OpenAI lance GPT-5.4 mini et nano : une qualité proche du modèle phare à moindre prix

Le 17 mars 2026, OpenAI a présenté GPT-5.4 mini et GPT-5.4 nano, deux versions compactes de la famille GPT-5.4 pour les tâches où comptent la vitesse, le prix et la possibilité de déployer le modèle à grande échelle. La principale surprise : sur plusieurs tests clés, mini se rapproche du GPT-5.4 complet bien plus qu'on ne l'attend généralement d'un modèle « allégé ».

Presque un modèle phare

GPT-5.4 mini n'est pas présenté comme un compromis au rabais, mais comme un modèle de travail pour de vrais produits. Selon OpenAI, il obtient 54,4 % sur SWE-Bench Pro contre 57,7 % pour le GPT-5.4 complet, et 72,1 % sur OSWorld-Verified contre 75,0 %. L'écart existe, mais il ne ressemble plus à un gouffre. Par ailleurs, mini tourne plus de deux fois plus vite que GPT-5 mini, la génération précédente, ce qui, pour les usages côté utilisateur, compte souvent davantage que quelques points de plus sur un benchmark.

Le plus petit, GPT-5.4 nano, pousse encore plus loin l'efficacité. OpenAI le décrit comme la version la plus petite et la moins chère de GPT-5.4 et le recommande pour la classification, l'extraction de données, le classement et les sous-agents de code simples. Ce n'est pas un modèle pour tout faire, mais plutôt une brique pour des systèmes plus vastes, où un agent puissant planifie le travail et un ensemble de petits modèles rapides s'occupe de la routine. Cette approche sort de plus en plus des laboratoires pour gagner les services appliqués.

À quoi cela peut servir

L'intérêt de cette sortie ne tient pas seulement aux nouveaux noms, mais à un déplacement d'accent : de plus en plus de produits d'IA butent non sur la qualité maximale des réponses, mais sur l'équilibre entre qualité, latence et coût de chaque requête. Si un modèle répond vite, utilise correctement les outils et ne plante pas sur les tâches multimodales, il apporte souvent plus de valeur à une entreprise qu'un modèle phare lourd, qui réfléchit plus longtemps et coûte plus cher. Pour les services qui traitent beaucoup de requêtes, cela se traduit immédiatement en économie du produit et en rétention des utilisateurs.

• Assistants IA pour le code, avec modifications rapides et débogage
• Sous-agents qui fouillent en parallèle les bases de code et les documents
• Systèmes de computer use qui lisent des captures d'écran et des interfaces
• Applications multimodales qui traitent texte et images en temps réel
• Tâches de fond en masse, comme la classification et l'extraction de champs

OpenAI met en avant en particulier les scénarios mêlant plusieurs modèles de classes différentes. Dans ce schéma, le grand modèle assure la planification, la coordination et la vérification finale, tandis que mini ou nano exécutent en parallèle des sous-tâches ciblées. Pour les développeurs, cela signifie une orchestration moins chère, sans perte totale de qualité. Pour l'utilisateur final, des produits plus réactifs, où l'IA cesse de paraître lente et lourde. Et cela compte plus que n'importe quel bond ponctuel sur un benchmark aride.

Prix et disponibilité

GPT-5.4 mini couvre un champ d'usage assez large. Le modèle est disponible dans l'API, Codex et ChatGPT, et prend en charge les entrées texte et image, le tool use, le function calling, le web search, le file search, le computer use et les skills. La fenêtre de contexte est de 400 000 tokens. Le tarif est de 0,75 $ par million de tokens en entrée et de 4,50 $ par million de tokens en sortie. Dans Codex, mini ne consomme que 30 % du quota de GPT-5.4 ; il peut donc servir à des tâches auxiliaires moins coûteuses et à des sous-agents parallèles.

GPT-5.4 nano n'est disponible que via l'API et coûte encore moins : 0,20 $ par million de tokens en entrée et 1,25 $ par million de tokens en sortie. Dans ChatGPT, mini est déjà accessible aux utilisateurs Free et Go via le mode Thinking, et pour les autres, il peut servir de fallback à GPT-5.4 Thinking. En pratique, cela scinde la gamme très nettement : mini devient le modèle de travail grand public pour les produits du quotidien, et nano un moteur utilitaire pour des opérations de backend simples, fréquentes et peu coûteuses.

Ce que cela signifie

Le lancement de GPT-5.4 mini et nano montre que la course aux modèles entre dans une nouvelle phase : les gagnants ne seront pas seulement les plus puissants, mais aussi ceux qui offrent un résultat proche du modèle phare à bas prix et avec peu de latence. Pour le marché, c'est le signe que la prochaine vague de produits d'IA ne s'articulera pas autour d'un seul modèle « le plus intelligent », mais autour d'assemblages de grands et de petits modèles. Ce sont ces assemblages, et non des supermodèles isolés, qui définiront le prochain cycle de l'IA appliquée.