GPT-5 mini : fiche technique complète (juin 2026)

gpt-5-mini est une variante plus petite, plus rapide et moins chère de GPT-5 construite sur la même architecture et le même pipeline d'entraînement. OpenAI ne publie pas les comptages de paramètres pour l'un ou l'autre modèle, mais en pratique gpt-5-mini est à peu près l'équivalent de gpt-4o-mini dans la famille GPT-4 — même discipline de suivi des instructions, plus faible sur le raisonnement difficile, dramatiquement moins cher.

Surtout, la surface des fonctionnalités est identique : gpt-5-mini prend en charge les mêmes appels de fonction, appels d'outils parallèles, sorties structurées (validées par JSON Schema), cache de prompts, endpoint API Responses, entrée vision et contrôle d'effort de raisonnement. Tout ce que vous écrivez pour GPT-5 s'exécute sur gpt-5-mini en changeant simplement l'ID du modèle. La différence apparaît sur les tâches qui nécessitent un raisonnement multi-étapes, une synthèse de code complexe ou une précision factuelle stricte.

Positionnement d'OpenAI : gpt-5-mini est le niveau 'par défaut pour la production'. La plupart des assistants de chat, extracteurs de données structurées, pipelines de classification, échafaudages de contenu et agents de routage devraient vivre ici. Réservez GPT-5 pour la petite fraction de trafic où le coût de l'erreur domine réellement le coût par appel.

Tarifs standard : `coût = (tokens_entrée / 1M) × 0,25 $ + (tokens_sortie / 1M) × 2 $`. L'appel représentatif 1 000 entrée / 500 sortie : `0,001 × 0,25 $ + 0,0005 × 2 $ = 0,00025 $ + 0,001 $ = 0,00125 $`. Environ 0,125¢ par appel — un cinquième du coût GPT-5 sur les tokens identiques.

À 1 000 000 appels/mois avec ce profil, le tarif standard s'élève à 1 250 $ contre 6 250 $ pour GPT-5. Appliquez un taux de cache de prompts de 80% sur un préfixe système de 1 500 tokens et l'entrée par appel baisse davantage ; appliquez l'API Batch pour les flux de travail asynchrones (résumé, classification, évaluation) et une autre réduction de 50% sur les deux flux.

Exemple réel : un pipeline de classification du support client à 2M appels/mois avec des moyennes 800 entrée / 100 sortie sur gpt-5-mini s'exécute `0,0008 × 0,25 $ + 0,0001 × 2 $ = 0,0004 $ par appel = 800 $/mois`. Avec l'activation du cache de prompts sur le préfixe système stable, environ 500 $/mois. Sur GPT-5, le même flux de travail coûte 4 000 $/mois. Le choix du modèle est le plus grand levier de coût dans la famille GPT-5 de loin. Calcul en dollars à l'échelle : calculatrice de coûts API OpenAI.

gpt-5-mini est livré avec la même fenêtre de contexte de 400 000 tokens que GPT-5 et le même plafond de sortie maximal de 128 000 tokens. Il n'y a pas de variante à contexte plus petit ; OpenAI a standardisé la fenêtre dans la famille GPT-5 afin que le travail d'ingénierie de prompts soit portable entre les niveaux.

Implication pratique : les prompts qui fonctionnent sur GPT-5 s'ajustent sur gpt-5-mini sans réécriture liée au contexte. L'écart de prix est purement un écart de qualité, pas un écart de contexte. Si vous déplacez du trafic de GPT-5 vers gpt-5-mini pour des raisons de coût, la migration est un simple changement d'ID de modèle plus une passe d'évaluation — pas une réécriture de prompt.

Comme toujours, limitez la sortie. Définissez `max_output_tokens` au plafond réaliste pour votre tâche (1 500 pour le chat, 4 000 pour le code, 8 000 pour la forme longue). Le plafond par défaut (128K) est une garde défensive, pas une cible.

**Gagne (utilisez gpt-5-mini)** : classification, extraction d'entités nommées, résumé d'entrée structurée, conversions de format (JSON ↔ YAML ↔ Markdown), assistance de chat simple, agents de routage/dispatch, échafaudage de contenu (outlines, premiers brouillons), pipelines de sorties structurées, classification de télémétrie interne, marquage de documents, analyse de sentiment. La qualité sur ces tâches est indistinguible de celle de GPT-5 sur une évaluation détenue pour la plupart des équipes.

**Perd (utilisez GPT-5)** : synthèse de code complexe avec contexte multi-fichier, preuves mathématiques, planification multi-étapes nécessitant du retour en arrière, analyse juridique/financière où la correction est non-négociable, raisonnement vision fine (compter les objets dans des scènes denses, lire du petit texte), tâches de niveau benchmark de codage compétitif. La prime de prix 5× pour GPT-5 est justifiée quand ce sont les goulots d'étranglement.

Exécutez une évaluation avant de vous engager. Prenez 200 entrées représentatives de votre trafic de production, exécutez les deux modèles, évaluez les sorties en aveugle. La plupart des équipes découvrent que gpt-5-mini couvre 70-90% du trafic sans chute de qualité mesurable et réservent GPT-5 pour le reste — généralement routé via un simple classificateur de complexité.

gpt-5-mini à 0,25 $ / 2 $ se situe entre Claude Sonnet 4.6 (3 $ / 15 $ — le niveau intermédiaire d'Anthropic, qualité légèrement supérieure, prix beaucoup plus élevé) et Gemini 2.5 Flash (0,30 $ / 2,50 $ — le niveau intermédiaire de Google, prix comparable, contexte 1M).

vs **Claude Sonnet 4.6** : 12× moins cher en entrée, 7,5× moins cher en sortie. Sonnet gagne sur la voix de la forme longue, la discipline de suivi des instructions sur les prompts complexes et les économies de cache de prompts (90% de réduction sur les lectures en cache via Anthropic). gpt-5-mini gagne sur le débit brut et le prix. Voir Claude Sonnet vs GPT-5 mini pour la comparaison côte à côte.

vs **Gemini 2.5 Flash** : prix comparable (0,25 $ vs 0,30 $ entrée), sortie comparable (2 $ vs 2,50 $), mais Flash a une fenêtre de contexte 1M vs le contexte 400K de gpt-5-mini. Flash prend également en charge l'entrée audio native. gpt-5-mini gagne sur les sorties structurées (l'application JSON Schema d'OpenAI est plus mature) et l'écosystème des outils OpenAI plus large.

Entre niveaux : gpt-5-mini à 5× moins cher que GPT-5 couvre le même ensemble de fonctionnalités ; la plupart des équipes devraient utiliser ceci par défaut et escalader uniquement sur besoin démontré.

gpt-5-mini expose le même paramètre `reasoning_effort` que GPT-5 (`minimal`, `low`, `medium`, `high`). Les mêmes règles s'appliquent : les tokens de raisonnement se facturent au tarif de sortie, ne vous sont pas retournés et peuvent dramatiquement gonfler le coût s'ils sont définis à `high`.

Sur gpt-5-mini spécifiquement, `minimal` est le bon défaut pour les tâches mécaniques à haut volume (classification, extraction). Le coût par appel reste sous 0,001 $ pour les entrées typiques. `low` est le bon défaut pour le chat et la génération de contenu. `medium` et `high` sont généralement gaspillés sur gpt-5-mini — si la tâche a besoin de raisonnement sérieux, le meilleur mouvement est d'escalader vers GPT-5 avec `medium`, pas d'exécuter gpt-5-mini à `high`.

Erreur commune : laisser `reasoning_effort` au défaut (`medium`) sur une tâche de classification à 1M+ appels/mois. Les tokens de raisonnement gonflent silencieusement la facture 2-3×. Définissez toujours explicitement le niveau d'effort sur les prompts de production.

Chaque nombre sur cette page a été vérifié par rapport à la documentation en direct d'OpenAI le 2026-06-20. Sources : platform.openai.com/docs/models/gpt-5-mini, openai.com/api/pricing, platform.openai.com/docs/api-reference/responses.

Les prix de la famille GPT-5 ont changé une fois depuis le lancement (un ajustement à la baisse sur l'entrée en cache en fin 2025). OpenAI ne versionne pas sa page de tarification avec des entrées de changelog. Reverifiez la page en direct trimestriellement si votre facture mensuelle dépasse 500 $.

Si vous trouvez une divergence avec la page en direct, traitez la page en direct comme canonique. Nous récupérons et mettons à jour cette fiche mensuellement.