Français
Les utilisateurs gratuits de ChatGPT disposent d’une nouvelle façon d’essayer un modèle de raisonnement plus récent. Le lancement de GPT-5.4 mini par OpenAI le 17 mars le rend accessible via l’option Thinking, tandis qu’une feuille de route de recherche distincte vise un assistant d’IA beaucoup plus ambitieux. D’un côté, une sortie de produit ; de l’autre, un objectif. Cette distinction porte ici beaucoup de poids.
Voici GPT-5.4 mini et nano
OpenAI a lancé GPT-5.4 mini et nano le 17 mars, deux modèles plus petits destinés à travailler plus vite et à moindre coût. Mini est disponible dans ChatGPT, Codex et l’API. Nano est réservé à l’API ; ce n’est pas un deuxième nouveau modèle sélectionnable dans ChatGPT gratuit.
L’annonce de lancement donne aux utilisateurs Free et Go accès à mini via Thinking dans le menu +. OpenAI indique que mini fonctionne plus de deux fois plus vite que GPT-5 mini et le surpasse dans plusieurs évaluations. Ce sont les résultats du développeur, pas une garantie de vitesse ou de réussite identiques pour chaque requête.
Voici trois exemples tirés du tableau de lancement d’OpenAI. Les modèles GPT-5.4 utilisent le niveau de raisonnement xhigh, tandis que GPT-5 mini utilise son niveau maximal disponible, high :
- SWE-Bench Pro (programmation) : GPT-5.4 mini obtient 54,4 %, contre 57,7 % pour GPT-5.4 complet et 45,7 % pour l’ancien GPT-5 mini. C’est une progression significative.
- OSWorld-Verified (utilisation d’un ordinateur) : 72,1 % pour mini contre 75,0 % pour le modèle complet. Autant dire à deux pas.
- GPQA Diamond (raisonnement scientifique difficile) : 88,0 % contre 93,0 %. Cela reste très solide.
Nano est la plus petite option pour des tâches comme la classification, l’extraction et le soutien au travail des agents. Les tarifs de son API au lancement sont de 0,20 dollar par million de tokens d’entrée et de 1,25 dollar par million de tokens de sortie. Assez petit pour une plaisanterie sur les timbres-poste, peut-être, mais l’entrée et la sortie ont toujours des tarifs distincts.
Pourquoi cela compte vraiment
OpenAI a été assez explicite sur la destination de ces modèles : des processus sensibles à la vitesse, où l’on ne peut pas attendre qu’un gros modèle réfléchisse. Des assistants de programmation qui doivent réagir vite. Des applications multimodales qui interprètent des captures d’écran en temps réel. Des systèmes de sous-agents où un grand modèle planifie et de plus petits exécutent.
Ce dernier cas mérite qu’on s’y attarde. Un modèle plus grand peut coordonner un travail pendant que de plus petits prennent en charge des tâches plus ciblées en parallèle. C’est moins « une IA qui fait tout » qu’« une équipe d’IA aux fiches de poste différentes ». C’est une façon de construire un système d’agents, pas une nouvelle garantie que chaque conversation ChatGPT fait automatiquement travailler une équipe en coulisses.
Au lancement, mini consomme 30 % du quota de GPT-5.4 dans Codex. Les tarifs standard de son API sont de 0,75 dollar par million de tokens d’entrée et de 4,50 dollars par million de tokens de sortie, avec une fenêtre de contexte de 400k. Cette spécification de contexte concerne l’API ; elle ne doit pas être comprise comme la promesse d’une capacité identique dans l’interface gratuite de ChatGPT.
L’intérêt pour la programmation est l’itération rapide : trouver le code pertinent, effectuer une modification ciblée, la tester et recommencer. Cela rejoint l’intérêt plus général pour la création de logiciels avec une assistance en langage naturel. Cela ne rend pas la vitesse mesurée dans une évaluation équivalente à un délai de réponse garanti de l’autocomplétion. Pour une autre approche de cette méthode de travail, consultez notre analyse du modèle de programmation maison de Cursor (en anglais).
Mais attendez, il y a une histoire plus vaste
Le lancement de mini et nano est l’actualité au présent. L’actualité au futur est sans doute plus intéressante.
Dans son article du 20 mars consacré à un entretien avec le directeur scientifique Jakub Pachocki, MIT Technology Review rapporte l’ambition d’OpenAI : un stagiaire de recherche en IA d’ici septembre 2026, capable de traiter un ensemble limité de problèmes de recherche avec davantage d’indépendance. C’est un jalon de recherche, pas une fonctionnalité annoncée pour septembre sur tous les comptes ChatGPT.
L’objectif à plus long terme décrit dans cet article est un système de recherche automatisé multi-agents plus complet en 2028. L’ambition dépasse la rédaction d’une synthèse bibliographique et vise un travail soutenu sur des problèmes de recherche difficiles. « Prévu » est le mot essentiel : cela ne prouve pas que le système complet existe déjà ni que le jugement humain deviendra inutile.
C’est une ambition importante. Qu’elle vous paraisse visionnaire ou follement optimiste dépend peut-être de la dernière réponse d’IA que vous avez dû corriger. Les progrès en programmation et dans l’utilisation des outils rendent cette orientation intéressante ; ils ne prouvent pas que chaque version est meilleure en tout ni que le calendrier de recherche sera respecté.
Ce que les utilisateurs gratuits devraient faire maintenant
Si vous utilisez l’offre gratuite, l’option Thinking mérite d’être explorée sur une tâche dont vous pouvez vérifier la réponse. Les améliorations annoncées concernent particulièrement le travail technique, mais un meilleur score ne remplace pas la vérification d’un calcul ou l’exécution du code généré. Même un stagiaire brillant bénéficie d’un encadrement.
Pour les développeurs, mini offre un candidat supplémentaire pour des tâches fréquentes et ciblées. La fenêtre de contexte de 400k de l’API peut accueillir une entrée substantielle, mais faire tenir un document n’équivaut pas à en exploiter chaque partie de manière fiable. Les requêtes plus longues coûtent aussi plus cher. Testez un exemple réaliste avant de décider que le découpage, la recherche d’informations ou un modèle plus grand ne sont plus nécessaires.
Deux formes différentes de progrès
L’actualité immédiate est l’accès élargi à un modèle de raisonnement plus petit. L’histoire à plus long terme est l’ambition d’OpenAI de rendre les systèmes de recherche plus indépendants. Des modèles d’appui plus rapides pourraient constituer des briques utiles, mais le lancement de mini ne prouve pas que son architecture permettra de respecter le calendrier de recherche.
Depuis ce point de vue de mars, le respect de l’objectif de septembre reste une question ouverte. En attendant, il y a quelque chose de concret à essayer, sans attendre l’arrivée d’un chercheur numérique portant un badge visiteur.
Traduction française de l’article original en anglais du 2026-03-20. Traduction réalisée avec l’aide de l’IA le 2026-11-02 ; les références temporelles restent celles de l’original.
