OpenAI fixe le retrait de plusieurs GPT-4 dans l’API. La migration ne se résume pas au nom du modèle
L’annonce du 14 octobre vise des versions précises dans l’API. Les modèles personnalisés suivent aussi ce calendrier. GPT-6 Luna demande des contrôles distincts.
Une application peut continuer à fonctionner aujourd’hui tout en utilisant un modèle dont la fin est déjà annoncée. OpenAI vient de fixer un nouveau calendrier pour plusieurs versions de GPT-4 dans son API. L’entreprise date cette notification du 14 octobre et prévoit leur retrait le 14 janvier 2027. Cette annonce laisse une période de transition. Elle ne décrit pas une panne actuelle ni une disparition immédiate dans ChatGPT.
Des versions précises sont concernées
Le tableau officiel cite GPT-4o avec les versions du 6 août et du 20 novembre 2024. Il inclut GPT-4o mini dans sa version du 18 juillet 2024. GPT-4.1 et GPT-4.1 mini du 14 avril 2025 figurent aussi dans cette liste. Le remplacement recommandé pour ces lignes est `gpt-6-luna`.
Les modèles personnalisés par ajustement suivent le calendrier de leur modèle de base. Une organisation ne peut donc pas considérer cette personnalisation comme un moyen de conserver indéfiniment l’ancien service. Cette précision concerne notamment les intégrations construites autour d’une version adaptée à une tâche.
Annonce de retrait et coupure restent deux étapes
OpenAI distingue le début du processus de retrait et la date à laquelle l’accès cesse. Le mot anglais « deprecation » désigne la première étape. À la date de fermeture annoncée, le modèle ne sera plus accessible. L’étiquette « legacy » décrit encore autre chose. Elle signale un modèle ou une interface qui ne reçoit plus de mises à jour.
Pour une équipe qui dépend d’un logiciel tiers, la première question porte donc sur la version réellement utilisée. Le nom commercial affiché dans l’interface ne suffit pas toujours à la connaître. Demander cette information à son prestataire permet de situer son service dans le calendrier officiel. Ça ne démontre pas encore que la migration est prête.
GPT-6 Luna ne reprend pas toutes les possibilités à l’identique
La fiche de GPT-6 Luna indique des entrées texte et image avec une sortie texte. Elle mentionne les réponses structurées et les appels de fonctions. Elle ne présente toutefois pas le fine-tuning comme une fonction prise en charge. Le successeur conseillé ne permet donc pas de reproduire automatiquement une ancienne personnalisation par la même méthode.
L’interface choisie change aussi les réglages
La fiche recommande Responses pour les outils intégrés et les appels de fonctions. Avec Chat Completions, les appels de fonctions nécessitent un effort de raisonnement réglé sur `none`. Le niveau `medium` constitue pourtant le réglage de raisonnement par défaut du modèle. Un appel qui paraissait simple peut donc demander une adaptation explicite.
Ces différences ne prouvent pas qu’une application échouera. Elles expliquent pourquoi remplacer une chaîne de caractères ne suffit pas à vérifier son comportement. Il faut examiner les outils appelés et la forme de réponse attendue. La documentation décrit des capacités disponibles. Elle ne garantit pas la qualité du résultat sur chaque tâche professionnelle.
Vérifier la continuité du travail attendu
Le guide d’évaluation d’OpenAI décrit une démarche qui part de la tâche et de critères définis. On soumet ensuite des entrées d’essai avant d’analyser les réponses. Cette logique permet de comparer autre chose qu’une démonstration réussie. Un classement doit conserver ses catégories attendues. Une extraction doit restituer les champs nécessaires. Un appel d’outil doit respecter le format que l’application sait traiter.
Ces exemples illustrent des points à examiner. Ils ne constituent ni un test réalisé ici ni un score indépendant de GPT-6 Luna. Le guide signale aussi le retrait prochain de sa propre plateforme Evals. Sa méthode d’évaluation ne doit donc pas être confondue avec une recommandation d’adopter ce service en cours de fermeture.
Une échéance technique devient un sujet de compétences
Le calendrier oblige surtout à préserver un usage qui fonctionne pour les personnes concernées. Pour David LACOUR, une formation peut aider une équipe à formuler ses exigences et à reconnaître un résultat exploitable. Le choix d’un modèle reste lié à ce travail concret. Le nom du successeur ne remplace pas cette compréhension.
Notre article sur Decisions et GPT-6 Luna explique un autre usage de réponses typées dans les applications.
Vous pouvez échanger autour de votre projet pour préciser les compétences à développer dans votre équipe.