GPT-4o, o1, o3-mini... quel modèle d'OpenAI pour quel usage ?
C'est très certainement l'entreprise qui innove le plus dans l'intelligence artificielle. Avec trois à quatre nouveaux modèles par an, OpenAI est aujourd'hui à la pointe en matière de modèle. Avec GPT-3.5 et GPT-4, l'entreprise se focalisait sur le texte. Avec GPT-4o, de nouvelles modalités autour de l'image, du son et même de la vidéo sont arrivées. Enfin plus récemment avec la nouvelle gamme "o", c'est aujourd'hui le raisonnement qui focalise une grande partie du temps de développement des équipes en interne. Une grande variété de modèles appropriés pour des cas d'usage vraiment différents.
Trois grandes familles de modèles
OpenAI en 2025, c'est trois grandes familles de modèles (bien qu'ils soient souvent entraînés à partir de modèles et datasets communs) : les modèles généralistes avec la série GPT-4o, les modèles de raisonnement avec "o", et enfin les modèles d'assistant vocaux avec realtime.
| Modèle | Tâches complexes | Modalité (input) | Tokens (input) | Tokens (output) | Rapide | Raisonnement |
|---|---|---|---|---|---|---|
| gpt-4o | X | Texte, image, audio, vidéo | 128000 | 16384 | Non | |
| gpt-4o-mini | Texte, image | 128000 | 16384 | X | Non | |
| o1 | X | Texte, image | 200000 | 100000 | Moyen | |
| o1-mini | X | Texte, image | 128000 | 65536 | X | Faible |
| o3-mini | X | Texte, image | 200000 | 100 00 | X | Avancé |
| gpt-4o-realtime-preview | Texte, audio | 128000 | 4096 | Non | ||
| gpt-4o-mini-realtime-preview | Texte, audio | 128000 | 4096 | X | Non | |
| gpt-4o-audio-preview | audio | 128000 | 16384 | Non | ||
| gpt-4o-mini-audio-preview | audio | 128000 | 16384 | X | Non | |
Les modèles généralistes (comme GPT-4o) excellent dans les tâches courantes de traitement de texte et les applications multimodales simples. Ils sont particulièrement efficaces pour l'OCR, l'analyse d'images accompagnées de texte, la génération de descriptions détaillées ou encore la synthèse d'informations.
En 2025, les modèles de raisonnement représentent la dernière frontière en date de l'IA. Ces modèles sont spécifiquement conçus pour les agents. Ils excellent dans la réflexion approfondie et la prise de décision. O3-mini se démarque particulièrement dans cette catégorie, offrant les meilleures performances en matière de raisonnement. Sa capacité à analyser une situation, comprendre le contexte et déterminer les actions appropriées en fait un choix privilégié pour développer son agent d'IA.
La gamme realtime permet d'intégrer des fonctionnalités vocales avancées dans des applications ou de créer des assistants vocaux automatisés. Parfait par exemple pour le service client. La différence principale entre Audio et Realtime réside dans leur mode d'utilisation : Audio fonctionne de manière asynchrone via une API REST classique, tandis que realtime permet des interactions en temps réel via WebRTC ou WebSocket, idéal pour des conversations fluides et naturelles.
Enfin, les versions "mini" représentent une avancée significative en termes d'optimisation. Ces IA, généralement entraînées par distillation à partir de leurs grands frères, offrent des performances légèrement inférieures mais avec une vitesse d'inférence nettement supérieure. L'autre avantage majeur de ces versions compactes réside dans leur coût d'utilisation, considérablement réduit grâce à leur taille plus modeste.
Un pricing du tout au tout
| Modèle | Prix de 1M tokens en input ($) | Prix de 1M tokens en input (avec cache, $) | Prix de 1M tokens en output ($) |
|---|---|---|---|
| gpt-4o | 2,5 | 1,25 | 10 |
| gpt-4o-mini | 0,15 | 0,075 | 0,6 |
| o1 | 15 | 7,5 | 60 |
| o1-mini | 1,1 | 0,55 | 4,4 |
| o3-mini | 1,1 | 0,55 | 4,4 |
| gpt-4o-realtime-preview | 40 | 2,5 | 80 |
| gpt-4o-mini-realtime-preview | 10 | 0,3 | 20 |
| gpt-4o-audio-preview | 2,5 | NP | 10 |
| gpt-4o-mini-audio-preview | 0,15 | NP | 0,6 |
OpenAI facture ses modèles en dollars pour une utilisation de 1 million de tokens. La start-up propose depuis peu une fonctionnalité de prompt caching permettant de réduire les coûts jusqu'à 50%. Activée par défaut sur la majorité des modèles, la technique permet de stocker et réutiliser les parties répétitives des prompts pendant 5 à 10 minutes. Il est d'ailleurs possible de maximiser son efficacité (lire ici).
Pour les assistants généralistes, gpt-4o-mini (0,15$/1M tokens) est à privilégier face à gpt-4o (2,5$/1M tokens). Les performances sont légèrement inférieures mais le coût est divisé par 17. Dans le cas des agents autonomes, o3-mini (1,1$/1M tokens) offre le meilleur compromis coût/performance. Il est à privilégier face à o1 (15$/1M tokens).
Enfin pour les assistants vocaux, OpenAI propose deux approches distinctes avec des coûts très différents : gpt-4o-mini-realtime-preview à 10$/1M tokens pour les interactions temps réel via WebSocket/WebRTC, idéal pour les conversations fluides de service client nécessitant une réponse immédiate, ou gpt-4o-mini-audio-preview à 0,15$/1M tokens pour le traitement asynchrone via API REST, plus adapté aux cas d'usage comme la transcription de messages vocaux ou la génération de réponses audio différées.
Ce comparatif reste évidemment provisoire, Sam Altman ayant annoncé l'arrivée prochaine de GPT-4.5 et GPT-5. Deux IA qui devraient inclure des fonctionnalités actuellement disponibles au travers de plusieurs modèles différents (raisonnement, multimodalité…).