OpenAI o3 et GPT-5 : ce que ces modèles ont changé pour les entreprises

Article publié en février 2026 et corrigé le 5 octobre 2026. Il présente des modèles qui ne sont plus les plus récents d’OpenAI ; pour l’actualité récente, voir nos actualités IA d’octobre 2026.

OpenAI o3 et GPT-5 ont marqué une étape : des modèles de raisonnement conçus pour les problèmes en plusieurs étapes, capables d’appeler des fonctions et de lire des images. Pour une entreprise, la question utile en octobre 2026 n’est plus de savoir s’il faut les adopter, mais de vérifier si un projet existant en dépend encore et comment le faire évoluer.

Cette archive s’appuie sur la documentation actuelle de l’API OpenAI et distingue ce qu’elle indique de l’analyse de KADRI AI. Elle ne cite aucun score de benchmark ni aucun résultat observé chez nos clients.

Que faut-il retenir en octobre 2026 ?

La documentation de l’API présente o3 comme un modèle de raisonnement pour les tâches complexes auquel GPT-5 a succédé. Source : fiche du modèle o3. GPT-5 y figure à son tour comme un modèle précédent, et OpenAI recommande d’utiliser GPT-6 Astra. Source : fiche du modèle GPT-5. Le catalogue propose GPT-6 Astra comme point de départ, GPT-6.1 Sol pour équilibrer capacité et coût, et GPT-6 Luna pour les gros volumes sensibles au coût. Source : catalogue des modèles OpenAI.

Si votre application appelle encore ces modèles par l’API, consultez la page des retraits. OpenAI y annonce l’arrêt de o3-mini le 23 octobre 2026, puis celui des versions figées o3-2025-04-16 et gpt-5-2025-08-07 le 11 décembre 2026, avec un modèle de remplacement recommandé pour chacune. Source : retraits de modèles OpenAI.

o3 : un modèle de raisonnement pour les tâches en plusieurs étapes

Selon sa fiche technique, o3 est destiné à réfléchir à des problèmes en plusieurs étapes qui demandent d’analyser du texte, du code et des images. Il accepte le texte et l’image en entrée, produit du texte, dispose d’une fenêtre de contexte de 200 000 jetons et prend en charge l’appel de fonctions et les sorties structurées. Source : fiche du modèle o3.

o3-mini, sa petite déclinaison, ne traite que du texte. Source : fiche du modèle o3-mini. Une variante o3-pro a aussi existé : sa version o3-pro-2025-06-10 figure parmi les modèles qui seront retirés le 11 décembre 2026. Source : retraits de modèles OpenAI.

GPT-5 : un effort de raisonnement réglable

Dans l’API, la fiche de GPT-5 le décrit comme un modèle pour le code, le raisonnement et les tâches agentiques. Elle indique une fenêtre de contexte de 400 000 jetons, des entrées texte et image, une sortie texte et un effort de raisonnement réglable : minimal, low, medium ou high. Source : fiche du modèle GPT-5.

Notre lecture : pour un intégrateur, ce réglage compte autant que le nom du modèle. Choisissez-le par type de demande, en mesurant sur vos propres essais la qualité obtenue, le temps de réponse et la consommation de jetons.

Comment lire les scores publiés par l’éditeur ?

Un benchmark mesure un modèle sur un jeu de tâches fixé par ses auteurs, dans des conditions choisies par l’éditeur. Ces chiffres servent à suivre l’évolution d’une famille de modèles, pas à prévoir le résultat sur vos dossiers.

La version précédente de cet article attribuait des scores d’o3 à des tests différents et les comparait au mauvais modèle. Nous les avons retirés, et nous ne reprenons pas ici les scores annoncés pour GPT-5 : nous n’avons pas pu consulter la page de l’éditeur qui les publie au moment de cette correction.

Pour comparer deux modèles, construisez un jeu d’essai à partir de vos propres cas, anonymisés ou fictifs : demandes simples, incomplètes, ambiguës et hors périmètre. Écrivez le résultat attendu avant de lancer le test.

Quels usages restent pertinents ?

Les modèles de raisonnement sont adaptés aux tâches en plusieurs étapes : analyser un document long, comparer des options, préparer du code ou un diagnostic. Dans notre méthode, ils préparent un travail qu’une personne compétente vérifie ; ils ne valident ni un contrat, ni un chiffrage, ni une décision engageante.

Prenons une entreprise fictive qui reçoit des demandes techniques par email. Un modèle peut résumer le problème, proposer des pistes à partir de la documentation interne et rédiger un brouillon. Le technicien choisit la réponse et l’envoie. Notre guide des agents IA détaille ce découpage entre préparation et action.

Intégrer un modèle OpenAI : les points à vérifier

• Données envoyées à l’API. Depuis le 1er mars 2023, OpenAI indique ne pas utiliser les données envoyées à son API pour entraîner ses modèles, sauf accord explicite. Par défaut, des journaux de surveillance des abus sont conservés jusqu’à 30 jours, sauf si la loi ou la protection des services impose une durée plus longue ; certaines fonctions conservent aussi un état applicatif jusqu’à sa suppression. Source : documentation OpenAI sur vos données.
• Localisation. La même page décrit des contrôles de résidence des données, réservés aux clients éligibles et soumis à conditions ; ils ne couvrent pas les données système du compte.
• Version figée. Appeler une version datée du modèle stabilise son comportement. Sauf impératif de sécurité ou de conformité, OpenAI annonce un préavis d’au moins six mois avant le retrait d’un modèle généralement disponible. Source : retraits de modèles OpenAI.
• Coût. La facturation dépend des jetons consommés et, pour certains outils, du nombre d’appels. Estimez-la sur vos propres volumes à partir de la grille tarifaire officielle, sans budget mensuel générique.

Comment comparer avec Claude, Gemini ou un modèle ouvert ?

Nous ne publions pas de classement général : il vieillit en quelques semaines et ne dit rien de vos documents. Comparez les fournisseurs sur le même jeu d’essai, avec les mêmes critères : exactitude, respect du format, temps de correction, coût complet, conditions de traitement des données et facilité de remplacement.

Pour les annonces récentes, lisez notre analyse du DevDay 2026 d’OpenAI et notre grille d’évaluation de Claude Sonnet 5.5. Pour un projet concret, l’audit KADRI AI ou nos solutions IA permettent de cadrer le choix sur vos données.

Questions fréquentes

Faut-il encore utiliser o3 en octobre 2026 ?

Pour un nouveau projet, non : OpenAI présente o3 comme un modèle auquel GPT-5 a succédé, recommande aujourd’hui GPT-6 Astra et annonce l’arrêt de la version o3-2025-04-16 dans l’API le 11 décembre 2026. Un projet existant doit planifier sa migration et rejouer ses tests.

Les scores de benchmark suffisent-ils pour choisir un modèle ?

Non. Ils sont mesurés par l’éditeur sur des tâches choisies par d’autres. Seul un essai sur vos propres cas, avec des critères écrits à l’avance, indique si un modèle convient à votre usage.

Les données envoyées à l’API OpenAI servent-elles à l’entraînement ?

Selon la documentation d’OpenAI, non par défaut depuis le 1er mars 2023, sauf si vous choisissez de partager vos données. Des journaux de surveillance des abus sont conservés par défaut jusqu’à 30 jours, sauf obligation de conservation plus longue.