GPT-4o débranché le 14 janvier 2027 : la facture divisée par 25

OpenAI a notifié ses développeurs le 14 octobre 2026 : GPT-4o, GPT-4o mini, GPT-4.1 et GPT-4.1 mini quittent l'API le 14 janvier 2027. Trois mois pour migrer, pas un jour de plus. Pour toute PME ou agence qui a branché un chatbot, un outil de scoring de leads ou un pipeline de traitement de documents sur l'un de ces modèles, c'est une tâche à planifier maintenant, pas en décembre.

Le détail est sur la page officielle des dépréciations d'OpenAI, confirmé par plusieurs relais techniques dont cette analyse chiffrée en jours restants. Le message est clair : OpenAI veut vider son parc de modèles 2024-2025 pour ne garder que la famille GPT-6, lancée à l'automne.

Quels modèles OpenAI disparaissent le 14 janvier 2027

Quatre snapshots précis sont visés :

• GPT-4o (gpt-4o-2024-08-06 et gpt-4o-2024-11-20)
• GPT-4o mini (gpt-4o-mini-2024-07-18)
• GPT-4.1 (gpt-4.1-2025-04-14)
• GPT-4.1 mini (gpt-4.1-mini-2025-04-14)

Deux autres snapshots plus anciens, gpt-4o-2024-05-13 et gpt-4.1-nano, partent dès le 23 octobre 2026 — un calendrier antérieur, annoncé en avril. Les modèles audio et realtime de la famille GPT-4o ont leur propre échéance, à partir du 20 janvier 2027. Cette dépréciation concerne uniquement l'API : ChatGPT grand public n'est pas touché par cette annonce.

Combien coûte la bascule vers GPT-6 Luna

OpenAI recommande explicitement gpt-6-luna comme remplacement des quatre modèles. L'argument prix est brutal :

• GPT-4o : 2,50 $ / 10 $ le million de tokens (entrée/sortie)
• GPT-6 Luna : 0,10 $ / 0,50 $ le million de tokens
• Soit 25 fois moins cher à l'entrée, 20 fois moins cher à la sortie

Luna hérite aussi d'une fenêtre de contexte de 1,05 million de tokens, contre 128 000 pour GPT-4o — un bond qui change la nature des cas d'usage possibles (ingestion de bases documentaires entières, par exemple). Pour une PME qui traite 2 millions de tokens par mois en appels API, la facture GPT-4o tournait autour de 15-20 $ ; avec Luna, elle tombe sous 1 $. Sur un volume de production plus lourd — un centre d'appels qui route 50 000 tickets par mois via l'API, par exemple — l'écart se chiffre en centaines, parfois milliers d'euros annuels. Nous avions détaillé un calcul comparable dans notre tuto sur le tri de tickets via l'API Luna en batch, où le coût réel tombait à 0,05 $ pour 1 000 tickets traités.

GPT-6 Luna remplace-t-il vraiment GPT-4o pour vos usages

Le prix fait rêver, mais un remplacement de modèle n'est jamais neutre sur la qualité des réponses. Luna est positionné comme un modèle économique de la gamme GPT-6, entre le petit GPT-6.1 Sol et le haut de gamme GPT-6 Astra (10 $ / 50 $ le million de tokens). Sur des tâches simples — classification, extraction de champs, réponses courtes à un ticket client — le saut de GPT-4o à Luna se fait sans drame. Sur des tâches qui exigeaient le raisonnement plus poussé de GPT-4.1 (rédaction longue, analyse juridique, code complexe), le passage à un modèle d'entrée de gamme peut introduire des régressions de qualité qu'il faut tester avant de couper l'ancien modèle.

La bonne pratique : ne pas basculer en masse sans benchmark. Faites tourner vos 50 à 100 prompts les plus représentatifs sur GPT-4o et sur Luna en parallèle, comparez les sorties à l'œil, puis décidez modèle par modèle d'usage. Notre tuto sur la bascule Opus 4.8 vers Sonnet 5 suit la même logique côté Anthropic : mesurer avant de couper.

Comment migrer votre intégration API avant le 14 janvier 2027

1. Lister tous les endpoints et scripts qui appellent gpt-4o, gpt-4o-mini, gpt-4.1 ou gpt-4.1-mini (grep sur le nom de modèle dans le code et les configs n8n/Make/Zapier)
2. Repérer les modèles fine-tunés bâtis sur ces bases — ils suivent le même calendrier d'arrêt et doivent être réentraînés sur un modèle GPT-6
3. Faire tourner un échantillon de prompts réels sur gpt-6-luna et comparer qualité + latence
4. Ajuster les prompts si besoin : un modèle moins verbeux par défaut demande parfois des instructions plus explicites
5. Basculer en environnement de test, surveiller une semaine, puis déployer en production avant la mi-décembre pour garder une marge de sécurité

Fine-tuning GPT-4o : la clause qui piège les PME

Un détail passe facilement sous le radar : les versions fine-tunées de GPT-4o, GPT-4o mini, GPT-4.1 et GPT-4.1 mini suivent exactement le même calendrier de coupure que leurs modèles de base. Si vous avez payé pour entraîner un modèle custom sur vos données — un ton de marque spécifique, un jargon métier — ce travail devient caduc le 14 janvier 2027 et doit être refait sur un modèle GPT-6. OpenAI avait déjà fermé la création de nouveaux jobs de fine-tuning sur l'ancienne génération ; nous avions couvert la bascule complète dans notre tuto sur la migration du fine-tuning OpenAI, avec les alternatives LoRA et QLoRA testées en six heures.

Faut-il rester chez OpenAI ou regarder ailleurs

Un retrait de modèle forcé est aussi le moment logique pour comparer. Si votre volume d'appels API est significatif, l'écart de prix avec des alternatives open-weights ou européennes mérite un calcul rapide avant de réinvestir dans l'écosystème OpenAI. Nous avions chiffré ce type d'arbitrage dans notre comparatif DeepSeek V4.1 Flash contre Gemini 3.8 Flash, et côté souveraineté des données, dans notre tour d'horizon des API IA hébergées en France et en Europe. Migrer vers Luna reste le chemin le plus simple — même fournisseur, même SDK — mais ce n'est pas la seule option sur la table.

Ce que ça dit de la stratégie produit d'OpenAI

Ce retrait s'inscrit dans un ménage plus large de la gamme GPT-6 entamé depuis septembre 2026 : Astra en haut de gamme à 10 $/50 $, Sol au milieu à 2 $/10 $, Luna en entrée de gamme à 0,10 $/0,50 $. OpenAI simplifie son catalogue autour de trois paliers nets plutôt que la demi-douzaine de variantes GPT-4 qui coexistaient depuis 2024. Pour l'utilisateur final, c'est plus lisible. Pour l'intégrateur qui avait verrouillé son produit sur un identifiant de modèle précis, c'est trois mois de travail de migration imposé par le calendrier du fournisseur — un rappel que dépendre d'une seule API, sans couche d'abstraction, a un coût caché qui finit toujours par se présenter.

Trois mois, c'est court mais faisable si la liste des intégrations est établie dès cette semaine. Le vrai risque n'est pas technique — basculer un appel d'API est trivial — mais organisationnel : oublier un script cron qui tourne depuis deux ans sans personne pour le surveiller.