ne signifie pas « identique à Astra ». Cette formulation décrit le positionnement annoncé par OpenAI. Pour savoir lequel vous convient, testez-les sur un travail représentatif de votre activité.

Source : annonce officielle de GPT-6.1 Sol.

Et GPT-6 Sol ?

GPT-6 Sol et GPT-6.1 Sol sont deux modèles distincts. La documentation actuelle recommande GPT-6.1 Sol lorsqu’il est disponible pour votre compte et votre interface.

Vérifiez donc la version affichée lorsque vous sélectionnez Sol : le nom « GPT-6 Sol » ne désigne pas automatiquement GPT-6.1 Sol.

Quand choisir Astra ?

OpenAI continue de positionner Astra sur les travaux les plus exigeants, notamment les projets qui demandent un raisonnement soutenu, plusieurs étapes et l’utilisation de plusieurs outils externes différents.

Pour une équipe, cela peut correspondre à une analyse de sources contradictoires, à la construction d’un outil interne ou à un projet qui nécessite plusieurs essais.

Prenons un tableau de bord commercial. Préparer une liste d’indicateurs constitue une première tâche. Créer le fichier, contrôler les formules, tester les filtres et corriger les erreurs représente un travail plus complet.

Avant de confier ce projet à l’IA, définissez les critères de réussite : données à utiliser, calculs attendus, format du livrable et contrôles à effectuer. Puis examinez le résultat avec ces mêmes critères.

Le niveau de raisonnement compte aussi

Selon votre interface, vous pouvez régler l’effort de raisonnement du modèle. Un effort supérieur peut améliorer les résultats sur les tâches complexes, tout en demandant davantage de temps et de tokens.

Commencez avec le réglage proposé par défaut. Augmentez-le si le travail exige une analyse plus approfondie ou si le premier résultat reste insuffisant.

Pour comparer deux réglages, regardez le temps total nécessaire pour obtenir un résultat utilisable, y compris votre relecture et vos corrections.

Les tokens : comment l’IA mesure la quantité de texte à traiter

Quand vous envoyez un message à l’IA, elle le découpe en petits morceaux de texte appelés tokens.

Vous pouvez les imaginer comme les petites pièces avec lesquelles l’IA lit votre demande et construit sa réponse. Un token n’est donc pas forcément un mot.

Les tokens en entrée : ce que vous lui donnez à lire

Ce sont les éléments transmis au modèle pour réaliser votre demande : vos consignes, les textes fournis et le contexte de la conversation qui lui est envoyé.

Par exemple :

• « Reformule cette phrase » avec une seule phrase à reprendre représente peu de texte à lire.
• « Compare ces trois rapports » avec plusieurs dizaines de pages représente beaucoup plus de texte à traiter.

Même si votre demande tient en une ligne, les documents qui l’accompagnent peuvent constituer une entrée importante.

Les tokens en sortie : ce que l’IA produit

Ce sont les morceaux de texte utilisés pour générer la réponse.

Un résumé de cinq lignes mobilise généralement moins de tokens de sortie qu’un article de plusieurs pages.

Certains modèles utilisent également des tokens de raisonnement pour préparer leur réponse. Ce travail intermédiaire n’apparaît pas nécessairement à l’écran, mais il peut compter dans la consommation.

Un exemple concret

Vous transmettez un compte rendu de réunion et demandez :

« Fais-moi un tableau avec les décisions, les responsables et les échéances.»

Le compte rendu et votre consigne constituent l’entrée. Le tableau généré constitue la sortie. Le modèle peut aussi mobiliser du raisonnement pour distinguer une décision d’une simple suggestion.

Voilà pourquoi la consommation dépend du travail complet, pas seulement de la longueur de votre question.

Est-ce que chaque message me coûte de l’argent ?

Avec un abonnement ChatGPT, vous ne payez pas chaque message au nombre de mots. Vous utilisez votre offre dans le cadre de ses limites et, selon ses modalités, de crédits disponibles.

Avec l’API, qui permet d’intégrer l’IA dans un logiciel ou une automatisation, la facturation repose notamment sur les tokens utilisés. Les tokens en entrée et en sortie ont généralement des tarifs différents.

Quand un tarif indique « par million de tokens », il s’agit d’une unité de comparaison des prix.

Combien coûtent les modèles dans l’API ?

Au 7 octobre 2026, les tarifs API Standard pour le contexte court sont les suivants :

Que faut-il retenir au quotidien ?

Vous n’avez pas besoin de compter les tokens pour bien utiliser ChatGPT. Donnez-lui les informations nécessaires et précisez le résultat attendu.

Par exemple, « Fais une synthèse de dix lignes pour préparer ma réunion » cadre mieux le travail que « Analyse tout en détail ».

L’objectif est de fournir le contexte utile, puis d’obtenir une réponse adaptée à votre besoin.

Chat, Work, Codex et plugins : comment s’y retrouver ?

Pour comprendre votre environnement, distinguez trois éléments :

• Le modèle, qui traite la demande : GPT-6.1 Sol, GPT-6 Sol et GPT-6 Luna
• Le mode ou l’environnement de travail, dans lequel vous lui confiez la tâche : Chat, Work ou Codex
• Les outils et connexions, qui lui donnent accès à certaines informations ou actions : Les plugins

Dans ChatGPT, GPT-6.1 Sol, GPT-6 Sol et GPT-6 Luna sont disponibles dans Work et Codex, pas dans le mode Chat.

Un plugin permet de connecter des outils ou des services selon les autorisations accordées. Il ne change pas votre modèle et ne vous donne pas automatiquement accès à tous les documents du service connecté.

Lorsque vous travaillez avec un service connecté, décrivez précisément votre demande : quels documents consulter, quelle période analyser, quel livrable préparer et quelles actions vous souhaitez valider avant leur exécution.

Sources : modèles disponibles et plugins.

Les modèles GPT-6 sont-ils disponibles gratuitement ?

Non, tous les modèles ne sont pas accessibles avec l’offre gratuite. Parmi les modèles présentés dans cet article, seul GPT-6 Luna est annoncé pour les comptes gratuits, dans l’application de bureau, selon le déploiement et avec des limites d’usage.

Voici les conditions annoncées au 7 octobre 2026 :

Pour GPT-6.1 Sol, les espaces Enterprise et Edu nécessitent une activation par un administrateur. L’accès effectif dépend également de votre interface, du déploiement et des paramètres de votre espace de travail.

Accessible ne signifie pas illimité. Une tâche courte et un projet portant sur plusieurs fichiers peuvent mobiliser des quantités de ressources différentes.

Comment choisir sur votre propre tâche ?

Préparez une demande représentative de votre activité et testez les modèles auxquels vous avez accès avec les mêmes documents.

Évaluez ensuite :

Gardez le modèle et le réglage qui atteignent votre niveau de qualité avec une consommation et un temps de correction acceptables.

Pour un usage récurrent, conservez quelques exemples de référence. Ils vous permettront de comparer une nouvelle version sans vous fier uniquement à une première impression.

Passez des modèles à vos propres projets

Choisir un modèle est une première étape. Pour obtenir des résultats utiles, il faut aussi identifier les tâches à lui confier, préparer le contexte et construire une méthode de vérification.

La formation « Piloter et automatiser ses projets avec l’IA » d’Ada Tech School vous accompagne pour appliquer l’IA à votre quotidien professionnel et avancer sur un projet concret.