Bien utiliser GPT‑5.6 avec son forfait ChatGPT Pro

Avec l’arrivée de GPT-5.6 dans Codex, choisir un modèle ne consiste plus simplement à prendre « le plus puissant ». Il faut désormais combiner deux réglages : le modèle (Luna, Terra ou Sol) et son niveau d’effort, de Light à Max, voire Ultra.

Sur le papier, disposer d’autant de choix est une bonne nouvelle. Dans la pratique, cela soulève rapidement une question : vaut-il mieux utiliser Terra en xhigh ou Sol en medium ? Et si l’on possède un forfait ChatGPT Pro, comment profiter de Codex sans consommer inutilement son quota ?

La règle essentielle est la suivante :

Le modèle détermine la qualité du raisonnement disponible. Le niveau d’effort détermine combien de temps ce modèle va consacrer au problème.

Augmenter l’effort ne transforme donc pas Luna en Terra, ni Terra en Sol. Pour choisir efficacement, il faut d’abord évaluer la nature de la tâche, puis lui attribuer l’effort nécessaire.

Luna, Terra et Sol : trois rôles différents

OpenAI présente Sol comme le modèle destiné aux travaux complexes et ouverts, Terra comme le modèle polyvalent du quotidien et Luna comme le modèle rapide et économique pour les tâches claires et répétitives.

Une manière simple de les retenir consiste à leur attribuer un rôle :

• Luna exécute : il applique une consigne précise, transforme, extrait ou répète une opération connue.
• Terra développe : il constitue le meilleur compromis pour produire, corriger et faire évoluer une application.
• Sol décide : il comprend les problèmes ambigus, arbitre entre plusieurs approches et apporte davantage de jugement.

GPT-5.6 Luna : le modèle économique

Luna est adapté aux tâches dont le résultat attendu est facile à décrire et à vérifier. C’est le modèle à privilégier lorsque la quantité de travail compte davantage que la subtilité du raisonnement.

Il convient notamment pour :

• traduire des chaînes i18n ;
• transformer des données en JSON ou CSV ;
• renommer des variables ;
• ajouter un champ dans un formulaire existant ;
• générer des fixtures ou des données de test ;
• reproduire un composant à partir d’un modèle déjà présent ;
• effectuer une migration mécanique sur plusieurs fichiers ;
• produire des résumés structurés ou extraire des informations.

Pour un développeur Vue ou Nuxt, Luna peut par exemple ajouter les traductions d’une interface, adapter une série de composants similaires ou compléter des tests simples en suivant les conventions du projet.

En revanche, augmenter Luna jusqu’à xhigh ou max n’est pas toujours une bonne économie. Si la tâche nécessite de comprendre une architecture, d’identifier une intention implicite ou de choisir entre plusieurs solutions, Terra en medium sera généralement plus pertinent.

GPT-5.6 Terra : le modèle du quotidien

Terra est probablement le meilleur choix par défaut dans Codex. Il possède suffisamment de capacité de raisonnement pour la majorité des travaux de développement, tout en coûtant sensiblement moins cher que Sol.

Il est particulièrement adapté pour :

• développer une fonctionnalité Nuxt ;
• créer ou modifier un store Pinia ;
• connecter une page à Firestore ;
• refactoriser un composant Vue ;
• écrire des tests ;
• corriger un bug impliquant plusieurs fichiers ;
• effectuer une revue de code ;
• optimiser les performances ;
• préparer une migration technique ;
• rédiger une documentation de projet.

Terra en medium peut couvrir une grande partie du travail quotidien. Le niveau high devient utile pour les fonctionnalités transversales, les problèmes d’authentification, les régressions difficiles ou les migrations importantes. xhigh est plutôt destiné aux bugs de production complexes, aux refactorisations étendues et aux analyses nécessitant plusieurs hypothèses.

GPT-5.6 Sol : le modèle de jugement

Sol est le modèle le plus puissant de la famille GPT-5.6. Son intérêt ne réside pas seulement dans sa capacité à « réfléchir plus longtemps », mais dans sa meilleure compréhension des problèmes incomplets, ambigus ou difficiles à cadrer.

Sol devient intéressant pour :

• concevoir l’architecture d’une nouvelle application ;
• comprendre rapidement un projet inconnu ;
• choisir entre plusieurs approches techniques ;
• résoudre un problème dont la cause reste incertaine ;
• préparer une migration à fort risque ;
• effectuer une analyse de sécurité approfondie ;
• prendre une décision produit importante ;
• produire un document qui demande beaucoup de précision et de finition.

Sol en medium suffit déjà pour de nombreuses tâches complexes. Les niveaux high et xhigh devraient être réservés aux situations dans lesquelles une erreur serait difficile à détecter, coûteuse ou particulièrement problématique.

À quoi correspondent les niveaux d’effort ?

Le niveau d’effort indique au modèle la quantité de raisonnement qu’il peut consacrer à la tâche. Plus il augmente, plus la réponse peut demander du temps et consommer de tokens.

Effort	Usage conseillé	Exemple
light ou low	Action locale et parfaitement définie	Corriger une fonction ou renommer une propriété
medium	Travail quotidien nécessitant un peu de planification	Ajouter une fonctionnalité standard avec ses tests
high	Problème difficile en plusieurs étapes	Diagnostiquer un bug impliquant plusieurs modules
xhigh	Analyse approfondie avec hypothèses et compromis	Préparer une migration complexe ou une refonte importante
max	Problème exceptionnellement difficile	Étudier une incohérence critique ayant résisté aux essais précédents
ultra	Grande tâche pouvant être divisée entre plusieurs agents	Auditer séparément l’architecture, le frontend, la sécurité et les tests

Dans ChatGPT Work et l’application de bureau, le premier niveau peut apparaître sous le nom Light. Dans le CLI, il est généralement appelé Low.

Le mode max donne davantage de temps au modèle sélectionné pour résoudre une seule tâche. Le mode ultra fonctionne différemment : il utilise des sous-agents pour traiter plusieurs parties du travail en parallèle. Ultra n’est donc intéressant que si la tâche peut réellement être décomposée.

Demander à plusieurs agents de corriger un petit composant Vue apporte peu de valeur. En revanche, un audit complet peut être réparti entre l’architecture Nuxt, les stores Pinia, les règles Firestore, les performances et les tests.

Terra xhigh ou Sol medium : comment choisir ?

C’est probablement l’hésitation la plus fréquente. Les deux réglages peuvent produire un travail approfondi, mais ils ne répondent pas au même besoin.

Choisissez Terra xhigh lorsque :

• le problème est clairement défini ;
• le résultat attendu est connu ;
• la difficulté vient du nombre d’étapes ou de vérifications ;
• il faut analyser beaucoup de fichiers ;
• le résultat peut être validé avec des tests ou une checklist.

Choisissez Sol medium lorsque :

• le problème reste ambigu ;
• il faut comprendre ce que l’on devrait réellement construire ;
• plusieurs architectures sont possibles ;
• la qualité du jugement compte plus que l’exhaustivité ;
• une mauvaise décision initiale entraînerait beaucoup de travail inutile.

En résumé :

Terra xhigh réfléchit longtemps avec un modèle équilibré. Sol medium réfléchit normalement avec un modèle plus intelligent.

Pour un bug Firebase précisément reproduit, Terra high ou xhigh est un bon choix. Pour concevoir la stratégie de synchronisation entre une application, un VPS et un objet connecté, Sol medium sera probablement plus pertinent.

Si le bon réglage n’est pas évident, Terra high constitue un excellent point de départ. S’il manque des vérifications, passez à xhigh. Si le modèle semble surtout mal comprendre le fond du problème, passez à Sol medium.

Combien consomment Luna, Terra et Sol ?

Avec ChatGPT Work et Codex, la consommation dépend du modèle, de la taille du contexte, du raisonnement, des outils utilisés, des fichiers transmis et de la longueur de la réponse. Deux messages apparemment similaires peuvent donc consommer des quantités très différentes.

La grille de crédits publiée par OpenAI permet néanmoins de comparer les trois modèles :

Modèle	Entrée pour 1 million de tokens	Entrée en cache	Sortie pour 1 million de tokens
GPT-5.6 Sol	125 crédits	12,5 crédits	750 crédits
GPT-5.6 Terra	50 crédits	5 crédits	300 crédits
GPT-5.6 Luna	5 crédits	0,5 crédit	30 crédits

À quantité de tokens identique :

• Sol consomme 2,5 fois plus de crédits que Terra ;
• Terra consomme 10 fois plus de crédits que Luna ;
• Sol consomme 25 fois plus de crédits que Luna ;
• les tokens de sortie coûtent six fois plus que les tokens d’entrée.

Ces écarts concernent la grille de crédits de ChatGPT, et non les tarifs directs de l’API OpenAI.

Le niveau d’effort modifie ensuite le nombre réel de tokens utilisés. OpenAI ne publie pas de multiplicateur fixe indiquant, par exemple, que high consommerait exactement deux fois plus que medium. Un problème simple peut ne pas exploiter toute la capacité autorisée, tandis qu’une tâche difficile peut générer beaucoup de raisonnement.

Cela permet néanmoins d’établir un seuil utile : Terra peut utiliser environ 2,5 fois plus de tokens que Sol avant d’atteindre un coût équivalent en crédits. Terra xhigh n’est donc pas automatiquement plus économique que Sol medium, même si Terra possède un tarif inférieur par token.

Quelles limites avec un forfait ChatGPT Pro ?

OpenAI propose actuellement deux niveaux de forfait Pro : Pro 5× à 100 dollars par mois et Pro 20× à 200 dollars par mois. Les estimations publiées pour les messages locaux sur une fenêtre de cinq heures sont volontairement très larges :

Forfait	Sol	Terra	Luna
Pro 5×	50 à 500 messages	125 à 1 000	1 250 à 10 000
Pro 20×	200 à 2 000 messages	500 à 4 000	5 000 à 40 000

Ces chiffres ne représentent pas un nombre garanti de requêtes. Une correction de quelques lignes et une analyse complète de dépôt sont toutes les deux comptées comme un message, mais leur consommation réelle n’a rien de comparable. Des limites hebdomadaires supplémentaires peuvent également s’appliquer.

Une stratégie simple pour préserver son forfait Pro

Plutôt que de changer constamment de réglage, il est possible d’adopter quatre profils mentaux :

Profil	Réglage conseillé	Type de travail
Économique	Luna medium	Traductions, données, tâches répétitives et modifications mécaniques
Quotidien	Terra medium	Développement classique, composants, stores, API et tests
Difficile	Terra high	Bugs complexes, fonctionnalités multi-fichiers et migrations
Expert	Sol medium	Architecture, ambiguïté et décisions importantes

L’escalade peut ensuite suivre ce chemin :

1. Commencer avec Luna medium pour une tâche claire et répétitive.
2. Passer à Terra medium si elle demande du jugement.
3. Utiliser Terra high ou xhigh si elle nécessite davantage d’analyse et de vérification.
4. Choisir Sol medium ou high si le problème est surtout difficile à comprendre ou à cadrer.
5. Réserver max et ultra aux travaux réellement exceptionnels.

Quelques habitudes permettent également de réduire sensiblement la consommation :

• démarrer une nouvelle conversation lorsque l’ancien contexte n’est plus utile ;
• ne transmettre que les fichiers concernés ;
• donner des critères de réussite précis ;
• demander une réponse concise lorsque les explications détaillées ne sont pas nécessaires ;
• laisser Codex modifier les fichiers, puis demander un résumé plutôt qu’une reproduction complète du code dans la conversation ;
• désactiver les connecteurs et serveurs MCP inutiles pour la tâche ;
• éviter max et ultra par simple précaution ;
• consulter régulièrement le tableau de bord d’utilisation ou la commande /status dans le CLI.

Le meilleur modèle n’est pas toujours le plus puissant

Utiliser efficacement GPT-5.6 dans Codex ne consiste pas à sélectionner Sol max pour chaque demande. Le bon réglage est celui qui fournit le niveau de compréhension et de vérification nécessaire, sans mobiliser inutilement un modèle plus coûteux.

Pour la majorité des développeurs, Terra medium constitue le meilleur point de départ. Luna permet d’absorber à très faible coût les tâches répétitives. Sol doit intervenir lorsque l’ambiguïté, la complexité ou l’importance de la décision justifient sa capacité supérieure.

La formule la plus simple reste donc :

Luna exécute, Terra développe, Sol décide.

Et pour chaque modèle, mieux vaut commencer avec l’effort le plus bas capable de produire un résultat satisfaisant, puis augmenter uniquement lorsqu’un manque précis apparaît.

---

Sources

• OpenAI Docs — Choisir entre GPT-5.6 Sol, Terra et Luna
• OpenAI Docs — Tarification, crédits et limites de ChatGPT Work et Codex

Informations et tarifs vérifiés le 17 août 2026. Les modèles, quotas et tarifs peuvent évoluer.