GPT-6.1 Terra : quand l’IA peut aussi agir sur votre ordinateur

Vérification des passages repris : 13 novembre 2026. Publication initiale conservée.

OpenAI présente GPT-6.1 Terra comme un modèle conçu pour comprendre ce qui apparaît à l’écran et agir dans des logiciels. L’annonce met en avant des tâches du quotidien professionnel : préparer une proposition, interpréter un dessin technique, remplir un formulaire ou modifier une vidéo. Pour les équipes, l’enjeu est donc plus large que la génération d’un texte : le modèle peut aider à faire avancer une tâche dans l’outil où elle se déroule.

Ce que change l’usage de l’ordinateur

Un assistant conversationnel classique répond principalement à une consigne. Un modèle orienté « computer use » peut aussi observer une interface, repérer un bouton ou un champ, saisir des informations et poursuivre plusieurs étapes. Concrètement, une personne peut lui confier une tâche structurée, vérifier le résultat, puis corriger les exceptions. Cela ne signifie pas que le modèle comprend parfaitement chaque logiciel ni qu’il peut agir sans surveillance : son efficacité dépend de l’interface, des accès et de la clarté des consignes.

Dans son annonce de GPT-6.1 Terra, OpenAI décrit l’accès via ChatGPT Work, Codex et l’API. La comparaison de prix de l’annonce porte sur le tarif API standard annoncé, présenté comme inférieur de 50 % à celui de GPT-5.6 Terra et GPT-6.1 Sol. Elle ne compare pas le prix des abonnements. La fiche API du modèle, vérifiée le 13 novembre 2026 affiche 1 dollar par million de tokens d’entrée, 0,05 dollar en entrée mise en cache et 5 dollars en sortie. Ces tarifs standard ne comprennent pas les éventuels frais d’outils ni les ajustements liés au contexte, au mode de traitement ou à la région. Le coût complet du workflow reste à mesurer.

Trois situations professionnelles à examiner

Traiter des demandes répétitives

Une équipe support reçoit des demandes par formulaire et doit les recopier dans un outil de suivi. Un pilote pourrait demander au modèle de lire les champs, de proposer une catégorie, puis de préparer une fiche. La personne responsable vérifie les informations et confirme l’enregistrement. Le gain potentiel se mesure sur le temps de saisie et la qualité du classement, pas seulement sur le nombre d’actions automatisées.

Préparer un document à partir de plusieurs éléments

Une équipe commerciale peut vouloir transformer des notes de rendez-vous, une grille tarifaire et un modèle interne en première version de proposition. Le modèle peut repérer les informations utiles et remplir une trame, tandis qu’un commercial vérifie les prix, les engagements et le ton. La séparation des rôles est importante : l’IA prépare, la personne qui connaît le client valide ce qui engage l’entreprise.

Transférer des informations entre écran et logiciel

Dans une fonction administrative, il peut s’agir de lire une facture, d’extraire quelques champs et de préparer leur saisie dans un logiciel comptable. Ce cas mérite une prudence particulière : une erreur de montant, de fournisseur ou de date peut avoir des conséquences réelles. Il faut donc garder une étape de contrôle et définir clairement ce que le modèle peut enregistrer seul, ce qui doit être confirmé et ce qui reste réservé à une personne.

Un exemple administratif à tester

Exemple illustratif Unexia, non testé : l’entrée est une facture fictive et une fiche fournisseur de test. L’agent relève le fournisseur, la date, le montant et la référence, puis prépare un formulaire comptable sans l’enregistrer. Le contrôleur compare chaque valeur au document, examine les champs manquants et confirme la bonne fiche fournisseur. Le résultat attendu est un brouillon de saisie correct, avec toute incertitude signalée, sans paiement ni engagement effectué. Le pilote mesure les erreurs et le temps de contrôle sur plusieurs factures, y compris une facture incomplète.

Comment organiser un premier test utile

Le guide Automatisation IA aide à délimiter les entrées, les actions autorisées et les validations de ce pilote.

Commencez par une tâche fréquente, limitée et facile à vérifier. Évitez de démarrer par un processus qui touche immédiatement à des paiements, à des décisions RH ou à des données sensibles. Un essai simple peut suivre ces étapes :

1. Décrire le résultat attendu. Par exemple : « préparer un brouillon de ticket à partir du message reçu », plutôt que « gérer le support ».
2. Choisir des cas représentatifs. Incluez des demandes habituelles, des formulations inhabituelles et quelques cas incomplets.
3. Fixer un périmètre d’accès. Utilisez un environnement de test ou un compte à permissions limitées. Ne donnez au modèle que les accès nécessaires.
4. Comparer avec la méthode actuelle. Mesurez le temps total, les erreurs, les corrections et les interruptions demandées à l’équipe.
5. Décider des validations obligatoires. Certaines actions peuvent être préparées automatiquement; les opérations à impact élevé doivent rester soumises à une confirmation humaine.

Cette démarche évite de conclure trop vite à partir d’une démonstration réussie. Elle révèle aussi les cas où l’automatisation ne fait que déplacer le travail : par exemple, si chaque résultat demande une longue relecture ou si l’interface change souvent.

Les limites à garder en tête

Un modèle qui voit un écran peut mal interpréter une information, cliquer au mauvais endroit ou ne pas reconnaître un changement d’interface. Il peut aussi suivre une consigne mal formulée de manière trop littérale. Les tests annoncés par OpenAI portent sur des jeux d’évaluation définis par l’entreprise; ils ne remplacent pas une vérification sur les logiciels, les données et les règles de votre équipe.

Il faut également vérifier les conditions de traitement des données, les journaux d’activité, la possibilité d’annuler une action et la personne qui reste responsable du résultat. Pour un usage métier, le bon indicateur n’est pas « l’IA a-t-elle réussi une fois ? », mais « dans quels cas réussit-elle régulièrement, à quel coût et avec quel niveau de contrôle ? »

Questions fréquentes

GPT-6.1 Terra remplace-t-il un logiciel métier ?

Non. Il peut aider à interagir avec certains logiciels et à réaliser des étapes, mais il ne remplace ni les règles du logiciel, ni les accès, ni le jugement des équipes. L’intégration et les fonctions disponibles dépendent du produit utilisé.

Peut-on lui confier une tâche sans validation ?

Il vaut mieux commencer avec une validation humaine, en particulier lorsqu’une action modifie un dossier, envoie un message, engage une dépense ou affecte un client. Le niveau d’autonomie peut ensuite être ajusté selon les résultats du pilote et le risque associé.

Comment savoir si le modèle apporte un vrai gain ?

Comparez un échantillon de tâches avant et après le test. Comptez le temps économisé, les erreurs, les corrections, le coût complet et les cas où la personne doit reprendre la main. Un gain réel doit rester visible une fois la vérification humaine incluse.

À retenir

GPT-6.1 Terra ouvre la voie à des assistants capables de travailler avec des interfaces, et pas seulement de produire des réponses. Les cas les plus prometteurs sont répétitifs, bien délimités et vérifiables. Un pilote restreint permet de déterminer où le modèle aide réellement, où il faut renforcer les contrôles et quelles tâches ne doivent pas être automatisées.

Source : annonce officielle d’OpenAI sur GPT-6.1 Terra.

‍