OpenAI recommande désormais aux développeurs d’alléger fortement les règles répétitives dans les prompts système, affirmant que cette approche a amélioré jusqu’à 15 % les scores de ses évaluations internes sur le code, tout en réduisant la consommation de tokens jusqu’à 66 %.
Points clés :
- Le guide de prompting GPT-5.6 demande aux développeurs de définir le résultat visé et les conditions d’arrêt, puis de laisser le modèle choisir sa propre stratégie.
- Les tests internes sur des agents de code montrent que des prompts système plus « secs » améliorent les scores de 10 à 15 %, réduisent les tokens de 41 à 66 % et font baisser les coûts de 33 à 67 %.
- Le document introduit des sections sur le Programmatic Tool Calling et un réglage text.verbosity, absents de l’ancien playbook GPT-5.
OpenAI réécrit le manuel de prompting de GPT-5
OpenAI a publié ces nouvelles recommandations en même temps que la famille de modèles GPT-5.6, disponible en accès général depuis le 9 juillet, en visant directement les développeurs d’API et les équipes qui exploitent des agents automatisés.
Le document conseille aux ingénieurs d’énoncer clairement le résultat visible pour l’utilisateur, les contraintes, les éléments factuels disponibles et le niveau d’exigence pour considérer la tâche terminée, puis de laisser au modèle la latitude de trouver lui‑même la voie la plus efficace. OpenAI qualifie cette approche de prompting « orienté résultat » (outcome-first).
Cette ligne doctrinale renverse une bonne partie du playbook GPT-5 d’août 2025, qui mettait en avant des blocs XML persistants, des canevas très détaillés de collecte de contexte et des scripts de préambule d’outils décrivant à haute voix chaque étape. Ces garde‑fous sont désormais considérés comme du bruit.
OpenAI déconseille également les règles absolues du type toujours ou jamais, à réserver selon elle aux véritables invariants : limites de sécurité, champs obligatoires, actions interdites. La répétition d’instructions comme demander d’abord ou attendre une validation peut, d’après le guide, déclencher des demandes d’approbation inutiles pour des actions prévisibles et sans risque. Des règles contradictoires créent davantage d’instabilité qu’un manque de précision.
À lire aussi : Les paris sur les Dodgers atteignent 68 M$ alors que Polymarket et Kalshi misent sur la course aux playoffs de la MLB
Simon Willison analyse le Tool Calling de GPT-5.6
Le développeur indépendant Simon Willison a souligné que le Programmatic Tool Calling et le support multi‑agents figuraient parmi les nouveautés les plus marquantes de cette version, notant que la fonctionnalité permet aux modèles de composer et d’exécuter du JavaScript orchestrant les appels d’outils. Il estime également que Sol apparaît solide, sans pour autant surclasser clairement Anthropic et son Claude Fable 5 sur les tâches de code complexes qu’il teste.
Le coût constitue l’autre grand enjeu de ces recommandations. Dans les essais internes, la consommation de tokens a reculé de 41 à 66 %, et la facture globale a baissé de 33 à 67 %, des ordres de grandeur qui reconfigurent le calcul économique pour toute équipe qui fait tourner des agents à grande échelle.
OpenAI prévient toutefois que les résultats varient selon les cas d’usage, présente ces fourchettes comme indicatives et invite les développeurs à les vérifier sur des tâches représentatives de leurs propres applications.
La famille GPT-5.6 s’inscrit dans un rythme de sorties accéléré
GPT-5.6 a été lancé en trois tailles. Luna, Terra et Sol sont facturés 1 $, 2,50 $ et 5 $ par million de tokens en entrée, avec des sorties à 6 $, 15 $ et 30 $. Le guide introduit en outre un paramètre text.verbosity pour contrôler la longueur des réponses.
Ce revirement s’inscrit dans une évolution graduelle. Les recommandations autour de GPT-5.5, en avril, incitaient déjà les équipes à reconstruire leurs prompts plutôt que de les porter d’une génération à l’autre, alors que le guide GPT-5 d’août 2025 défendait l’approche inverse, en demandant de baliser explicitement la tendance du modèle à « se précipiter ». À chaque itération, OpenAI pousse un peu plus les développeurs à écrire moins — et à laisser le modèle prendre davantage en charge le chemin pour atteindre l’objectif.
À suivre : Ethereum rattrape Bitcoin, mettant à l’épreuve le scénario haussier 2026 de Tom Lee