Le 5 mars 2026, OpenAI a annoncé « Introducing GPT‑5.4 », le présentant comme une avancée majeure pour les personnes qui utilisent l’IA pour faire du vrai travail : rédaction, analyse, codage et tâches pilotées par des outils couvrant plusieurs applications et fichiers. La sortie est déployée sur ChatGPT, l’API et Codex, et OpenAI la décrit comme le premier « modèle de raisonnement mainline » qui intègre également les capacités de codage GPT‑5.3‑Codex.
Au-delà des revendications de capacité, OpenAI et des couvertures tierces pointent un thème pratique : moins d’erreurs, de meilleurs livrables sur le long terme et des performances renforcées dans les benchmarks d’utilisation informatique et de travail intellectuel. En d’autres termes, GPT‑5.4 est présenté moins comme une nouveauté que comme une amélioration d’efficacité pour les flux de travail professionnels.
1) Ce qu’OpenAI a réellement lancé le 5 mars 2026
L’annonce de lancement d’OpenAI rend GPT‑5.4 notable par la façon dont il consolide des forces souvent réparties entre des variantes « raisonnement » et « codage ». OpenAI l’appelle le premier modèle de raisonnement mainline qui intègre les capacités de codage GPT‑5.3‑Codex, visant à réduire le compromis entre réflexion approfondie et génération de code de haute qualité.
La disponibilité est large : OpenAI indique que le déploiement couvre ChatGPT, l’API et Codex. Cela importe parce que les équipes prototypent souvent dans ChatGPT, puis passent en production via l’API, et s’appuient enfin sur des flux de travail de type Codex pour du codage à l’échelle des dépôts ; GPT‑5.4 est conçu pour donner une expérience cohérente sur ces surfaces.
Les matériaux de l’OpenAI Academy clarifient également la gamme. Aux côtés de GPT‑5.3 Instant (présenté comme rapide, pour l’usage quotidien), GPT‑5.4 « Thinking » cible les flux de travail professionnels difficiles et est disponible dans ChatGPT, l’API et Codex ; GPT‑5.4 Pro est positionné comme l’option la plus performante pour les utilisateurs Pro & Enterprise ainsi que pour l’API et Codex.
2) Améliorations de la factualité : moins d’affirmations fausses, moins de réponses contenant des erreurs
OpenAI avance des chiffres concrets d’amélioration de la factualité par rapport à GPT‑5.2, en utilisant un jeu de données de requêtes dé‑identifiées où des utilisateurs ont signalé des erreurs factuelles. Dans cette évaluation, OpenAI rapporte que les affirmations individuelles sont 33 % moins susceptibles d’être fausses avec GPT‑5.4.
L’entreprise rapporte également une métrique au niveau de la réponse : les réponses complètes sont 18 % moins susceptibles de contenir des erreurs comparées à GPT‑5.2. Cette distinction, niveau-affirmation vs niveau‑réponse, suggère que GPT‑5.4 améliore à la fois la justesse « micro » des énoncés et la fiabilité « macro » d’une réponse de bout en bout.
Pour un usage professionnel, ces chiffres sont significatifs parce que de nombreux flux de travail échouent non pas à cause d’un seul fait halluciné mais parce qu’une mauvaise hypothèse contamine une feuille de calcul, un projet de politique ou un plan technique. La présentation d’OpenAI implique que GPT‑5.4 vise à réduire ces échecs en cascade plutôt qu’à améliorer uniquement le style ou la fluidité.
3) Performance en travail intellectuel : GDPval et des livrables qui ressemblent à de vrais travaux
OpenAI met en avant une évaluation du travail intellectuel appelée GDPval, couvrant 44 professions et tâches telles que présentations commerciales, feuilles de calcul, plannings, diagrammes et courtes vidéos. Sur ce benchmark, GPT‑5.4 « gagne ou fait match nul » dans 83,0 % des comparaisons, contre 70,9 % pour GPT‑5.2.
Ce qui est notable, c’est l’étendue des livrables : pas seulement des réponses textuelles, mais des artefacts multi‑formats que les gens soumettent réellement à des collègues ou clients. Cela correspond au positionnement produit d’OpenAI pour GPT‑5.4 en tant que modèle de pointe optimisé pour le travail professionnel sur documents, feuilles de calcul et présentations.
Des voix externes font écho à l’angle des « livrables ». Dans les matériaux de lancement, le CEO de Mercor, Brendan Foody, est cité disant : « GPT‑5.4 is the best model we’ve ever tried… It excels at creating long-horizon deliverables such as slide decks, financial models, and legal analysis… » TechCrunch reprend également cette déclaration, ajoutant qu’il est décrit comme plus rapide et moins coûteux que certains modèles frontier concurrents.
4) Feuilles de calcul et présentations : gains mesurables sur les artefacts business
OpenAI rapporte une augmentation substantielle sur un benchmark interne de modélisation de feuilles de calcul conçu autour de tâches de type analyste junior en banque d’investissement. Le score moyen est indiqué à 87,3 % pour GPT‑5.4 contre 68,4 % pour GPT‑5.2, suggérant moins d’erreurs de formule, des hypothèses plus cohérentes, ou une meilleure précision de modélisation de bout en bout.
La qualité des présentations est également évaluée directement. OpenAI indique que les évaluateurs humains ont préféré les présentations GPT‑5.4 68,0 % du temps par rapport à GPT‑5.2, sur la base de critères incluant l’esthétique, la variété et l’utilisation de la génération d’images.
Pris ensemble, ces métriques pointent vers un champ de bataille compétitif spécifique : pas seulement « écrire un paragraphe », mais « produire un artefact que quelqu’un enverra réellement ». Si votre flux de travail inclut la transformation de notes désordonnées en diapositives ou la traduction de logique métier en feuille de calcul, OpenAI signale GPT‑5.4 comme une ébauche initiale plus fiable et, de plus en plus, comme une ébauche quasi‑finale.
5) Agents et utilisation d’ordinateurs : OSWorld, WebArena, et au‑delà
Un des appels de benchmark les plus frappants est OSWorld‑Verified, une évaluation d’utilisation d’ordinateur. OpenAI rapporte GPT‑5.4 à un taux de réussite de 75,0 % contre 47,3 % pour GPT‑5.2, et note que cela dépasse la performance humaine rapportée à 72,4 % (citée dans l’article OSWorld).
Pour l’utilisation du navigateur, WebArena‑Verified montre une progression plus faible : 67,3 % pour GPT‑5.4 contre 65,4 % pour GPT‑5.2. OpenAI rapporte également un taux de réussite « Online‑Mind2Web screenshot‑only » de 92,8 %, contrastant avec « ChatGPT Atlas’s Agent Mode » à 70,9 %, mettant en avant des progrès dans les tâches de navigation ancrées sur des captures d’écran.
Ces résultats s’inscrivent dans le positionnement plus large d’OpenAI de GPT‑5.4 comme un modèle pour des « workflows agentiques », capable de planifier et d’exécuter à travers des outils et environnements logiciels plutôt que de se contenter de répondre à des questions. En pratique, cela pourrait signifier des actions multi‑étapes plus fiables : trouver une information, mettre à jour un document, remplir un formulaire ou exécuter un processus reproductible avec des appels d’outils et des interactions UI.
6) Benchmarks de codage et d’outillage : gains constants, plus un meilleur browsing et outillage
Sur SWE‑Bench Pro (Public), OpenAI rapporte GPT‑5.4 à 57,7 %, comparé à 55,6 % pour GPT‑5.2. C’est une amélioration modeste, mais elle s’aligne sur le message de lancement selon lequel GPT‑5.4 fusionne le raisonnement mainline avec des capacités de codage de niveau Codex plutôt que de poursuivre un seul indicateur de codage au détriment de tout le reste.
Les évaluations lourdes en outils et en retrieval montrent des écarts plus importants. BrowseComp est rapporté à 82,7 % pour GPT‑5.4 contre 65,8 % pour GPT‑5.2, indiquant de meilleures performances dans les tâches où le browsing, la sélection de sources et l’intégration des informations trouvées sont importants.
OpenAI rapporte aussi Toolathlon à 54,6 % pour GPT‑5.4 contre 46,3 % pour GPT‑5.2. Interprété concrètement, cela suggère une meilleure orchestration : choisir le bon outil, l’appeler correctement et incorporer les sorties de manière cohérente, exigences fondamentales pour des workflows « agentiques » professionnels.
7) Détails de l’API : fenêtre de contexte, modalités, endpoints et identifiants de modèle
Selon la documentation de l’API OpenAI (instantané daté du 5 mars 2026), GPT‑5.4 prend en charge une fenêtre de contexte de 1 050 000 tokens avec une sortie maximale de 128 000 tokens. La même documentation indique un cutoff de connaissance au 31 août 2025, ce qui est important pour les équipes qui ont besoin d’être conscientes des événements post‑cutoff (souvent adressés via des outils de browsing ou de retrieval plutôt que par le pré‑entraînement seul).
En termes de modalités, GPT‑5.4 accepte du texte et des images en entrée et produit du texte en sortie. La disponibilité couvre plusieurs surfaces d’API : Responses, Chat Completions, Realtime, Assistants et Batch, avec un support d’outils listant des capacités telles que recherche web, recherche de fichiers, code interpreter, computer use, MCP, et plus.
Pour l’intégration, OpenAI liste à la fois un alias et un instantané figé : `gpt-5.4` et `gpt-5.4-2026-03-05`. Cela donne aux développeurs le choix classique entre un comportement « latest » via l’alias et la reproductibilité via l’instantané daté.
8) Tarification et considérations opérationnelles : ce que coûte l’exécution de GPT‑5.4
La tarification d’OpenAI (tel que crawlé le 5 mars 2026) liste les tarifs API standard pour GPT‑5.4 à 2,50 $ par 1M de tokens d’entrée, 0,25 $ par 1M de tokens d’entrée mis en cache, et 15,00 $ par 1M de tokens de sortie. Pour de nombreux workloads de production, le coût de sortie domine, donc contrôler la verbosité et utiliser des sorties structurées peut avoir un impact budgétaire significatif.
La documentation du modèle d’OpenAI note également des tarifications pour le batch et pour les entrées mises en cache, encourageant des schémas comme la réutilisation de prompts système stables, des échafaudages de retrieval ou des textes de politique partagés. Cela compte quand on opère à grande échelle et qu’on souhaite des courbes de coûts prévisibles sur des tâches répétées.
Il existe des nuances tarifaires supplémentaires pour les contextes très larges : les prompts contenant plus de 272K tokens d’entrée pour des modèles à contexte 1,05M sont facturés 2× l’entrée et 1,5× la sortie pour la session complète, et le traitement régional entraîne une majoration de +10 %. En pratique, les équipes utilisant des sessions quasi‑méga‑contexte (pour de grandes bases de code ou des archives de projets sur plusieurs trimestres) voudront des garde‑fous, du chunking, du retrieval et du caching pour éviter des factures surprises.
GPT‑5.4 arrive comme une version de consolidation : un modèle qu’OpenAI dit combiner un raisonnement mainline avec un codage de niveau Codex et qui est conçu pour un travail agentique à travers les outils. L’annonce est étayée par des affirmations de taux d’erreur factuelle plus faibles (33 % d’affirmations individuelles fausses en moins et 18 % de réponses contenant des erreurs en moins par rapport à GPT‑5.2) et par des améliorations de benchmarks ciblant les livrables professionnels, feuilles de calcul, présentations et tâches de travail intellectuel.
Parallèlement, l’histoire pratique pour les utilisateurs et les constructeurs porte sur la mise à l’échelle des workflows : une fenêtre de contexte de 1 050 000 tokens, des entrées texte+image, une large couverture d’endpoints et une économie de production plus claire via les options de caching et de batch. Si la promesse de GPT‑5.4 se confirme en déploiements réels, il ne se contentera pas de mieux répondre, il complétera davantage du travail que vous auriez autrement à faire à travers documents, navigateurs et interfaces logicielles.
