OpenAI o3 et o4-mini : deux modèles de raisonnement, entre puissance et coût

OpenAI franchit une nouvelle étape dans sa stratégie de modèles dits « de raisonnement ». Avec o3 et o4-mini, l’entreprise ne promet pas simplement des réponses plus fluides ou des textes mieux rédigés. Elle met en avant des systèmes capables de consacrer davantage de calcul à un problème avant de produire leur réponse, notamment lorsqu’il faut manipuler des équations, interpréter un graphique, écrire du code ou combiner plusieurs informations.

Les deux modèles n’occupent toutefois pas la même place. o3 est présenté comme l’option la plus ambitieuse, destinée aux tâches exigeantes. o4-mini vise un équilibre différent : de bonnes performances sur le raisonnement, mais avec une exécution plus rapide et un prix nettement inférieur. Cette distinction est centrale pour les développeurs et les entreprises qui doivent arbitrer entre précision, latence et budget.

Que sont o3 et o4-mini ?

o3 et o4-mini appartiennent à une famille de modèles conçus pour résoudre des tâches complexes étape par étape avant de formuler une réponse. Dans la pratique, cette approche cherche à améliorer la fiabilité sur les problèmes qui ne se prêtent pas à une simple prédiction de texte : démonstrations mathématiques, débogage d’un programme, lecture d’un diagramme scientifique ou suivi d’instructions comportant plusieurs contraintes.

Cette phase de raisonnement ne signifie pas qu’un résultat est automatiquement exact. Comme tous les modèles génératifs, o3 et o4-mini peuvent se tromper, mal interpréter une consigne ou produire une réponse convaincante mais erronée. Leur intérêt réside dans leur capacité annoncée à mobiliser plus systématiquement des démarches de résolution pour les tâches difficiles.

OpenAI les présente comme des outils opérationnels, capables d’utiliser des ressources telles que la recherche sur le web et l’analyse Python. Le principe est important : au lieu de répondre seulement à partir de ses connaissances et du contexte fourni dans une conversation, le modèle peut, lorsque l’environnement le permet, chercher une information, effectuer un calcul ou analyser des données avec un outil adapté.

Des performances mises en avant en sciences, code et images

Pour situer les capacités de ses modèles, OpenAI s’appuie sur des benchmarks, c’est-à-dire des séries de tests standardisés. Ces résultats sont utiles pour comparer des systèmes dans un cadre défini, mais ils ne suffisent pas à décrire toutes les situations réelles. Un très bon score en mathématiques ne garantit pas, par exemple, qu’un outil comprendra parfaitement les règles internes d’une entreprise ou toutes les subtilités d’un projet logiciel.

Selon les chiffres communiqués par OpenAI, o3 obtient 82,9 % sur Codeforces en multimodalité. Codeforces est une plateforme connue pour ses problèmes de programmation compétitive. Le terme multimodal indique ici que le système peut traiter plusieurs formes d’information, notamment du texte et des éléments visuels, plutôt que de se limiter à une consigne textuelle.

Le modèle affiche également 86,8 % sur MathVista, un test destiné à évaluer le raisonnement mathématique à partir de contenus visuels tels que des graphiques, des schémas ou des figures. Cette aptitude intéresse des usages où une réponse dépend autant de l’image que du texte qui l’accompagne : analyse d’un graphique de résultats, lecture d’un problème de géométrie ou interprétation d’un tableau.

De son côté, o4-mini atteint 93,4 % sur AIME 2024, une épreuve américaine de mathématiques utilisée comme référence pour tester la résolution de problèmes. Ce résultat illustre la nuance essentielle entre les deux produits : plus petit et moins cher ne veut pas dire inefficace. Sur certains tests ciblés, o4-mini peut se montrer particulièrement compétitif.

Les benchmarks doivent donc être lus pour ce qu’ils sont : des indicateurs comparables dans un protocole donné. Ils éclairent les forces relatives d’un modèle, mais pas nécessairement sa capacité à remplir sans supervision toutes les missions d’un développeur, d’un ingénieur ou d’un chercheur.

o3 ou o4-mini : lequel choisir ?

Le choix dépendra d’abord de la difficulté de la tâche. o3 est conçu pour les cas qui demandent une analyse approfondie, en particulier lorsque plusieurs étapes de raisonnement, des données visuelles ou des contraintes techniques doivent être combinées. Son coût plus élevé le destine davantage aux demandes à forte valeur, pour lesquelles une meilleure capacité d’analyse peut justifier une facture supérieure.

Avec o4-mini, OpenAI propose une solution adaptée aux usages intensifs ou aux applications qui doivent répondre vite. Son prix d’entrée est environ neuf fois inférieur à celui d’o3, et son prix de sortie l’est lui aussi. Pour un assistant de programmation, un outil éducatif ou un service traitant de nombreuses requêtes, l’écart peut peser lourd dans le coût final.

Cette opposition ne doit pas être comprise comme un classement absolu. Une tâche bien cadrée, avec un contexte propre et des instructions précises, peut être très bien traitée par le modèle plus léger. À l’inverse, les dossiers ambigus, les longues consignes et les problèmes nécessitant une analyse multimodale poussée peuvent justifier le recours à o3.

Pourquoi le prix des tokens change la donne

Les tarifs annoncés par OpenAI sont exprimés en millions de tokens. o3 coûte 10 dollars par million de tokens en entrée et 40 dollars par million de tokens en sortie. Pour o4-mini, le prix est de 1,10 dollar en entrée et 4,40 dollars en sortie.

La distinction entre entrée et sortie mérite d’être comprise. Les tokens en entrée correspondent à ce qui est envoyé au modèle : question de l’utilisateur, documents, extraits de code ou instructions. Les tokens en sortie correspondent au contenu généré : explication, programme, synthèse ou correction proposée. Dans un service qui fournit des réponses longues, le prix de sortie peut donc devenir déterminant.

Pour les particuliers, ces montants restent abstraits tant qu’ils utilisent une interface conversationnelle. Pour les éditeurs de logiciels, ils permettent au contraire de calculer le coût d’une fonctionnalité intégrée à un produit. Une application qui analyse plusieurs milliers de documents ou qui génère régulièrement du code doit évaluer non seulement la qualité du modèle, mais aussi le volume de texte envoyé et produit.

Codex CLI, un agent de code à utiliser depuis le terminal

Le lancement d’o3 et d’o4-mini s’accompagne de celui de Codex CLI, un agent de programmation open source. Cet outil s’utilise depuis la ligne de commande, l’interface textuelle employée par de nombreux développeurs pour travailler directement sur leur ordinateur et leurs projets.

Codex CLI peut lire, modifier et exécuter du code sur différentes machines. Son fonctionnement par défaut s’appuie sur o4-mini via l’API. L’objectif est de permettre au modèle d’intervenir dans un environnement de développement réel, plutôt que de se limiter à suggérer un fragment de code isolé dans une fenêtre de discussion.

L’outil est pensé pour interagir avec les éléments nécessaires à une tâche sans exiger de transmettre l’intégralité d’un dépôt de code au modèle. C’est un point significatif pour la sécurité comme pour l’efficacité : les projets logiciels peuvent contenir des fichiers volumineux, des secrets techniques ou des données qu’il serait imprudent d’envoyer sans discernement à un service externe.

Le fait que Codex CLI soit open source permet aussi à la communauté technique d’examiner son fonctionnement, de l’installer et de l’adapter à ses propres méthodes de travail, notamment sur macOS et Linux. Cette ouverture ne dispense pas les utilisateurs de prudence. Exécuter du code généré par une IA, surtout dans un environnement ayant accès à des fichiers ou à des services, demande une relecture et des droits correctement limités.

Des garde-fous annoncés pour des usages sensibles

La montée en puissance des modèles de raisonnement pose inévitablement la question de la sécurité. Un outil plus efficace pour analyser du code ou décomposer un problème peut aussi être détourné. OpenAI indique avoir mis en place des mécanismes de filtrage et de surveillance afin d’anticiper les risques, avec un dispositif présenté comme pouvant filtrer jusqu’à 99 % des conversations sensibles.

Ce type de chiffre doit être interprété avec attention : la notion de contenu sensible et les conditions de mesure comptent autant que le pourcentage lui-même. La sécurité ne se résume pas au refus d’une requête. Elle implique aussi la manière dont le modèle utilise ses outils, les limites imposées à ses actions, la protection des données et la capacité des utilisateurs à contrôler ce qui est exécuté.

Pour les organisations, l’adoption de tels modèles suppose donc des règles claires : ne pas envoyer de données confidentielles sans cadre approprié, vérifier les résultats à fort enjeu, conserver une traçabilité des actions automatisées et limiter les autorisations accordées à un agent de code.

Ce qu’il faut surveiller avec o3-pro

OpenAI annonce également l’arrivée prochaine de o3-pro, une déclinaison qui doit aller plus loin dans les capacités de raisonnement. À ce stade, l’entreprise la présente comme un modèle plus performant, sans que les caractéristiques détaillées, les tarifs ou les conditions d’accès ne soient précisés dans les informations disponibles.

L’enjeu dépasse la seule course aux scores. Avec o3, o4-mini et bientôt o3-pro, OpenAI structure une gamme où différentes capacités de raisonnement correspondent à différents compromis économiques. Le mouvement peut élargir l’accès à des outils puissants, notamment grâce à o4-mini, tout en réservant les traitements les plus coûteux à des usages ciblés.

Les prochains mois permettront surtout d’observer leur comportement hors des benchmarks : leur fiabilité sur des projets réels, leur capacité à travailler avec des outils sans générer d’erreurs coûteuses, l’efficacité de leurs garde-fous et leur place face aux autres modèles du marché. Pour les utilisateurs, la promesse la plus concrète n’est pas une intelligence autonome sans limite, mais des assistants mieux armés pour traiter les tâches où le texte, le code, les chiffres et les images se rencontrent.