Un modèle finit par entrer dans les habitudes : une consigne produit le bon format, un dossier se traite selon une méthode connue, une veille revient chaque semaine. Son retrait oblige à vérifier cette organisation. La documentation d’OpenAI fixe l’échéance au 14 octobre 2026, pour toutes les offres concernées, y compris celles destinées aux particuliers, aux entreprises et à l’enseignement.
Un usage professionnel associe un modèle, des instructions, des documents et des outils. Changer l’une de ces pièces demande de contrôler le résultat, même lorsque le fournisseur présente la génération suivante comme plus performante.
Quels services sont concernés ?
Le retrait s’applique à ChatGPT, Work et Codex. OpenAI exclut explicitement son API de cette annonce. La documentation destinée aux administrateurs distingue aussi l’accès à Codex avec un compte ChatGPT de l’accès avec une clé API.
Votre usage | Conséquence de l’échéance du 14 octobre |
GPT-5.5 dans ChatGPT | Retrait du modèle, quelle que soit l’offre concernée. |
GPT-5.5 dans ChatGPT Work | Retrait du modèle ; vérifier les usages qui le sélectionnent. |
Codex avec connexion ChatGPT | Remplacer les références à GPT-5.5. |
API OpenAI, y compris Codex authentifié par clé API | Cette annonce de retrait ne s’applique pas à cet accès. |
Dans une entreprise, commencez donc par identifier l’outil réellement utilisé et son mode de connexion. Deux collègues travaillant avec Codex ne dépendent pas nécessairement du même accès. Le nom de l’application, à lui seul, ne renseigne pas sur le périmètre à modifier.
Quel modèle choisir pour remplacer GPT-5.5 ?
Pour Codex avec connexion ChatGPT, OpenAI recommande désormais GPT‑6 Sol sur les offres Plus, Pro, Business, Enterprise et Edu, lorsqu’il est disponible. Pour les offres Free et Go, la recommandation porte sur GPT‑6 Luna dans l’application de bureau, sous réserve de disponibilité. Dans les espaces administrés, les droits d’accès restent à vérifier.
La documentation recommande également GPT‑6.1 Sol pour les travaux complexes de programmation et les tâches confiées à des agents, lorsque le compte y donne accès. GPT‑6 Luna vise les opérations ciblées et répétitives, notamment l’extraction, le classement et les synthèses structurées. Les modèles GPT‑5.6 restent disponibles pendant le déploiement, mais ne constituent plus la recommandation principale de migration.
Vérifiez également le niveau d’effort, qui règle l’intensité du raisonnement. Les réglages ne se transposent pas exactement d’une génération à l’autre. Reprendre mécaniquement le niveau le plus élevé risque d’allonger le traitement et d’accroître la consommation sans bénéfice utile. Commencez avec le réglage proposé par défaut, puis ajustez sur une tâche connue.
Changer le menu ne suffit pas toujours
Un modèle enregistré dans une tâche, un agent ou une commande mérite une vérification propre. OpenAI demande notamment de revoir les choix par défaut, les réglages sauvegardés, les configurations administrées et les références explicites dans les scripts. Un changement de préférence ne garantit pas non plus l’accès au modèle retenu : les droits des utilisateurs restent à contrôler.
Pour les équipes techniques, la documentation de configuration de Codex explique pourquoi cette vérification compte : plusieurs niveaux de réglages coexistent. Une commande de lancement ou une configuration propre au projet peut prendre le dessus sur le choix général de l’utilisateur. Modifier un seul fichier ne couvre donc pas nécessairement tous les cas.
Pour un usage individuel, passez en revue vos conversations habituelles, vos tâches récurrentes et vos assistants configurés. Notez le modèle utilisé lorsqu’il apparaît, le résultat attendu et les sources nécessaires.
Examiner les tâches programmées en priorité
Une tâche récurrente concentre une difficulté : elle travaille parfois sans que vous regardiez ses réglages. OpenAI demande expressément de revoir celles qui utilisent GPT-5.5 et de choisir un remplaçant disponible avant le 14 octobre. La rubrique Scheduled, sur le Web ou dans l’application de bureau, rassemble les tâches et leurs exécutions récentes.
Prenons une veille hebdomadaire qui produit cinq sujets avec leurs sources. Après le changement de modèle, contrôlez le nombre de sujets, la période couverte, la qualité des liens et l’absence de répétitions. Vérifiez aussi les documents et outils connectés dont la tâche a besoin. Un résultat livré à l’heure reste insuffisant si les références ont disparu ou si la sélection traite la mauvaise période.
Notre recommandation : testez la consigne dans une conversation ordinaire, puis examinez la première exécution programmée. Vous distinguerez un problème de qualité d’un problème de lancement ou d’accès aux sources.
Faut-il réécrire toutes ses consignes ?
Commencez par conserver les instructions qui expriment vos exigences : sources admises, longueur, ton, format, informations à vérifier et limites d’action. Comparez ensuite les résultats avant de modifier ces consignes. Changer simultanément le modèle, le prompt et les documents rendrait l’origine d’un écart difficile à identifier.
Dans une note publiée le 11 septembre sur les consignes destinées à Astra, OpenAI recommande de réexaminer les instructions accumulées au fil des générations. Certaines deviennent redondantes, contradictoires ou trop contraignantes. Le texte concerne Astra ; il ne constitue pas une règle de migration automatique vers tous les autres modèles.
La méthode reste utile : distinguer une exigence métier d’une astuce ajoutée pour corriger une faiblesse ancienne. « Citer chaque document utilisé », exprime un besoin durable. Une longue succession d’étapes imposée autrefois mérite, elle, d’être réévaluée. Alléger une consigne n’autorise pas à supprimer les contrôles qui protègent la qualité du travail.
Trois essais avant de modifier ses habitudes
Choisissez trois travaux représentatifs : une synthèse documentaire, une extraction dans un tableau et une production que vous corrigez régulièrement, comme un article ou une présentation. Conservez les mêmes sources, la même demande et un résultat antérieur comme point de comparaison. Celui-ci sert de référence de travail, sans être présumé exact.
Évaluez chaque sortie selon quatre critères : fidélité aux sources, respect du format, temps de correction et consommation observée. Dans Work et Codex, les limites dépendent notamment du modèle, du contexte et des outils mobilisés ; les deux services partagent leur enveloppe d’usage. La documentation tarifaire invite à consulter les limites effectives du compte plutôt qu’à compter seulement les messages.
Un petit essai ne prouve pas la supériorité générale d’un modèle. Il répond à une question plus utile : ce remplacement convient-il à votre travail, avec un effort de vérification acceptable ? Notez les écarts et les réglages retenus pour éviter de recommencer l’évaluation à chaque dossier.
Le coût discret du changement de modèle
Les annonces de nouvelles générations valorisent leurs capacités. Le retrait des anciennes impose, lui, du temps de vérification aux utilisateurs : retrouver les réglages, refaire quelques essais, expliquer les changements aux collègues. Ce travail mérite une place dans l’organisation, même lorsqu’aucune hausse d’abonnement ne l’accompagne.
D’ici au 14 octobre, identifiez les usages qui dépendent encore de GPT-5.5, leur remplaçant et les critères de validation. Une entreprise qui délègue une part de sa production à l’IA doit aussi désigner la personne chargée de cette continuité. Le calendrier appartient au fournisseur ; la qualité du travail livré reste à la charge de l’utilisateur.
Antoine GARCIA
