EN DIRECT
L'armée américaine évite de justesse un incident après un rapport de renseignement halluciné par une IA18/09/26|Une étude révèle que les biais de genre des GPT ne disparaissent pas, ils se transforment17/09/26 · OpenAI|Des modifications d'architecture permettraient de casser les lois d'échelle classiques16/09/26|OpenAI publie un cadre pour signaler les cas de désalignement de ses modèles16/09/26 · OpenAI|NVIDIA dévoile les premiers résultats MLPerf de sa plateforme Vera Rubin NVL7216/09/26 · NVIDIA|OpenAI élargit la publicité dans ChatGPT avec des « Sponsored Agents »16/09/26 · OpenAI|OpenAI se lance dans la publicité avec des « Sponsored Agents »16/09/26 · OpenAI|Google DeepMind lance Gemini 3.8 Live et sa variante à raisonnement étendu15/09/26 · Google DeepMind|L'investissement massif dans les infrastructures IA fait-il courir un risque de bulle ?15/09/26|Une faille dans la surveillance du raisonnement des modèles de langage14/09/26|Stellar Colosseum : un système multi-agents pour la recherche mathématique de long terme14/09/26|Le code d'Apple suggère que Siri pourrait céder la place à ChatGPT ou Claude14/09/26 · Apple|L'armée américaine évite de justesse un incident après un rapport de renseignement halluciné par une IA18/09/26|Une étude révèle que les biais de genre des GPT ne disparaissent pas, ils se transforment17/09/26 · OpenAI|Des modifications d'architecture permettraient de casser les lois d'échelle classiques16/09/26|OpenAI publie un cadre pour signaler les cas de désalignement de ses modèles16/09/26 · OpenAI|NVIDIA dévoile les premiers résultats MLPerf de sa plateforme Vera Rubin NVL7216/09/26 · NVIDIA|OpenAI élargit la publicité dans ChatGPT avec des « Sponsored Agents »16/09/26 · OpenAI|OpenAI se lance dans la publicité avec des « Sponsored Agents »16/09/26 · OpenAI|Google DeepMind lance Gemini 3.8 Live et sa variante à raisonnement étendu15/09/26 · Google DeepMind|L'investissement massif dans les infrastructures IA fait-il courir un risque de bulle ?15/09/26|Une faille dans la surveillance du raisonnement des modèles de langage14/09/26|Stellar Colosseum : un système multi-agents pour la recherche mathématique de long terme14/09/26|Le code d'Apple suggère que Siri pourrait céder la place à ChatGPT ou Claude14/09/26 · Apple|
🇺🇸 États-Unis💻 CodeSortie juillet 2026

GPT-5.6 Luna

OpenAI
Héb. UE Données fiche 65/100 Trust Index 64
Verdict

Un très bon rapport qualité/prix pour un usage à fort volume.

Présentation

GPT-5.6 Luna est un modèle propriétaire d'OpenAI positionné sur le code, pensé pour absorber de gros volumes de requêtes à moindre coût, avec une fenêtre de contexte dépassant le million de tokens. Aucune fiche technique ni benchmark n'a été publiée par l'éditeur, ce qui empêche toute vérification indépendante de ses performances réelles. Les poids restent fermés et l'inférence transite par les serveurs américains d'OpenAI, sans option on-premise ni garantie de résidence des données en Europe.

Profil de compétences

Non communiqué

Forces

  • Très long contexte
  • Tarif d'entrée compétitif

À qui ça s'adresse

Pour vous si…
  • vous codez avec un agent ou en autonomie
  • vous voulez maîtriser vos coûts ou auto-héberger
  • vos données doivent rester en UE
À éviter si…

    Cas d'usage idéaux

    • revue de code à grande échelle
    • génération de code en masse
    • analyse de dépôts volumineux
    • automatisation de pipelines CI/CD
    • intégrations API à fort trafic

    Accès & disponibilité

    API payante au token

    Caractéristiques clés

    Contexte
    1M
    Prix entrée
    $0.20/M
    Prix sortie
    $1.20/M
    Vitesse
    Prix vérifié le 4 sept. 2026·Source officielleBenchmarks non audités

    Combien ça coûte par mois

    Estimation à partir des prix API sourcés et d’un palier matériel pour l’auto-hébergement. Hypothèses modifiables.

    Via API
    $9.00 / mois
    8.28 € · 20.0 M tokens
    Auto-hébergé
    Poids fermés : pas d’auto-hébergement

    Hypothèses : 36 mois d’amortissement, 0.25 €/kWh, 22 jours/mois, conversion 1 $ = 0.92 €. Hors main-d’œuvre, hors licences logicielles, hors redondance.

    nAIvigate Trust Index

    64/100

    Ce que l’éditeur offre et documente pour un usage professionnel en Europe. Un critère non documenté vaut zéro et reste visible : le score monte quand l’éditeur publie, pas quand nous supposons.

    17/20 critères documentés · 85 %

    Données72
    5/5 · 30 %
    Souveraineté43
    3/3 · 20 %
    Transparence75
    4/4 · 15 %
    Entreprise50
    3/6 · 20 %
    Licence85
    2/2 · 15 %
    Voir les critères
    Données
    Résidence des données en UE60
    Pas de transfert hors UE50
    Pas d’entraînement sur vos données
    Rétention configurable
    Zero Data Retention50
    Souveraineté
    Auto-hébergeable (poids ouverts)
    Hébergement UE proposé
    Éditeur européenpays : US30
    Transparence
    Licence publiée (URL)
    Tarifs publics sourcés
    Engagements de conformité publiés
    Liste des sous-traitants publiée
    Entreprise
    DPA disponible
    SSO / SAMLnon documenté
    Provisionnement SCIMnon documenté
    Journaux d’audit
    SOC 2 / ISO 27001
    Endpoint privé / VPCnon documenté
    Licence
    Usage commercial autorisé
    Type de licenceproprietary70
    Classement complet et méthodologie

    Badge Trust Index

    Affichez ce score dans votre documentation, votre README ou votre page sécurité. Il se met à jour automatiquement.

    nAIvigate Trust Index · GPT-5.6 Luna
    [![nAIvigate Trust Index · GPT-5.6 Luna](https://naivigate.com/badge/gpt-5-6-luna.svg)](https://naivigate.com/fr/model/gpt-5-6-luna)

    Données & conformité

    Ce que nous savons, ligne par ligne, avec la source et la date. Ces lignes alimentent les familles Données et Entreprise du Trust Index ci-dessus. La conformité RGPD dépend de votre traitement, pas du modèle seul.

    Résidence des données en UESur demande
    Accord de traitement (DPA)Oui
    Transfert hors UESelon l'offre
    Entraînement sur vos donnéesNon
    Rétention configurableOui
    Zero Data RetentionSur demande
    Auto-hébergeableNon
    Hébergement déclaréUS/EU

    Qualité des données de la fiche

    65/100

    Ce score mesure la qualité des données de cette fiche : prix, contexte, Elo, licence, documentés, sourcés et récents. Il ne mesure ni le modèle ni sa conformité : pour cela, voir le Trust Index plus haut.

    4/6 documentées · 3/6 sources primaires

    Prix APIofficiel
    Fenêtre de contexteofficiel
    Elo Arenaabsent
    Benchmarks (MMLU, GPQA, SWE-bench…)absent
    Licenceévaluation nAIvigate
    Données & conformitéofficiel
    Données avancées · pour experts
    Architecture, modalités, coût détaillé, benchmarks complets
    Architecture
    Taille
    Date de coupe
    Entrées
    Sorties
    Licence
    proprietary
    Hébergement
    US/EU
    Score d'hallucination
    Coût estimé (API)
    Échange type (~3k entrée / 1k sortie)
    ≈ $0.0018
    1M entrée + 1M sortie
    ≈ $1.40
    Tous les benchmarks
    Arena Elo
    MMLU
    GPQA
    HumanEval
    SWE-Bench
    MATH

    Modèles similaires