GPT-6.1 Terra : le nouveau modèle d'OpenAI pour piloter l'ordinateur, plus rapide et deux fois moins cher
GPT-6.1 Terra permet-il d'automatiser vos tâches métier ? Découvrez ses prix, sa vitesse, ses usages et les précautions avant un pilote dès maintenant.
Sommaire(6 sections)
Une facture arrive par e-mail, un formulaire attend une réponse, puis les mêmes informations doivent être recopiées dans plusieurs logiciels. Dans une PME, ces gestes simples finissent par occuper des heures chaque semaine.
Le 26 octobre 2026, OpenAI a présenté GPT-6.1 Terra, un modèle conçu pour comprendre un écran, utiliser des applications et rédiger des réponses. OpenAI annonce des tâches accomplies plus de 3 fois plus vite qu'avec ses modèles haut de gamme, ainsi qu'une API à 1 dollar par million de tokens en entrée et 5 dollars en sortie. Les tarifs annoncés sont 50 % inférieurs à ceux de GPT-5.6 Terra et GPT-6.1 Sol.
Le sujet mérite mieux qu'un simple effet d'annonce. La vraie question est concrète : quelles tâches pouvez-vous raisonnablement confier à GPT-6.1 Terra, à quel coût et avec quelles limites ? Les chiffres publiés par OpenAI donnent une direction. Ils ne remplacent pas la mesure sur vos données, vos applications et vos procédures.
Ce visuel ouvre la page consacrée à GPT-6.1 Terra dans la documentation développeur d'OpenAI, qui le décrit comme un modèle « rapide et efficace » pour le raisonnement visuel, l'utilisation précise de l'ordinateur et la rédaction. La promesse affichée est claire : faire passer l'IA du rôle de lecteur ou de rédacteur à celui d'agent capable d'agir dans un environnement de travail.
GPT-6.1 Terra ne se contente plus de répondre : il travaille dans vos applications
Ce qu'OpenAI a annoncé le 26 octobre 2026
GPT-6.1 Terra combine trois capacités. Il comprend les informations visibles sur un écran, il peut utiliser un ordinateur avec précision et il produit des textes naturels. En pratique, le modèle peut repérer un champ, choisir une action et préparer une saisie dans une application, selon les outils et les autorisations qui lui sont donnés.
Cette évolution change la nature de l'automatisation. Un chatbot répond à une question. Un agent peut lire une facture, ouvrir un logiciel comptable, repérer les champs attendus et préparer leur remplissage. La validation finale peut rester soumise à une personne.
Le modèle ne travaille donc pas dans le vide. Il observe une interface, interprète des éléments visuels et agit dans un périmètre défini. Cette approche rejoint les usages d'automatisation et d'IA, mais avec une différence importante : l'agent intervient dans des applications existantes, sans attendre qu'un nouveau parcours soit entièrement construit.
Des factures aux plans techniques : les tâches visées
Dans son annonce, OpenAI cite plusieurs familles de tâches : rédaction de propositions, interprétation de dessins techniques, remplissage de formulaires, montage vidéo, lecture de factures et saisie dans un logiciel comptable. La documentation du modèle mentionne aussi l'association de photos de produits avec un catalogue et l'action sur des écrans d'application.
Pour une PME, le bénéfice potentiel se situe moins dans la nouveauté que dans la répétition. Une information peut être extraite une fois, contrôlée, puis envoyée vers le bon outil. Les collaborateurs consacrent alors davantage de temps aux exceptions, aux décisions et aux échanges qui demandent du contexte.
Cette promesse ne signifie pas que chaque tâche peut être automatisée sans préparation. Un formulaire ambigu, un fournisseur inconnu ou un montant inhabituel doivent déclencher une demande de contrôle. Le bon scénario est souvent un flux hybride : l'agent prépare, une personne vérifie, puis l'application exécute.
Le choc des chiffres est réel, mais il vient des benchmarks d'OpenAI
Plus de 3 fois plus rapide, et 50 % moins cher sur l'API
Selon l'annonce officielle d'OpenAI, GPT-6.1 Terra accomplit les tâches plus de 3 fois plus vite que GPT-6 Astra et GPT-6.1 Sol. L'éditeur avance ce chiffre en présentant ses résultats sur Agents' Last Exam, sans publier de durées détaillées. Agents' Last Exam est un benchmark, c'est-à-dire une série de tâches conçues pour comparer des modèles dans des situations professionnelles : transformer des plans d'architecte en modèle 3D, ou relever plan par plan un film d'animation.
Le prix catalogue annoncé attire aussi l'attention. L'API coûte 1 dollar par million de tokens d'entrée, 0,05 dollar par million de tokens d'entrée mis en cache et 5 dollars par million de tokens de sortie. Un token est une petite unité de texte traitée par le modèle, parfois un mot, parfois une partie de mot. Le cache réduit le prix lorsque des éléments d'entrée sont réutilisés. Deux détails de la grille officielle pèsent sur la facture : au-delà de 272 000 tokens en entrée, toute la requête est facturée 2 fois plus cher en entrée et 1,5 fois en sortie ; à l'inverse, les modes Batch et Flex (traitements différés) coûtent 50 % de moins.
OpenAI annonce des tarifs API 50 % inférieurs à ceux de GPT-5.6 Terra et GPT-6.1 Sol. Les grilles publiées le confirment, et vont parfois plus loin : l'entrée passe de 2 dollars à 1 dollar face aux deux modèles, la sortie de 10 dollars pour GPT-6.1 Sol et de 12 dollars pour GPT-5.6 Terra à 5 dollars. Avec un effort de raisonnement moyen, l'éditeur annonce aussi un score supérieur de 15 points de pourcentage à GPT-5.6 Terra sur Agents' Last Exam, pour un coût environ 3 fois inférieur. Il avance enfin des performances comparables à GPT-6 Astra à un dixième de son prix par token (10 dollars en entrée et 50 dollars en sortie pour Astra). OpenAI se compare même à la concurrence : à effort maximal, Terra coûterait environ 9 fois moins cher par tâche que Claude Opus 5.5, d'Anthropic, sur ce même benchmark.
Ces chiffres sont intéressants pour réfléchir à du volume. Ils ne donnent pas encore le coût d'un dossier traité de bout en bout. Celui-ci inclut les appels au modèle, la connexion aux logiciels, la gestion des erreurs, la supervision humaine et la maintenance du flux.
| Chiffre annoncé | Périmètre | Ce qu'il permet de dire |
|---|---|---|
| Plus de 3 fois plus rapide | Annonce OpenAI, face à GPT-6 Astra et GPT-6.1 Sol | Le temps de traitement peut devenir un facteur favorable sur des tâches répétées |
| 1 dollar par million de tokens d'entrée | Tarification API standard | Le prix d'entrée publié est bas pour estimer un volume de traitement |
| 5 dollars par million de tokens de sortie | Tarification API standard | La longueur des réponses pèse dans le coût final |
| 50 % inférieur | Comparaison avec GPT-5.6 Terra et GPT-6.1 Sol (2 dollars en entrée, 10 à 12 dollars en sortie) | Le tarif catalogue baisse, sans mesurer le coût complet d'une automatisation |
Ce que mesurent vraiment les résultats publiés
OpenAI cite plusieurs évaluations, dont Agents' Last Exam, MMMU-Pro, OSWorld 2.1 et Terminal-Bench 4.0. Chacune cible un type de capacité différent : tâches professionnelles, compréhension multimodale, utilisation d'un ordinateur ou programmation. Pour un dirigeant, le nom du test compte moins que la question qu'il permet de poser.
Un chiffre parle directement aux PME qui traitent des documents : sur un benchmark interne d'OpenAI, le taux d'erreurs factuelles passe de 53,6 % avec GPT-5.6 Terra à 16,7 % avec GPT-6.1 Terra à faible effort de raisonnement, et descend à 4,3 % à effort maximal. Le progrès est net. Mais un taux de 16,7 % reste élevé pour de la saisie comptable : la relecture humaine reste indispensable.
Un score sur un benchmark ne mesure pas automatiquement le temps gagné dans votre logiciel comptable. Il ne tient pas compte de vos règles de validation, de la qualité de vos documents ni des cas particuliers accumulés au fil des années. Le résultat publié par OpenAI reste donc un repère, pas une garantie de productivité.
La fiche de sécurité officielle précise d'ailleurs que les évaluations ont été menées dans l'environnement de recherche d'OpenAI ou via l'API. Les résultats peuvent légèrement différer de ceux observés dans ChatGPT, selon les prompts système, les outils disponibles et le niveau d'effort. C'est une réserve méthodologique importante avant toute décision.
La bonne nouvelle pour une PME : commencer petit, sur des tâches qui se répètent
Le meilleur premier cas d'usage n'est pas forcément le plus spectaculaire. Il doit être fréquent, mesurable et assez limité pour qu'une personne puisse reprendre la main rapidement.
Trois familles de tâches à examiner en premier
Les documents entrants forment un premier terrain. GPT-6.1 Terra peut être envisagé pour extraire les informations d'une facture, d'un bon de commande ou d'un formulaire, puis préparer une saisie. La validation humaine reste nécessaire pour les montants, les fournisseurs et les exceptions.
Les contrôles visuels constituent une deuxième piste. Il peut s'agir de comparer un document avec une consigne, de lire un plan technique ou de vérifier la présence d'un élément dans une image. Le bénéfice attendu porte sur le temps de préparation et la circulation de l'information, pas sur une décision automatique sans contrôle.
Les actions administratives forment une troisième famille. L'agent peut naviguer dans une application et préparer une opération répétitive. Avant un envoi, un paiement, une suppression ou une modification irréversible, une personne doit conserver le dernier mot.
Le calcul qui compte : minutes gagnées, erreurs évitées, coût par dossier
Un audit et cadrage sérieux commence par le flux existant. Combien de dossiers arrivent chaque semaine ? Combien de minutes sont nécessaires pour chacun ? Quel est le coût d'une erreur ? Les données sont-elles sensibles ? Une reprise manuelle est-elle possible ?
Ces questions permettent de comparer le coût d'une tâche complète, et pas seulement le prix des tokens. Elles font aussi apparaître les cas où l'automatisation est peu pertinente. Un flux rare, instable ou difficile à contrôler peut coûter plus cher à maintenir qu'à traiter manuellement.
Le pilote doit rester étroit. Choisissez un échantillon de référence, définissez les critères de réussite avant le lancement et mesurez la situation de départ. Le taux de champs correctement préparés, le temps moyen par dossier et le nombre d'interventions humaines donnent une base plus utile qu'une promesse générale de retour sur investissement.
Pour un premier flux, les actions préparatoires sont souvent préférables aux actions finales. L'agent classe, extrait, préremplit ou signale. Une personne valide ensuite. Ce découpage permet de progresser sans donner immédiatement un accès complet à une application critique.
Le revers de la médaille : un agent rapide peut aussi aller trop vite
Données sensibles : lire n'est pas autoriser
Une facture peut contenir des coordonnées bancaires. Un formulaire peut révéler des informations client. Un contrat peut exposer une stratégie commerciale. Le fait qu'un agent sache lire un écran ne signifie pas qu'il doit accéder à toutes les données visibles.
La distinction est essentielle entre ce qui est techniquement possible et ce qui est autorisé. Il faut définir les données accessibles, les comptes utilisés, les actions permises et les traces conservées. L'annonce d'OpenAI décrit des capacités. Elle ne constitue pas une garantie générale sur le cadre de vos données ni sur votre conformité.
Pour une PME, cette prudence implique de commencer par un périmètre réduit. Utilisez un compte dédié, limitez les écrans accessibles et séparez les données de test des données de production lorsque c'est possible. Ces règles relèvent de la gouvernance du projet, pas d'un chiffre de benchmark.
Supervision et droits : la règle des actions réversibles
Un agent doit disposer du strict nécessaire. Il peut préparer une opération sans pouvoir la confirmer. Il peut proposer une réponse sans l'envoyer. Il peut signaler une anomalie sans modifier la donnée source.
Cette logique réduit les conséquences d'une mauvaise interprétation. Elle demande aussi des journaux d'actions, des seuils d'escalade et un bouton d'arrêt simple. Avant d'autoriser une action, vérifiez qu'une personne sait ce qui va se passer et peut reprendre le dossier.
Un risque propre aux agents justifie ces garde-fous : l'injection de prompt indirecte, c'est-à-dire une instruction cachée dans un contenu tiers (une facture, une page web, un e-mail) pour détourner l'agent. La fiche de sécurité juge GPT-6.1 Terra « substantiellement robuste » face à ces attaques, à un niveau comparable à GPT-6 Astra et GPT-6.1 Sol. Robuste ne veut pas dire immunisé : un agent qui lit des documents venus de l'extérieur doit avoir des droits limités.
La limite affichée par OpenAI : Terra n'est pas le meilleur choix pour tout
Le modèle n'écrase pas toute la gamme. OpenAI indique que GPT-6.1 Sol et GPT-6 Astra restent les meilleurs choix pour les tâches de programmation les plus complexes. Cette limite contredit l'idée d'un modèle universel et clarifie son positionnement.
OpenAI destine GPT-6.1 Terra au travail professionnel à grand volume : vitesse, coût et tâches visuelles ou répétitives. Sol ou Astra peuvent rester préférables lorsque la difficulté du raisonnement et la programmation complexe priment. Le choix doit donc partir de la tâche, pas du nom le plus récent.
Disponible dès maintenant : faut-il pour autant se précipiter ?
Où accéder à GPT-6.1 Terra
OpenAI annonce GPT-6.1 Terra dans ChatGPT Work et Codex pour les utilisateurs Plus, Pro, Enterprise et Edu. Le changelog de Vercel annonce aussi sa disponibilité dans AI Gateway, sa passerelle multi-modèles, avec une variante openai/gpt-6.1-terra-fast pour les usages sensibles au temps de réponse. Les modalités d'accès, les quotas et les conditions commerciales peuvent dépendre du produit et du forfait.
Le modèle est aussi annoncé dans l'API sous le nom gpt-6.1-terra. Une API est une interface qui permet à un logiciel d'échanger avec un service. Ici, elle sert à intégrer le modèle dans un outil ou un flux métier, avec ses propres règles d'accès, de suivi et de validation.
Pour une PME, cette distinction évite une confusion fréquente. Utiliser le modèle dans un produit existant n'engage pas le même travail que l'intégrer dans une application ou un processus interne. Dans le second cas, le coût de connexion, de maintenance et de contrôle doit entrer dans le calcul.
La décision raisonnable pour une PME
La décision la plus solide consiste à choisir un seul processus répétitif. Cadrez ses entrées, ses sorties et ses exceptions. Testez-le sur un échantillon représentatif, comparez le temps et la qualité avec la situation de départ, puis élargissez seulement si le contrôle reste acceptable.
La méthode de Koul peut servir de repère pour structurer ce travail de cadrage, sans transformer l'annonce en promesse de résultat. Le sujet n'est pas de donner un bouton à une IA. Il consiste à définir ce qu'elle peut voir, ce qu'elle peut préparer et ce qu'une personne doit encore valider.
Une intégration durable suppose aussi de prévoir la maintenance. Les interfaces changent, les documents évoluent et les règles métier se déplacent. Un flux qui fonctionne aujourd'hui doit rester lisible, surveillé et réversible demain.
GPT-6.1 Terra : une baisse de prix, pas une dispense de méthode
GPT-6.1 Terra ouvre une piste claire pour les tâches visuelles et répétitives. OpenAI annonce des tâches accomplies plus de 3 fois plus vite qu'avec GPT-6 Astra et GPT-6.1 Sol, et des tarifs API 50 % inférieurs à ceux de GPT-5.6 Terra et GPT-6.1 Sol. La disponibilité dans ChatGPT Work, Codex et l'API facilite l'examen d'un premier cas d'usage.
Mais la performance publiée reste celle d'OpenAI, dans des conditions déterminées. Le coût réel dépend du volume, de l'intégration et du contrôle humain. La qualité réelle dépend de vos documents, de vos outils et de vos exceptions.
La question utile n'est donc pas « quel modèle est le meilleur ? ». C'est : quelle tâche répétitive mérite un premier pilote, avec quel niveau de contrôle ?
