GPT-5 "Orion" en accès général : contexte 2M tokens, +34% MMLU, deep thinking

Le 24 juin 2026, OpenAI a déployé GPT-5 "Orion" en accès général pour tous les abonnés ChatGPT Plus — sans surcoût, sans liste d'attente. Pour ceux qui suivent l'IA depuis 2023, c'est un marqueur. GPT-5 n'est pas une mise à jour incrémentale : c'est un saut qualitatif sur trois dimensions simultanément — la fenêtre de contexte, la précision factuelle et les capacités multimodales. Cet article décrit ce que ce modèle change concrètement pour les professionnels et les équipes qui utilisent déjà l'IA au quotidien.

2 millions de tokens de contexte : ce que ça signifie en pratique

GPT-5 Orion intègre une fenêtre de contexte de 2 millions de tokens — soit environ 1 500 pages de texte dense. C'est 16 fois la fenêtre de GPT-4o (128k tokens) et 2 fois celle de Gemini 2.5 Pro. En pratique, cette capacité change radicalement deux types de workflows :

• Analyse de documents volumineux : vous pouvez charger un corpus entier — un dossier de due diligence, une base de données réglementaire, plusieurs années de rapports annuels — et poser des questions transversales sans découper manuellement le contenu.
• Continuité de conversation longue : sur une session de travail intensive, le modèle "se souvient" de tout ce qui a été dit depuis le début, sans dégradation des instructions initiales. Les workflows agentiques multi-étapes deviennent beaucoup plus fiables.

Pour les équipes légales, financières et de recherche, c'est une capacité transformatrice. Pour les développeurs, elle ouvre des architectures d'agent qui étaient jusqu'ici impossibles sans chunking complexe.

+34% sur MMLU : qu'est-ce que ça mesure vraiment ?

Le benchmark MMLU (Massive Multitask Language Understanding) évalue la connaissance d'un modèle sur 57 disciplines académiques : droit, médecine, mathématiques, histoire, physique, éthique, économie… Le score de GPT-5 Orion marque une progression de +34% par rapport à GPT-4o sur l'ensemble du benchmark.

Ce chiffre est significatif pour deux raisons :

• Il reflète la fiabilité factuelle, pas seulement la fluidité de génération. Un modèle avec un score MMLU élevé commet moins d'erreurs sur des questions de fond — le type d'erreur qui coûte cher en contexte professionnel (avis juridique, diagnostic différentiel, analyse financière).
• Il est reproductible : MMLU est un benchmark standardisé, utilisé par toutes les équipes d'évaluation indépendantes depuis 2021. Il permet des comparaisons objectives.

En termes simples : GPT-5 Orion répond juste à des questions auxquelles GPT-4o répondait mal ou faux. C'est particulièrement perceptible sur les questions multidisciplinaires, les cas limites, et les sujets à nomenclature technique dense.

Mode deep thinking : -61% d'erreurs factuelles

GPT-5 Orion intègre un mode "deep thinking" — une extension du raisonnement étendu introduit par OpenAI o1 — appliqué désormais à un modèle multimodal généraliste. Le résultat mesuré par OpenAI : -61% d'erreurs factuelles par rapport au mode standard sur des tâches complexes.

Comment fonctionne le deep thinking ?

En mode standard, le modèle génère une réponse token par token en une passe. En mode deep thinking, il effectue d'abord une chaîne de raisonnement interne non visible — une série de vérifications, de recoupements et de reformulations — avant de produire la réponse finale. Ce processus prend plus de temps (quelques secondes à quelques dizaines de secondes selon la complexité), mais réduit drastiquement les hallucinations sur les faits vérifiables.

Pour quels cas d'usage l'activer ?

Le mode deep thinking est particulièrement utile pour :

• les questions de fait complexes avec plusieurs conditions imbriquées,
• les raisonnements en plusieurs étapes (calculs, analyses logiques),
• les synthèses qui croisent plusieurs sources et exigent de la cohérence.

Il est moins pertinent pour des tâches créatives ou conversationnelles où la vitesse prime sur la rigueur factuelle.

Multimodal temps réel et accès API Enterprise

GPT-5 Orion est nativement multimodal : il traite simultanément du texte, des images, des fichiers, et — en accès progressif — de l'audio en temps réel. Cette convergence dans un seul modèle supprime les allers-retours entre outils spécialisés.

Côté déploiement, OpenAI a inclus l'accès à GPT-5 Orion dans les contrats Enterprise sans surcoût additionnel. Pour les équipes déjà sous contrat Enterprise, le passage à GPT-5 est transparent : même endpoint API, même facturation. Seule la capacité évolue.

Ce qui change pour les équipes qui utilisent déjà l'IA

Si vous avez déjà intégré GPT-4o dans vos workflows, voici les trois changements les plus tangibles avec GPT-5 Orion :

• Moins de vérification manuelle : les erreurs factuelles résiduelles étaient le principal frein à la confiance dans GPT-4o sur des sujets sensibles. Le gap de -61% en mode deep thinking change cette équation.
• Suppression du découpage documentaire : avec 2M tokens de contexte, la plupart des documents d'entreprise tiennent entiers dans une seule conversation. Moins de pré-traitement, moins d'infrastructure.
• Multimodal en production : les cas d'usage combinant texte et images (analyse de tableaux, lecture de captures, traitement de formulaires scannés) deviennent de première classe, pas expérimentaux.

Limites et points de vigilance

GPT-5 Orion est un progrès substantiel, mais quelques points méritent attention. Le mode deep thinking reste plus lent que le mode standard — dans des interfaces temps réel, ce délai peut être perceptible. La fenêtre de 2M tokens est disponible, mais les performances du modèle sur les extrémités du contexte (les informations insérées au milieu d'un très long document) restent moins robustes que sur les sections de début et de fin. Enfin, comme pour tout modèle de frontier, les données de fine-tuning et d'évaluation interne restent propriétaires — les benchmarks publics donnent une image partielle.

À lire aussi sur Signalab : notre comparatif GPT-4o vs Gemini pour le travail quotidien pour comprendre comment positionner ces modèles dans vos workflows réels.