Le modèle d'IA Gpt Oss 120B est-il un bon commercial ?

Que vaut Gpt Oss 120B au jeu du Négociateur ?

GPT-OSS-120B est le premier grand modèle open-source publié par OpenAI, sorti le 13 août 2025 sous licence Apache 2.0. Avec ses 117 milliards de paramètres en architecture Mixture-of-Experts, dont seulement 5,1 milliards activés par token, il promet des performances proches du o4-mini propriétaire tout en tournant sur un seul GPU de 80 Go. Sa fenêtre de contexte de 131 072 tokens et ses capacités d'appel de fonctions en font un candidat sérieux pour les workflows commerciaux complexes.

Côté budget, c'est difficile de faire moins cher. A 0,04 USD par million de tokens en entrée et 0,19 USD en sortie, le coût estimé pour 1000 emails de prospection tombe à 0,048 USD. Autant dire que la barrière financière n'existe plus.

La vraie question, c'est de savoir si cette accessibilité se traduit en performances exploitables pour la négociation commerciale B2B.

GPT-OSS-120B a provoqué un petit séisme dans la communauté open-source : OpenAI, longtemps critiqué pour son virage propriétaire, publie soudain un modèle sous Apache 2.0 que n'importe qui peut modifier et déployer localement. Certains y voient un geste stratégique pour contrer Llama et DeepSeek sur leur terrain, d'autres un vrai changement de philosophie. Dans tous les cas, c'est le modèle open-source le plus discuté de l'été 2025.

Pourquoi tester les models d'IA ?

Faire de la prospection B2B de masse de nos jours, ce n'est pas bien compliqué grâce aux nombreuses IA que nous avons à disposition. Faire de la BONNE prospection, par contre, c'est une autre mayonnaise.

Meetlane vous propose de configurer vos agents IA spécialisés dans des échanges multicanaux intelligents et ultra personnalisés. Pour ça, il faut bien évidemment une IA digne de ce nom, qui comprend les différents enjeux de la prospection : savoir écrire correctement, convaincre de l'intérêt d'une solution, personnaliser ses messages, identifier les signaux d'intérêt, rebondir en cas de scepticisme, ne pas harceler ceux et celles qui répondent « STOP STOP STOP STOP ».

Un bon commercial IA, c'est aussi une IA qui sait négocier, trouver les signaux d'intérêt, relancer avec le bon message au bon moment (et pas juste une redite du mail précédent), comprendre quand un lead est perdu, et déclencher suffisamment d'intérêt pour renvoyer vers un commercial humain qui prendra le relais.

Nous nous sommes donc naturellement intéressés aux capacités réelles de nombreuses IA, et de là est né le « Jeu du Négociateur » : mettre ces IA en situation de négociation commerciale, les comparer, les noter, et trouver les axes de progression.

Le jeu du Négociateur : quésaco ?

Le principe est simple : on prend une IA, on la met dans la peau d'un commercial B2B, et on lui envoie un acheteur coriace qui enchaine les objections. Prix trop élevé, concurrent moins cher, doute sur le produit, silence gênant, tentative de report, ultimatum de remise... bref, le quotidien d'un vrai commercial, mais en accéléré.

Chaque modèle passe par 5 scénarios de vente réalistes, du SaaS RH à la cybersécurité en passant par le CRM immobilier, avec à chaque fois les mêmes 5 objections dans le même ordre. Pas de favoritisme, pas d'improvisation côté acheteur : tout le monde joue avec les mêmes règles.

Ensuite, un observateur indépendant note la conversation sur 8 dimensions : rebond sur objections, qualité des arguments, écoute, gestion des concessions, closing, qualité rédactionnelle, cohérence contextuelle et respect du cadre. Le tout sur 40 points.

Résultat : un score objectif, comparable d'un modèle à l'autre, qui nous dit concrètement si cette IA ferait un bon commercial... ou si elle a encore du chemin à faire.

Résultats

GPT-OSS-120B obtient un score global de 19,8/40, ce qui lui vaut un profil Rank D dans notre protocole Le Jeu du Négociateur. C'est un résultat en dessous de la moyenne, avec des écarts marqués entre les dimensions.

Ses meilleurs scores se trouvent en closing (3/5), en rebond sur objections (2,8/5), en qualité des arguments (2,8/5) et en respect du cadre (2,8/5). En revanche, la gestion des concessions s'effondre à 1,4/5, le score le plus bas du tableau. La qualité rédactionnelle (2,2/5) et la cohérence contextuelle (2,2/5) restent également fragiles. Les scénarios les mieux réussis sont le CRM pour agence immobilière (22/40) et la plateforme e-learning (21/40), tandis que le SaaS RH pour PME industrielle ferme la marche à 18/40.

Le paradoxe central de GPT-OSS-120B, c'est un modèle qui sait proposer des prochaines étapes concrètes (closing à 3/5) mais qui a déjà tout donné avant d'y arriver. La gestion des concessions à 1,4/5 plombe mécaniquement l'ensemble : quand on descend au prix plancher dès le premier échange, le closing perd sa substance. On ferme une porte déjà ouverte.

L'écoute et la reformulation (2,6/5) fonctionnent correctement en surface, mais la faible cohérence contextuelle (2,2/5) trahit un problème plus profond. Le modèle reformule ce que dit l'acheteur, puis fabrique des statistiques ou des fonctionnalités absentes du brief. Le résultat : une impression d'attention qui se fissure dès qu'on creuse. La qualité rédactionnelle à 2,2/5 confirme cette tendance répétitive, avec des structures quasi identiques d'un tour à l'autre.

Au-delà du score global, les résultats par scénario révèlent des nuances intéressantes sur le comportement du modèle face à des contextes de vente différents.

Tour d'horizon des scénarios

Forces identifiées

Le benchmark a mis en évidence plusieurs points forts récurrents à travers les cinq scénarios de négociation.

Malgré un score global modeste, GPT-OSS-120B montre trois comportements solides qui, dans un cadre mieux contrôlé par des consignes précises, pourraient constituer de vrais atouts commerciaux.

Tenue ferme du prix plancher sous pression

Face aux ultimatums et aux tactiques de pression de l'acheteur, le modèle ne cède jamais en dessous du prix minimum défini dans le brief. C'est un point notable : beaucoup de modèles finissent par craquer quand le prospect insiste lourdement. GPT-OSS-120B maintient sa ligne. Dans le scénario cybersécurité pour cabinet comptable, l'acheteur a multiplié les menaces de rupture sans que le modèle ne descende sous le seuil autorisé. Le problème n'est pas qu'il cède trop, c'est qu'il cède trop vite, mais pas trop bas.

Reformulation contextuelle des enjeux prospect

Le modèle reprend systématiquement les propos de l'acheteur et les relie au secteur d'activité concerné. Dans le scénario e-learning pour chaîne de restaurants, il a correctement identifié les problématiques de turnover et de formation terrain pour ancrer ses arguments. Cette capacité de contextualisation sectorielle, même imparfaite, donne au prospect le sentiment d'être compris plutôt que de recevoir un pitch générique.

Proposition systématique de prochaines étapes

Même quand la négociation bloque, GPT-OSS-120B ne laisse pas la conversation mourir. Il propose une démo, un audit gratuit, un suivi différé. Dans le scénario CRM pour agence immobilière, qui a obtenu le meilleur score (22/40), cette capacité à maintenir le lien commercial a permis de garder la porte ouverte malgré un désaccord sur le prix. C'est le réflexe d'un bon commercial : ne jamais raccrocher sans une prochaine action planifiée.

Axes d'amélioration

Comme pour tout modèle, le benchmark a aussi révélé des axes d'amélioration. Ces points sont souvent atténuables par des consignes (prompts) adaptées.

Les faiblesses identifiées sont significatives mais pas rédhibitoires. Elles relèvent davantage d'un défaut de cadrage que d'une incapacité structurelle du modèle. Un prompting plus directif pourrait en corriger une bonne partie.

Toutes les concessions lâchées dès le premier tour

C'est la faiblesse la plus pénalisante. Dans chaque scénario, GPT-OSS-120B descend immédiatement au prix plancher et empile toutes les concessions disponibles dès le premier échange. Résultat : il ne lui reste plus rien à négocier ensuite. Le score de 1,4/5 en gestion des concessions reflète cette absence totale de progressivité. Pour atténuer ce comportement, il faudrait des consignes explicites du type 'ne propose qu'une seule concession par tour' ou 'commence à 100% du prix catalogue et descends par paliers de 5% maximum'.

Répétition mécanique sans variation tactique

Tour après tour, le modèle reproduit la même offre avec la même structure argumentative. Aucune escalade, aucun changement d'angle, aucune surprise. L'acheteur se retrouve face à un mur qui répète toujours la même chose, ce qui est aussi inefficace que frustrant. Un prompt incluant des instructions de variation ('si l'objection persiste, change d'angle : passe du ROI au risque, puis au coût d'inaction') pourrait forcer le modèle à diversifier son approche.

Fabrication de données et fonctionnalités fictives

GPT-OSS-120B invente régulièrement des statistiques, des fonctionnalités produit ou des conditions commerciales absentes du brief. Ce phénomène d'hallucination est particulièrement dommageable en contexte commercial : un prospect qui vérifie une donnée inventée perd immédiatement confiance. Pour limiter ce risque, des consignes strictes de type 'utilise uniquement les informations fournies dans le brief, ne cite aucun chiffre non fourni' sont indispensables. Un système de vérification en aval reste aussi recommandé.

Analyse détaillée

Passons maintenant au détail des performances, dimension par dimension, avec des exemples concrets tirés des scénarios.

La gestion des concessions, un naufrage méthodique

Avec 1,4/5 en gestion des concessions, c'est la pire dimension du benchmark. Et le diagnostic est limpide : GPT-OSS-120B donne tout dès le premier tour, systématiquement, dans chaque scénario.

Sur le scénario cybersécurité, le modèle passe de 750 euros à 550 euros/mois dès sa première réponse, en ajoutant l'audit gratuit, la formation offerte et le support 24/7. Il ne reste plus rien à négocier. Les quatre tours suivants consistent à répéter la même offre, mot pour mot ou presque.

Sur le scénario prospection IA, même schéma : prix plancher de 450 euros lâché immédiatement, avec setup gratuit et 500 crédits bonus. Le modèle n'a jamais testé un palier intermédiaire.

Ce comportement trahit une incompréhension totale de la mécanique de négociation. Un vendeur qui révèle son plancher au premier échange n'a plus de levier. Quand l'acheteur durcit sa position, il ne peut que se répéter.

Avec des consignes explicites imposant une descente progressive du prix en trois ou quatre paliers, ce défaut pourrait être corrigé, mais en l'état, c'est rédhibitoire.

Des arguments contextualisés mais plombés par les hallucinations

La qualité des arguments obtient 2,8/5, un score moyen qui masque un contraste net. D'un côté, le modèle sait contextualiser : il mentionne les 800 clients du cabinet comptable, les 12 établissements de la chaîne de restaurants, le taux de transformation de 35% de l'agence immobilière. Il relie ses arguments aux enjeux réels du prospect.

De l'autre, il invente. Sur le scénario SaaS RH, il affirme que ses clients constatent "en moyenne une réduction du turnover de 15% en moins d'un an". Cette statistique sort de nulle part. Sur le scénario cybersécurité, il mentionne une intégration Sage et une conformité RGPD automatisée qui ne figurent pas dans le brief. Ces hallucinations détruisent la crédibilité qu'il construit par ailleurs.

Le scénario CRM immobilier est le plus équilibré, avec 3/5 en argumentation. Le modèle y chiffre correctement l'impact d'un gain de 5% de conversion sur 18 agents.

Quand il reste dans les clous du brief, GPT-OSS-120B produit des arguments solides. Le problème, c'est qu'il ne sait pas s'y tenir.

Une reformulation présente mais mécanique

Le score d'écoute et reformulation s'établit à 2,6/5. Le modèle reformule, oui. Mais toujours de la même façon.

Chaque réponse commence par "Vous me dites que..." ou "Je comprends votre...", suivi d'une paraphrase de l'objection. C'est correct sur le plan formel, mais ça devient un tic. Au bout de cinq tours, l'acheteur a l'impression de parler à un répondeur qui accuse réception avant de dérouler son script. Sur le scénario e-learning, le modèle commet une erreur plus grave au tour 3 : il reformule des propos que l'acheteur n'a jamais tenus. Reformuler du vide, c'est pire que ne pas reformuler du tout.

Le scénario CRM immobilier montre que le modèle peut faire mieux quand il s'appuie sur des données concrètes du prospect. Il rebondit sur le taux de transformation de 35% et le compare à la moyenne du marché. Ce type de reformulation active, qui transforme un chiffre du client en argument, est bien plus efficace que le simple écho.

Un closing volontaire mais répétitif

Le closing est la meilleure dimension du modèle avec 3/5. Chaque réponse se termine par une question fermée ou une proposition d'engagement. C'est la base, et au moins elle est acquise.

Mais la technique ne varie jamais. "Êtes-vous prêt à signer ?", "Qu'en pensez-vous pour avancer ?", "Êtes-vous d'accord pour conclure dès aujourd'hui ?" : c'est toujours la même mécanique. Sur cinq scénarios et cinq tours chacun, le modèle n'a jamais proposé un closing alternatif comme un essai gratuit conditionné, une mise en relation avec un client référent ou un engagement partiel. Le closing fonctionne au premier tour, mais il s'use vite quand l'acheteur résiste.

Mais la technique ne varie jamais. "Êtes-vous prêt à signer ?", "Qu'en pensez-vous pour avancer ?", "Êtes-vous d'accord pour conclure dès aujourd'hui ?" : c'est toujours la même mécanique. Sur cinq scénarios et cinq tours chacun, le modèle n'a jamais proposé un closing alternatif comme un essai gratuit conditionné, une mise en relation avec un client référent ou un engagement partiel.

Le closing fonctionne au premier tour, mais il s'use vite quand l'acheteur résiste.

Sur le scénario prospection IA, le modèle révèle son prix plancher au dernier tour en guise de closing final. C'est une erreur tactique classique : montrer qu'on a encore de la marge au moment où on prétend être au bout. Un prompt mieux cadré pourrait forcer le modèle à varier ses techniques de closing selon le tour de négociation.

Qualité rédactionnelle et cohérence : le syndrome du copier-coller

Avec 2.2/5 en qualité rédactionnelle et 2.2/5 en cohérence contextuelle, le modèle affiche ses limites de forme.

Les réponses sont longues, structurées en blocs identiques, et recyclent les mêmes formulations d'un tour à l'autre. Sur le scénario SaaS RH, la structure "reformulation + argument + concession + question" se répète sans variation pendant cinq tours.

Le ton ne change jamais, que l'acheteur soit curieux, agacé ou menaçant de partir. Un vrai vendeur adapte son registre. GPT-OSS-120B, non.

Côté cohérence, le modèle ajoute parfois des concessions non prévues dans le brief : un mois gratuit ici, une formation supplémentaire là. Sur le scénario CRM immobilier, il propose un "accès beta aux fonctionnalités d'estimation IA" qui n'existe pas dans le cadre donné. Ces ajouts spontanés, combinés aux statistiques inventées, donnent l'impression d'un modèle qui comble les trous par de l'improvisation plutôt que de s'en tenir à ce qu'il sait.

Comment se positionne Gpt Oss 120B face aux autres IA ?

Retrouvez le comparatif complet de tous les modèles testés ce mois-ci dans notre article dédié.

Conclusion : que vaut Gpt Oss 120B en prospection ?

Au final, comment positionner ce modèle dans l'écosystème des IA disponibles pour la prospection commerciale ?

GPT-OSS-120B avec son Rank D et son score de 19,8/40 n'est clairement pas prêt à gérer une négociation commerciale en autonomie. Son incapacité à doser ses concessions et sa tendance à halluciner des données en font un outil risqué si on le laisse sans surveillance étroite.

Cela dit, à 0,048 USD pour 1000 emails, le rapport coût/performance reste intéressant pour des tâches de premier contact ou de reformulation, à condition de ne pas lui confier la négociation tarifaire. Ses qualités de contextualisation sectorielle et sa rigueur sur le prix plancher montrent qu'il y a une base exploitable. Mais il faut un cadrage serré, des consignes très détaillées sur la gestion des concessions, et une vérification humaine systématique des données citées.

C'est précisément ce type d'optimisation que nous réalisons avec Meetlane : nous ne nous contentons pas d'un modèle, mais choisissons le bon modèle, au bon moment, avec la bonne consigne, pour chaque étape de votre cycle de prospection.

Et surtout, nous choisissons toujours les meilleurs modèles.

Et ça, ça fait toute la différence !