OpenAI a expédié GPT-5.5 Instant comme nouveau modèle default ChatGPT mardi après-midi, la veille du jour où Anthropic ouvrait Code with Claude SF. Le tweet de lancement a atteint 8 056 likes en six heures. La partie intéressante n’est pas la copy marketing — c’est que c’est la première release OpenAI qui pose une promesse explicite de réduction d’hallucinations sur la table pour trois verticaux spécifiques : droit, médecine, finance. Sonnet 4.6 d’Anthropic est l’alternative ancrée sur le coût pour ces charges depuis deux trimestres. Donc la question que chaque manager d’ingénierie va recevoir cette semaine est la même : quel modèle, sur quelle surface, pour quelle charge, ce trimestre ?
C’est un face-à-face en cinq dimensions, écrit pour les gens qui font le routing — pas pour ceux qui font le marketing. Pas de framing “duel d’IA”. La matrice de décision en bas est ce que ton canal Slack va finir par utiliser.
Ce qui a vraiment changé mardi
GPT-5.5 Instant est le nouveau modèle default de ChatGPT, qui remplace GPT-5.3 Instant. Le chiffre qui compte : dans les évaluations internes d’OpenAI, GPT-5.5 Instant a produit 52,5 % d’affirmations hallucinées en moins que GPT-5.3 Instant sur des prompts à enjeu élevé couvrant médecine, droit et finance, plus une réduction de 37,3 % des affirmations inexactes sur des conversations que les utilisateurs avaient préalablement signalées pour erreurs factuelles. Les réponses sont aussi environ 30 % plus courtes et 29 % moins de lignes — OpenAI a explicitement tuné pour un output concis plutôt que pour le mur de bullets-et-emojis devenu le default GPT-5.3 Instant. La latence reste sur le même tier ; ce n’est pas un modèle de raisonnement, c’est le tier rapide avec un retrieval plus précis et moins de hedges.
Le modèle est disponible immédiatement pour tous les utilisateurs ChatGPT (Plus et Pro l’obtiennent d’abord sur web, puis mobile, puis Free/Business/Enterprise) et via l’API comme chat-latest. GPT-5.3 Instant reste accessible aux utilisateurs payants encore trois mois en fallback pendant les rebuilds d’évaluations. La fonction memory-and-Gmail qui a atterri en même temps — “memory sources” qui permettent au modèle de citer des chats passés, des fichiers et des messages Gmail par référence — c’est l’histoire policy layer sur laquelle les équipes IT vont passer le reste de la semaine.
Pour ce qui nous intéresse aujourd’hui, on route des charges. Le modèle vit sur un seul tier. Compare-le à Claude Sonnet 4.6 sur les cinq dimensions qui bougent vraiment la décision de routing.
La décision de routing en cinq dimensions
Dimension 1 — Pricing
Claude Sonnet 4.6 est listé à 3 USD par million de tokens d’input et 15 USD par million de tokens d’output. GPT-5.5 standard (le grand frère, accessible via API pour les routes non-Instant) est listé à 5 USD input / 30 USD output. Sonnet 4.6 est 1,9× moins cher par token à volumes équivalents. La fenêtre de contexte de Sonnet 4.6 à 200K est suffisante pour la plupart des charges agentiques ; les 1,1M de GPT-5.5 sont un vrai levier seulement quand tu routes des charges de très longs documents.
Pour une équipe qui tourne deux millions de tokens d’output par jour sur une flotte d’agents, ça fait un delta de 30 USD/jour rien que sur l’output — petit par jour, environ 11 000 USD par an avant croissance du trafic. Le pricing est la variable la plus prédictible dans cette comparaison et celle qui se compose.
GPT-5.5 Instant spécifiquement — le nouveau default — est facturé via chat-latest. C’est l’extrémité la moins chère de la famille GPT-5.5 sur l’API, mais ça reste un tier Instant ; pour les charges lourdes où Sonnet 4.6 a été le cheval de trait, les maths au token favorisent toujours Sonnet en régime stable.
Implication routing : si ta charge est à fort volume et tu n’es pas attaché à une fonctionnalité spécifique, Sonnet 4.6 est le default. Le delta de coût ne s’inverse que quand le tuning d’hallucinations de GPT-5.5 est la raison structurante pour laquelle tu le choisis.
Dimension 2 — Tuning d’hallucinations par vertical
OpenAI a nommé droit, médecine et finance explicitement. Le chiffre de 52,5 % de réduction est de la data d’évaluation interne, pas reproduite par des tiers — mais le ciblage est réel. La lecture pré-publication classe-opérateur du coverage de lancement de GPT-5.5 est : “la réduction d’hallucinations en droit, médecine et finance est précisément la partie que les opérateurs devraient tester.” C’est le bon framing.
Le profil de Sonnet 4.6 est globalement stable à travers les verticaux. L’approche de training d’Anthropic (Constitutional AI, les patterns context-share de Cowork Enterprise) n’a pas été verticalisée de la même façon explicite ; Sonnet 4.6 est plus uniforme mais n’a pas un claim style OpenAI “on a tuné pour ces trois verticaux”.
Implication routing : si ton trafic est dominé par des workflows de legal research à enjeu élevé, healthcare clinical, ou citation finance, GPT-5.5 Instant a l’avantage explicite de tuning out of the gate. Test avant de t’engager : prends les 50 derniers prompts dans ton workflow vertical le plus enclin à l’erreur, fais tourner les deux modèles, score toi-même. Si GPT-5.5 gagne de plus de ~5 points de pourcentage en exactitude factuelle, le routing vaut le delta de prix. Sinon, les maths de prix gagnent.
Pour les verticaux hors de la liste-de-trois nommée par OpenAI (engineering, customer support, docs internes, sales ops), l’argument du tuning d’hallucinations ne s’applique pas et le call retombe sur les dimensions 1 et 5.
Dimension 3 — Benchmarks de coding
GPT-5.5 standard mène sur SWE-bench Verified avec 9,1 points d’avance (88,7 vs Sonnet 4.6 à 79,6). Sur Terminal-Bench 2.0, GPT-5.5 mène aussi. Sonnet 4.6 ne dépasse GPT-5.5 que sur le benchmark Finance Agent — intéressant vu le ciblage hallucinations d’OpenAI sur la finance, suggérant que le tuning a aidé l’exactitude mais pas l’exécution agentique complète sur ces tâches.
Les réactions sur X dans la nuit sont mélangées d’une manière utile pour le routing. @franklinto : “GPT 5.5 est meilleur que Sonnet 4.6 pour debugger.” @giordanorandone : “Codex faisait déjà un meilleur job qu’Opus-4.7 en coding.” Mais @smithstephen a noté Claude Opus 4.7 à 9/10 vs GPT-5.5 à 3-4/10 pour la “présentation soignée”, et a remarqué qu’il préfère GPT-5.5 spécifiquement à l’intérieur de Codex (le harness agentique de coding). @gabriel_horwitz a capturé la complainte de style d’output : les réponses GPT sont “lignes courtes, bullets, emojis… super long mais comme un scroll… moins professionnel” face à la prose en paragraphes de Claude.
Implication routing : pour les workflows de coding agentique où Codex est ton harness et l’input est une issue ou un test failure, GPT-5.5 est le pick le plus fort sur les benchmarks et matche le harness pour lequel OpenAI a optimisé. Pour le codegen qui alimente des outputs reviewables en forme de paragraphe (docs techniques, explications de code review, ADRs d’architecture), la prose de Sonnet 4.6 est le meilleur default. Router par harness, pas par modèle, c’est le framing utile.
Dimension 4 — Fenêtre de contexte et charges documentaires
GPT-5.5 : 1,1M tokens. Sonnet 4.6 : 200K tokens. Fenêtre cinq fois et demie plus grande pour GPT-5.5.
Pour la plupart des charges en production — sessions de chat, boucles d’agents, edits de code avec contexte file-scope — 200K c’est largement suffisant. Le levier 1,1M compte spécifiquement pour : la review de documents en bulk où tu fournis des SEC filings entiers, des paquets de contrats, des transcriptions de déposition, ou des codebases complètes (>200K tokens) dans un seul call ; les transcriptions d’agents long-running multi-tours qui dépassent la fenêtre de Sonnet en plein milieu de session et forcent du chunking.
Les maths de coût s’inversent aussi pour les charges long document : à 1,1M tokens d’input sur GPT-5.5, la facture d’input seule fait 5,50 USD par call. Sonnet à 200K input, c’est 0,60 USD par call. Si tu peux chunker dans Sonnet, tu devrais — l’overhead d’orchestration est presque toujours moins cher que le premium pricing GPT.
Implication routing : default sur Sonnet 4.6. Bascule sur GPT-5.5 spécifiquement quand le chunking est impossible ou casse la sémantique du document — analyse legal long format, planning de refactor full-codebase, synthèses de research bout-en-bout où le context-share importe. Ne paie pas pour de la fenêtre que tu n’utilises pas.
Dimension 5 — Style d’output et fit policy IT
Le split de la communauté X mardi après-midi s’est fait presque entièrement sur des lignes de style d’output, pas sur des lignes de capacité. GPT-5.5 Instant est notablement plus concis maintenant mais garde le formatage bullet-list-et-emoji que certaines équipes apprécient et que d’autres détestent activement. La prose en paragraphes de Sonnet 4.6 lit comme plus “soignée” pour les audiences enterprise (per @smithstephen et une demi-douzaine de posts similaires).
La fonction memory-et-Gmail, c’est l’histoire policy IT. ChatGPT peut maintenant référencer des chats passés, des fichiers et Gmail quand l’utilisateur l’active, et faire surface des “memory sources” qui citent quel contenu passé a informé la réponse. Pour les utilisateurs Plus/Pro sur des appareils d’entreprise, ça ouvre quatre questions IT-admin pour cette semaine :
- Les comptes Gmail personnels sont-ils dans le scope quand les employés activent la fonction sur un appareil d’entreprise ?
- Quelle est notre policy DLP pour les memory writes ?
- Quelle est notre histoire SCIM/identity-provider pour les comptes org-controlled vs personnels ?
- Quelle est la timeline de comm utilisateur avant que le staff l’active ?
Le rollout default-on signifie que la plupart des équipes IT vont avoir besoin d’une décision bloque-par-défaut-ou-autorise-avec-policy d’ici la fin de semaine. L’analogue d’Anthropic, c’est le cross-app context-share de M365 qui a atterri le 30 avril — produit différent, décision policy similaire.
Point spécifique aux équipes françaises et européennes : la question de souveraineté des données n’est pas triviale. En cross-app context-share Microsoft 365, le state de session vit dans ton tenant Microsoft cloud, qui peut être en US, en EU ou multi-régions selon la config. En Claude Enterprise, le compute tourne sur AWS ou GCP, et le routing par défaut diffère par contrat. Si tu travailles avec des données soumises au RGPD strict — santé, secteur public, défense — la question de résidence devient lourde, et la réponse n’est pas la même pour les deux stacks. Le Cigref a publié récemment un cadrage sur l’usage de l’IA générative en grande entreprise française qui mérite d’être ressorti pour ce dossier précis.
Implication routing : les préférences de style d’output sont réelles et stables par audience. Si ton output est lu par des clients enterprise sur un écran, le bias prose-Sonnet est durable. Si ton output est parsé par un autre agent ou par un dev interne, le formatage GPT est ok. Pour la fonction memory, la décision policy est indépendante de la décision routing — tu peux faire tourner GPT-5.5 Instant pour certaines charges et avoir memory désactivé dans ton tenant.
La matrice de routing Q3
Réduis la comparaison. Cinq archétypes de charge, le modèle qui devrait défaulter pour chacun, et la vraie raison.
| Charge | Default | Pourquoi |
|---|---|---|
| Boucles agentiques haut volume (général) | Sonnet 4.6 | Edge pricing 1,9× domine à volume |
| Legal research / healthcare clinical / citation finance | GPT-5.5 Instant | Tuning d’hallucinations verticalisé ; teste sur tes 50 derniers prompts |
| Codegen dans le harness Codex | GPT-5.5 standard | Leadership SWE-bench + alignement harness |
| Codegen pour outputs reviewables en paragraphes | Sonnet 4.6 | Default prose lit comme soigné |
| Review de documents en bulk (>200K tokens, sans chunking) | GPT-5.5 standard | Seule option pratique à cette fenêtre |
Cette matrice devrait survivre au cycle de news du lancement. Les deux lanes stables — Sonnet 4.6 pour le coût haut volume et l’output prose, GPT-5.5 pour le vertical-tuned high-stakes et le long-context — sont durables. Le routing code dépend de dans quel harness tu es déjà.
Ce que la comparaison ne peut pas te dire
Quelques limites honnêtes, parce que c’est le post sur lequel tu vas recevoir le plus de pushback.
Les chiffres de réduction d’hallucinations d’OpenAI sont en évaluation interne. 52,5 %, ça sonne dramatique ; tu devrais le reproduire sur tes propres prompts avant de miser une décision de routing dessus. La bonne reproduction, c’est tes 50 derniers prompts dans le workflow le plus à enjeu élevé, scorés par un expert du domaine (pas par un modèle). Ça fait une demi-journée de boulot, et c’est la seule data qui résout la question de routing pour ton stack.
Sonnet 4.8 est attendu. Anthropic ne l’a pas livré à Code with Claude SF mercredi matin, mais les références fuitées sur npm et les timelines Code with Claude London (19 mai) plus Tokyo (10 juin) rendent une release Sonnet 4.8 plausible dans les six prochaines semaines. Si ta décision de routing aujourd’hui est borderline du côté prix, hot-pin Sonnet 4.6 et refais tourner l’éval le jour où Sonnet 4.8 atterrit. On a couvert la forme du lancement SF dans notre recap same-day Code with Claude.
Le split de style d’output est durable mais pas stable. OpenAI itère activement sur ton et formatage — le tuning de mardi vers “moins yappy” est en soi une réponse au feedback communautaire sur GPT-5.3. Ne fais pas un call de routing sur 12 mois sur un style d’output d’une semaine. La cadence correcte, c’est une re-éval trimestrielle du fit de style face à tes destinations d’output réelles.
La fonction memory-et-Gmail est on par défaut pour la plupart des utilisateurs ; c’est une histoire policy, pas routing. Traite-la comme une décision DLP et identité org-wide, séparée de ta décision de routing modèle. Ne confonds pas les deux.
Les maths de pricing GPT-5.5 standard se dégradent vite pour les charges fort trafic. Le delta 1,9× sur les tokens se compose : une équipe à 100M tokens par mois qui bascule sa flotte d’agents complète de Sonnet 4.6 à GPT-5.5 standard ajoute environ 1 500 USD par mois rien que sur l’output avant la croissance du trafic. La simplification “standardisons sur un seul vendor” est réelle mais pas gratuite — modélise ton trafic réel avant de consolider.
Au final
Le lancement de mardi est réel, le ciblage hallucinations est sensiblement différent de tout ce qu’OpenAI a livré avant, et pour les trois verticaux nommés (droit, médecine, finance) GPT-5.5 Instant est maintenant une alternative testée-contre Sonnet 4.6. Pour tout le reste — boucles d’agents haut volume, output prose, codegen hors Codex, review de documents — l’edge pricing de Sonnet 4.6 tient.
Le vrai move ce trimestre n’est pas une consolidation de vendor. C’est une décision de routing charge-par-charge : garde Sonnet 4.6 comme cheval de trait par défaut, réserve GPT-5.5 Instant pour le travail vertical-tuned high-stakes, et réserve GPT-5.5 standard pour le travail review de documents en bulk long-context où la fenêtre de Sonnet ne tient pas l’input. Deux lanes, un stack consciemment hybride.
Si tu es ingénieur et que tu dois vraiment évaluer ça sur tes propres prompts — la seule data qui résout le call routing — nos cours Claude Code Maîtrise et ChatGPT vs Claude couvrent les patterns d’évaluation, les rubriques de scoring pour l’exactitude verticale, et les maths de coût aux shapes de trafic typiques. C’est le playbook sur lequel le reste de ce post repose.
Sources
- Introducing GPT-5.5 Instant — OpenAI
- OpenAI releases GPT-5.5 Instant — TechCrunch
- GPT-5.5 Instant rolls out to ChatGPT — Axios
- GPT-5.5 Instant smarter and concise — SiliconANGLE
- GPT-5.5 vs Claude Sonnet 4.6 model comparison — Artificial Analysis
- Claude Sonnet 4.6 vs GPT-5.5 detailed comparison — LLM Stats
- Claude Sonnet 4.6 vs GPT-5: 2026 Developer Benchmark — Sitepoint
- GPT-5.5 Instant nixes gratuitous emojis — 9to5Mac
- GPT-5.5 Instant launches as ChatGPT default — Testing Catalog
