Nous proposons le mode Rapide aux clients de l’API qui souhaitent bénéficier de performances plus rapides et plus constantes sur certains modèles. Vous trouverez ci-dessous les réponses aux questions fréquentes sur son fonctionnement, la tarification, la disponibilité des modèles, les limites de débit, la fiabilité, les politiques et les critères d’éligibilité.

Remarque : le traitement prioritaire a été renommé mode Rapide le 30 juillet 2026. Vous pouvez utiliser service_tier: priority ou service_tier: fast dans vos requêtes API. 

En savoir plus ici.

Le mode Rapide est-il disponible dans toutes les régions ?

La disponibilité du mode Rapide dépend des lois et réglementations applicables dans chaque juridiction. Pour toute question concernant la disponibilité dans votre région, veuillez contacter votre directeur de compte.

Le mode Rapide est-il disponible dans toutes les régions ?

La disponibilité du mode Rapide dépend des lois et réglementations applicables dans chaque juridiction. Contactez votre représentant OpenAI pour toute question sur la disponibilité dans votre région.

Fonctionnement

Les clients peuvent diriger le trafic vers le mode Rapide pour chaque requête à l’aide du paramètre existant service_tier, avec l’option service_tier = "fast".

Les tokens traités en mode Rapide seront facturés par token, à un tarif supérieur à celui du traitement Standard.

Outre la configuration par requête, vous pouvez aussi définir le mode Rapide par défaut pour un projet dans Paramètres du projet > Offre par défaut du projet : Rapide. Vous pouvez toujours modifier ce choix pour chaque requête. Sélectionner Rapide dans les paramètres de votre projet revient à sélectionner Prioritaire.

Comment cela s’articule-t-il avec l’offre Scale ?

L’offre Scale restera distincte du mode Rapide. Les requêtes envoyées au mode Rapide seront facturées séparément et ne seront pas décomptées des lots de TPM que vous avez achetés dans le cadre de l’offre Scale.

Puis-je envoyer automatiquement vers le mode Rapide le trafic qui dépasse mon quota de l’offre Scale ?

Non. Le trafic envoyé à l’offre Scale ne basculera pas automatiquement vers le mode Rapide en cas de dépassement.

Comment le mode Rapide est-il facturé ?

Les tokens traités en mode Rapide seront facturés au token, à un tarif supérieur à celui du traitement standard.

Mon engagement annuel est-il lié à un mode de traitement spécifique ?

Non. Tous les modes de traitement sont pris en compte dans votre engagement de dépenses annuel Enterprise.

Est-ce que je bénéficie toujours d’une réduction sur les tokens d’entrée en cache ?

Oui. Les tokens d’entrée en cache éligibles bénéficient des mêmes réductions qu’avec le traitement Standard.

Comment consulter mon utilisation et mes dépenses en mode Rapide ?

Pour consulter les tokens traités en mode Rapide (anciennement appelé traitement prioritaire), accédez au tableau de bord d’utilisation, sélectionnez Chat Completions ou Responses, puis Regrouper par offre.

Pour consulter le coût du mode Rapide, accédez au tableau de bord d’utilisation, puis sélectionnez Regrouper par poste de facturation.

Dans le tableau de bord d’utilisation, les requêtes en mode Rapide pour GPT-5.6 et les modèles antérieurs apparaissent sous priority, même lorsque la requête spécifie fast.

Modèles

Le mode Rapide prend-il en charge les contextes longs, les modèles affinés ou les embeddings ?

Les modèles GPT-5.6 prennent en charge les contextes longs en mode Rapide. Le mode Rapide ne prend pas en charge les modèles affinés ni les embeddings.

Comment les autres modalités fonctionnent-elles avec le mode Rapide ?

Le mode Rapide prend en charge les mêmes capacités multimodales que le traitement Standard. Les images peuvent notamment être utilisées en entrée du mode Rapide et sont traitées avec la même faible latence.

Les futurs modèles seront-ils pris en charge ?

Nous prévoyons de proposer le mode Rapide sur les nouveaux modèles GPT, mais nous ne garantissons pas la prise en charge de tous les modèles.

Limites de débit

Quelles sont les limites de débit ?

Pour les limites de débit, la consommation en mode Rapide est traitée de la même manière que le trafic API standard.

Quelles sont les limites de vitesse de montée en charge ?

Le mode Rapide impose des limites de vitesse de montée en charge pour garantir des performances élevées et constantes à tous les clients, tout en proposant une tarification flexible à la demande. Si (a) les performances du mode Rapide sont dégradées ET (b) le trafic d’un client augmente trop rapidement, certaines requêtes peuvent, dans de rares cas, être basculées vers le traitement Standard.

La limite actuelle de vitesse de montée en charge du mode Rapide est définie dans notre documentation du mode Rapide.

Bonnes pratiques pour respecter votre limite de vitesse de montée en charge

Augmentez progressivement le trafic lorsque vous changez de modèle. Par exemple, si votre application passe d’un instantané à un nouveau, utilisez un indicateur de fonctionnalité pour transférer le trafic sur quelques heures plutôt qu’en une seule fois.

Évitez d’exécuter des traitements de données volumineux ou des tâches asynchrones en mode Rapide. Ces tâches peuvent accroître le trafic très rapidement et ne nécessitent souvent pas les performances améliorées du mode Rapide.

Si vous atteignez régulièrement les limites de vitesse de montée en charge, envisagez plutôt d’acheter un quota de l’offre Scale.

Les limites de vitesse de montée en charge sont-elles partagées entre mes projets ou organisations ?

Oui, l’ensemble de votre trafic est soumis à la même limite de vitesse de montée en charge.

Politiques

Que se passe-t-il si le mode Rapide ne respecte pas l’objectif de latence ?

Le mode Rapide pour GPT-6 Astra n’est assorti d’aucun SLA de latence. Pour GPT-5.6 et les modèles antérieurs, le mode Rapide et l’offre Scale sont soumis aux mêmes dispositions en matière de SLA. Les contrats Enterprise éligibles peuvent prévoir des crédits de service lorsque les objectifs de latence ne sont pas atteints. Pour toute question, contactez votre responsable de compte.

Le mode Rapide est-il compatible avec la résidence des données ?

Oui, sous réserve de disponibilité pour chaque modèle. La résidence des données dans l’UE est prise en charge pour GPT-6.1 Sol, GPT-6 Sol et GPT-6 Luna, mais pas pour GPT-6 Astra.

Le mode Rapide est-il compatible avec ZDR et le BAA ?

Oui, sous réserve des exigences applicables en matière de modèle, de point de terminaison, d’outil, d’éligibilité et de contrat.

Ultrarapide pour GPT-6 Astra et GPT-6.1 Sol

Ultrarapide est une offre distincte pour les charges de travail nécessitant des réponses de GPT-6 Astra et GPT-6.1 Sol à plus faible latence, comme les applications interactives et les workflows de programmation.

Les indications sur les tarifs, les limites de débit et les politiques du mode Rapide s’appliquent aux requêtes utilisant service_tier="fast". Les requêtes Ultrarapide utilisent l’offre distincte service_tier="ultrafast".

Comment envoyer une requête Ultrarapide ?

Pour une organisation ayant accès à Ultrarapide, utilisez l’API Responses avec :

• Modèle : gpt-6-astra ou gpt-6.1-sol

• Offre : ultrafast

• En-tête de requête facultatif : OpenAI-Service-Tier: ultrafast

L’en-tête de requête est facultatif. Si vous l’incluez, sa valeur doit correspondre à l’offre indiquée dans le corps de la requête.

Pour les applications qui exécutent des appels d’outils, le mode WebSocket permet de réutiliser une connexion au fil des échanges et de réduire les surcoûts liés aux connexions.

Puis-je utiliser le même en-tête de requête pour d’autres offres ?

Lorsqu’il est fourni, l’en-tête OpenAI-Service-Tier accepte fast ou ultrafast. Si vous passez à une autre offre, comme default, fast ou flex, mettez à jour ou omettez l’en-tête pour qu’il corresponde à la requête.

Puis-je utiliser Ultrarapide dans Work ou Codex ?

Ultrarapide est également disponible dans Work et Codex pour les forfaits et espaces de travail éligibles. Les conditions d’éligibilité et d’utilisation des forfaits ChatGPT diffèrent de celles de l’accès à l’API.

Consultez ChatGPT Work et Codex pour en savoir plus sur la disponibilité et l’utilisation.