GPT-6 Luna et durée moyenne de traitement. La durée moyenne de traitement est le nombre de minutes qu'un agent passe sur un ticket, du début à l'envoi. Le brouillon à relire place un brouillon rédigé par l'ia dans la zone de réponse, avec la bonne réponse déjà intégrée : l'agent corrige au lieu d'écrire de zéro. Ce texte est la lecture d'un responsable support sur ce changement de prix, pas celle d'un ingénieur sur le modèle.
Le 22 septembre 2026, OpenAI a présenté des niveaux GPT-6 moins chers, sol et Luna, selon letsdatascience. C'est un rapport secondaire, donc revérifiez les détails sur la page de tarifs d'OpenAI avant de budgéter dessus. La direction est ce qui compte : les prix du niveau intermédiaire continuent de baisser.
Pour voir de combien ils ont baissé, regardez la ligne haut de gamme que Luna sous-cote. GPT-6 astra est sorti le 3 septembre 2026 avec un contexte d'environ 1m de tokens, selon vorplabs. Le prix de sortie de Luna est une petite fraction de celui d'astra. Même éditeur, à trois semaines d'écart.
#Pourquoi un modèle moins cher change-t-il ce que vous faites tourner derrière un ticket ?
Comment l'ia réduit-elle la durée moyenne de traitement dans le support client ?
L'ia réduit la durée moyenne de traitement en rédigeant la réponse avant que l'agent n'ouvre le ticket, avec la réponse pertinente de la base de connaissances déjà retrouvée et insérée. L'agent lit, corrige et envoie au lieu d'écrire devant une page vide. Cela réduit les minutes de rédaction, qui forment la plus grande part compressible de la durée de traitement dans la plupart des équipes.
Jusqu'ici, la plupart des équipes réservaient la rédaction assistée par l'ia aux 20 % de tickets difficiles : un remboursement complexe, une escalade, un fil de dix messages. Les tickets simples recevaient une macro toute faite, car générer un brouillon neuf pour chaque ticket coûtait plus cher que ce que cela rapportait.
Cette objection de coût, c'est ce que Luna supprime. Un brouillon de support avec contexte de récupération représente quelques milliers de tokens en entrée et quelques centaines en sortie. Aux tarifs de Luna, cela fait une minuscule fraction de centime pour chaque ticket, donc rédiger un brouillon derrière chaque ticket d'une file à fort volume ne coûte presque rien. Aux tarifs d'astra, le même volume formait un vrai poste de dépense.
#Que change réellement le brouillon à relire sur la durée moyenne de traitement ?
Décomposez un ticket. L'agent le lit, trouve la réponse, rédige, puis envoie. La rédaction est généralement la plus grosse part. Si un ticket de six minutes en passe trois à être écrit, un bon brouillon ramène cela à environ une minute. Le ticket se clôt alors en quatre minutes environ. C'est 33 % de moins, et le nombre de tickets par agent et par service évolue dans le même sens.
L'agent garde la main. Rien ne part tout seul. Ce qui se trouve derrière chaque ticket est simple et visible :
- La recherche place l'article de la base de connaissances et la politique correspondants dans le contexte
- Le modèle rédige une réponse dans votre ton, en citant la source utilisée
- L'agent corrige le brouillon et clique sur envoyer, ou le réécrit s'il est faux
- La correction est réinjectée pour que le prochain brouillon sur ce sujet soit meilleur
C'est la même forme de travail qu'un exemple travaillé de récupération côté agent pour une équipe de support, une configuration illustrative avec des chiffres supposés, pas un résultat client. L'idée n'était pas un modèle plus intelligent. C'était de mettre la réponse dans les mains de l'agent avant qu'il ne la cherche. Le prix de Luna vous permet de le faire sur toute la file plutôt que sur une tranche. Nous concevons ces déploiements dans notre pratique de conseil en ia et construisons la couche de récupération via la mise en œuvre de l'ia.
We are
Stennir place un brouillon dans la zone de réponse de votre agent pour qu'un humain corrige et envoie plus vite.
We aren't
Stennir n'est pas un robot de déflexion tourné vers le client qui répond à vos utilisateurs à la place de votre équipe.
#Faut-il mettre l'ia derrière chaque ticket dès maintenant ?
Le plus souvent oui, avec deux vérifications. D'abord, revérifiez le prix de Luna sur la page de tarifs d'OpenAI, car les tarifs que nous citons sont un rapport secondaire de septembre. Ensuite, décidez sur la qualité, pas sur le coût. Un brouillon bon marché faux une fois sur deux augmente le temps de traitement, car l'agent le réécrit. Mesurez le taux de modification avant et après. Gardez les tickets difficiles sur un niveau plus fort si les brouillons y sont nécessaires.
L'ancienne question était : quels tickets peut-on se permettre de rédiger avec l'ia ? Luna la transforme en : quels tickets un humain doit-il encore écrire à la main ? La liste est bien plus courte.
Si vous dirigez une équipe de support et suivez la durée de traitement et le nombre de tickets par agent et par service, le geste de ce trimestre est de chiffrer un pilote de brouillon à relire sur votre volume réel et votre taux de correction, pas sur la démo d'un éditeur. Nous sommes une jeune équipe, et les conditions que nous annonçons sont celles sur lesquelles nous construisons. Réservez un appel découverte de 30 minutes et nous chiffrerons le projet sur vos propres chiffres avant tout engagement.
