OpenAI Dots : Que sont les agents d'IA toujours actifs d'OpenAI ?

TL;DR

Les OpenAI Dots sont des agents personnels persistants et toujours actifs au sein de ChatGPT. Propulsé par GPT-6 Astra, un Dot dispose de son propre ordinateur dans le cloud et peut poursuivre le travail assigné entre les conversations. Ce guide aide les utilisateurs et développeurs à comprendre ce que font les Dots et à choisir entre un Dot, Codex, ChatGPT Work et un agent API personnalisé.

Les Dots ne remplacent pas simplement Codex ou ChatGPT Work. Codex reste centré sur l’ingénierie logicielle, tandis que ChatGPT Work est conçu pour des tâches plus longues, multi-étapes, avec des livrables finis. Un Dot agit davantage comme un agent personnel persistant au-dessus des travaux en cours et peut coordonner des tâches Work ou Codex si nécessaire.

Le principal compromis pour les développeurs est la commodité contre le contrôle de l’implémentation. Les Dots gèrent l’expérience agent. Un agent API personnalisé permet aux développeurs de définir les interfaces d’outils, le comportement de l’application et l’attribution des coûts. Une facturation exacte nécessite toujours de rapprocher les enregistrements d’usage avec les frais du modèle, des outils, du calcul et des tiers.

Points clés

• Les OpenAI Dots sont des agents personnels persistants, pas un modèle de base autonome.
• Un Dot combine un ordinateur cloud, des apps connectées, une mémoire et un travail en cours ; la recherche proactive est en lecture seule.
• Codex se concentre sur l’ingénierie logicielle, ChatGPT Work sur des livrables substantiels, et les Dots sur une responsabilité continue à travers les tâches.
• Les agents API donnent aux développeurs le contrôle sur les schémas de fonctions, la logique d’exécution, les approbations, les journaux et l’UX applicative.
• Les enregistrements d’usage API supportent une attribution de coûts granulaire, mais des charges exactes nécessitent un rapprochement de facturation ; les Dots n’exposent pas un grand livre équivalent orienté développeur public dans la documentation examinée.

Qu’est-ce que les OpenAI Dots ?

OpenAI décrit les Dots comme des agents toujours actifs conçus pour gérer un travail continu. Il est plus juste de les considérer comme un produit d’agent géré que comme un nouveau modèle d’IA. Leur intelligence sous-jacente provient de GPT-6 Astra, auquel les développeurs peuvent aussi accéder via GPT-6 Astra API dans CometAPI pour leurs propres applications. Appeler ce modèle ne fournit pas le produit Dots ni son environnement d’exécution géré.

Une conversation ChatGPT classique est principalement pilotée par requête : vous demandez quelque chose, ChatGPT répond, et les interactions ultérieures continuent à partir du contexte disponible. Un Dot ajoute une notion de persistance bien plus forte. Vous lui donnez un objectif, décidez quelles applications il peut accéder et définissez son degré d’autonomie.

Chaque Dot reçoit son propre ordinateur cloud et navigateur. Il peut faire de la recherche, analyser des données, préparer des documents, construire des logiciels et renvoyer des résultats pour révision. Le travail dans le cloud peut continuer lorsque l’ordinateur de l’utilisateur est éteint ; le travail délégué à un ordinateur local connecté a des exigences de disponibilité séparées.

Rôle principal et responsabilité continue

Choisissez selon l’issue souhaitée plutôt que de supposer que les produits ont des capacités exclusives. Un responsable de lancement pourrait utiliser des Dots pour la continuité, Work pour préparer une présentation et Codex pour implémenter une fonctionnalité. Le tableau décrit une emphase produit, pas une frontière technique rigide.

Délégation de tâches et disponibilité locale

Les Dots peuvent créer du travail en arrière-plan, des threads cloud, et des tâches Work ou Codex sur des ordinateurs connectés. Pour les tâches locales, gardez l’ordinateur connecté en ligne avec l’application ChatGPT ouverte. L’environnement cloud d’un Dot ne transfère pas automatiquement une connexion de navigateur local ni n’accorde l’accès à toutes les conversations existantes.

Codex demande : « Quel logiciel dois-je construire ou modifier ? »

ChatGPT Work demande : « Quelle pièce de travail dois-je terminer ? »

Dots demande : « Quelle responsabilité dois-je continuer à gérer pour vous ? »

Que peuvent faire les OpenAI Dots ?

Travail continu et suivi

Un Dot porte une responsabilité continue à travers les conversations. Il peut tenir à jour un brief de lancement, examiner de nouveaux retours et revisiter des décisions lorsque des informations pertinentes changent. Donnez-lui les sources, le résultat souhaité, un calendrier de mise à jour ou un déclencheur, et les décisions nécessitant votre avis.

Il peut également effectuer de la recherche proactive en lecture seule et garder des notes privées. Ce mode rassemble du contexte ; les actions de suivi conséquentes restent soumises aux permissions et à la révision.

Ordinateur cloud et apps connectées

Chaque Dot dispose d’un ordinateur et d’un navigateur dans le cloud, de sorte que le travail cloud peut continuer lorsque votre propre appareil est éteint. Les plugins fournissent l’accès aux apps connectées dans les permissions du compte. Un ordinateur local est une connexion séparée et optionnelle ; gardez-le en ligne avec l’application ChatGPT ouverte pour le travail local.

Documents, analyse et tâches logicielles

Un Dot peut rechercher, analyser des données, préparer des documents et construire des logiciels directement, ou coordonner des tâches Work et Codex lorsque c’est utile. Révisez la sortie, les décisions importantes et les approbations requises au fur et à mesure que la responsabilité évolue.

Le contenu barré suivant est conservé à sa position d’origine pour révision ; ses points utiles sont consolidés ci-dessus.

Comment fonctionnent les OpenAI Dots ?

Conceptuellement, les Dots combinent cinq couches :

• GPT-6 Astra fournit le raisonnement et l’intelligence agentique.
• Un contexte agent persistant permet au Dot de se souvenir des objectifs et de poursuivre la responsabilité entre les conversations.
• Un ordinateur cloud dédié lui donne un environnement pour la navigation, le travail sur fichiers et les tâches informatiques.
• Les plugins et services connectés fournissent un accès structuré aux données et actions externes.
• Les systèmes d’approbation et de sécurité déterminent si une action envisagée peut effectivement être exécutée.

Le modèle n’est donc qu’une partie de l’agent. Le produit enveloppe le modèle dans un environnement d’exécution persistant, des permissions, des outils connectés, une mémoire et une revue des actions.

Conceptuellement, un objectif mène à la planification, à la récupération de contexte, à l’usage d’outils ou à la délégation, à la révision et au travail continu. C’est un modèle mental de lecteur du produit, plutôt qu’un schéma publié de l’architecture interne d’OpenAI.

La mémoire comporte des couches distinctes : la conversation, la mémoire ChatGPT enregistrée pertinente et les notes propres du Dot sur les préférences, décisions et responsabilités. Ces notes ne sont pas une transcription complète, et modifier un réglage de mémoire ChatGPT ne change pas nécessairement les notes déjà prises.

Comment OpenAI Dots gèrent-ils la sécurité et les permissions ?

Un agent toujours actif nécessite des contrôles plus forts qu’un chatbot ordinaire car il peut potentiellement lire des informations privées et agir. OpenAI sépare donc la collecte proactive d’informations de l’action conséquente.

Les permissions Dots et les custom rules permettent aux utilisateurs d’autoriser des actions, d’exiger des contrôles ou de bloquer des actions. Les permissions de plugins s’appliquent séparément. Ces contrôles ne remplacent pas les garde-fous intégrés, et les administrateurs d’espace de travail peuvent restreindre la disponibilité des custom rules.

Les Dots peuvent toujours se tromper. Les permissions, les limites d’approbation et la révision restent importantes pour les workflows conséquents.

Revue automatique des actions

Avant qu’une action n’affecte un compte ou ne partage des informations, la revue automatique vérifie les instructions, permissions, custom rules et garde-fous. Elle peut autoriser l’action, exiger votre approbation ou vous confier une étape, comme changer un mot de passe. Les custom rules ne peuvent pas contourner les garde-fous intégrés ni accorder l’accès à une app.

Confidentialité et données d’entraînement

Pour les espaces de travail Business, Enterprise et Edu, les données professionnelles ne sont pas utilisées pour entraîner les modèles par défaut. Les conversations et tâches éligibles sur les plans personnels suivent les réglages de contrôle des données du compte. OpenAI n’entraîne pas directement sur la recherche proactive ni sur les notes privées d’un Dot ; lorsque ces informations entrent dans une conversation ou tâche éligible, les réglages applicables régissent leur utilisation. Cette politique de données n’implique pas que chaque plan listé ait accès aux Dots.

OpenAI Dots vs. Codex vs. ChatGPT Work

Les Dots, Codex et ChatGPT Work se chevauchent car tous trois peuvent effectuer un travail agentique. Leur unité de responsabilité prévue est différente.

Codex se concentre sur les workflows de développement logiciel. ChatGPT Work gère les tâches que vous souhaitez déléguer, comme la recherche, l’analyse ou la création de fichiers, soit immédiatement soit selon un calendrier. Les Dots ajoutent la continuité à travers une responsabilité continue ; ils peuvent également exécuter du travail directement et déléguer des tâches quand c’est utile.

Livrables finis vs. responsabilité continue

ChatGPT Work et Dots se recoupent dans le travail qu’ils peuvent réaliser. Une mission Work se concentre généralement sur un résultat concret, comme une présentation d’analyse concurrentielle ; un Dot conserve la responsabilité du lancement dans le temps et coordonne le suivi lorsque les circonstances changent. Cela décrit leur emphase produit plutôt qu’une frontière technique exclusive.

Comment évaluer OpenAI Dots dans un travail réel ?

Un benchmark de modèle n’établit pas la fiabilité avec laquelle les Dots accompliront un workflow métier particulier. Le modèle n’est qu’un composant ; les apps connectées, les limites de permissions, les exigences de connexion, le contexte changeant et la revue utilisateur influencent tous le résultat final.

Évaluez les Dots avec un travail représentatif, comme maintenir un brief de lancement ou enquêter sur un incident de support. Mesurez si le résultat est correct, le degré d’intervention humaine requis, la façon dont l’agent respecte les permissions, et s’il reprend correctement après l’arrivée de nouvelles informations. Gardez la tâche, les outils disponibles, les critères d’acceptation et la méthode de revue cohérents lors des comparaisons.

Pour une implémentation API, mesurez aussi le coût par tâche complétée, les réessais, la latence et les appels d’outils échoués. Les scores bruts du modèle ne suffisent pas à déterminer si un Dot géré ou un agent personnalisé est le meilleur choix.

OpenAI Dots vs. construire votre propre agent via l’API

Configuration gérée et responsabilités du développeur

Les Dots optimisent la commodité. Les agents API optimisent le contrôle.

Avec les Dots, OpenAI opère la majorité de la pile agent pour vous : choix de modèle dans le produit, environnement cloud, mémoire, apps connectées, boucle agent et infrastructure de sécurité. Avec l’API OpenAI, les développeurs définissent beaucoup plus de l’agent eux-mêmes.

L’Agents API d’OpenAI et les outils Responses/Agents de plus bas niveau donnent aux développeurs un contrôle explicite sur les modèles, les instructions, les schémas d’outils, les connexions MCP, les environnements d’exécution, l’observabilité et la logique applicative.

Un agent API personnalisé transfère la responsabilité d’ingénierie à votre équipe : persistance, planification, permissions, gestion des identifiants, reprise après échec, déploiement et contrôles côté utilisateur restent à construire ou configurer. Les exigences de sécurité du provider et le support des fonctionnalités API continuent de s’appliquer.

Attribution des coûts et rapprochement de facturation

Les conversations Dot ne comptent pas dans les limites d’usage de ChatGPT. Le plan fournit une allocation pour un travail plus approfondi, tandis que les tâches déléguées à Work et Codex utilisent les limites de ces produits. Considérez-les comme des catégories d’usage séparées. Un agent API personnalisé expose plutôt des hooks de comptabilité pour attribuer les dépenses aux clients, tickets ou départements.

Les usages et traces d’agent enregistrés aident les développeurs à attribuer le travail des agents racine et sous-agents. L’usage est au mieux : il peut manquer ou être mis à jour plus tard, et ce n’est pas une facture finale. Les champs d’usage documentés n’exposent pas des décomptes séparés d’écritures cache, donc ces champs seuls ne peuvent pas déterminer des charges exactes lorsque un pricing d’écriture cache s’applique.

Pour une estimation de coût en production, utilisez la documentation de tarification actuelle du modèle et les dossiers de facturation du fournisseur sélectionné. La longueur de contexte, la tranche de service, le traitement régional, les outils et l’infrastructure peuvent modifier le total. La tarification OpenAI n’est pas un devis pour CometAPI.

Maintenez un grand livre de tâches séparant l’entrée non mise en cache, les lectures cache, les écritures cache lorsque disponibles, la sortie y compris le raisonnement, les réessais et les appels de sous-agents. Ajoutez les frais applicables d’outils, de calcul sandbox, d’infrastructure et de tiers, puis rapprochez cette estimation avec les charges facturées. N’ajoutez pas l’entrée mise en cache par-dessus l’entrée totale sans ajuster la portion mise en cache.

Cela permet un processus de comptabilité précis lorsque des données de facturation complètes sont disponibles ; cela ne fait pas de chaque réponse d’usage API une déclaration de coût exacte. Cela n’implique pas non plus que les Dots soient intrinsèquement plus chers.

Schémas d’outils et contrôle d’exécution

Les Dots permettent aux utilisateurs de connecter des intégrations supportées et de définir des permissions ou des custom rules. Un agent API autorise les développeurs à définir l’interface appelable : noms de fonctions, types d’arguments, valeurs autorisées, code d’exécution, autorisation backend et l’UI affichée aux utilisateurs. C’est un contrôle de niveau implémentation dans les capacités supportées par l’API.

Le schéma ci-dessous expose une opération avec deux arguments requis et un ensemble fixe de valeurs de statut. C’est une définition d’outil, pas une application exécutable complète ; votre backend doit implémenter la fonction et faire respecter l’accès au lead.

{
  "type": "function",
  "name": "update_lead_status",
  "description": "Update only the sales-stage field for an existing lead.",
  "strict": true,
  "parameters": {
    "type": "object",
    "properties": {
      "lead_id": {
        "type": "string"
      },
      "status": {
        "type": "string",
        "enum": [
          "qualified",
          "unqualified",
          "follow_up"
        ]
      }
    },
    "required": [
      "lead_id",
      "status"
    ],
    "additionalProperties": false
  }
}

Les schémas de fonctions stricts contraignent les arguments générés. L’application exécute la fonction, vérifie l’appartenance et l’autorisation du tenant, valide les transitions d’état et applique toute approbation requise. Un schéma valide ne garantit pas en soi qu’une action est autorisée ni que le modèle prendra la bonne décision métier.

Les Dots ne fournissent pas la même interface publique orientée développeur pour remplacer leurs schémas d’outils internes, leur orchestration et leur instrumentation de facturation. Cependant, ils fournissent des contrôles utilisateur significatifs sur les apps connectées et les actions permises. La différence tient au niveau de contrôle exposé, et non à une absence de contrôles côté Dots.

Les développeurs peuvent-ils construire un agent de type Dots avec l’API d’OpenAI ?

Oui, bien que ce ne soit pas un clonage en un seul appel de Dots. Les développeurs peuvent combiner sessions persistantes, function calling, recherche web, usage d’ordinateur, serveurs MCP, exécution en arrière-plan, traçage et orchestration personnalisée pour reproduire de nombreuses idées architecturales derrière un agent toujours actif.

Le compromis est le travail d’ingénierie : les Dots empaquettent la pile agent dans un produit géré, tandis que l’API expose les briques.

Quand utiliser OpenAI Dots plutôt qu’un agent API ?

Les Dots ont du sens quand l’agent existe principalement pour vous : suivre le travail personnel, coordonner la recherche, suivre des projets, organiser l’information à travers des services connectés, ou maintenir la continuité à travers de nombreuses petites tâches.

Un agent API personnalisé a davantage de sens quand l’agent existe principalement au sein de votre produit ou processus métier. Si vous avez besoin d’une facturation au niveau tenant, de schémas de fonctions déterministes, d’un routage de modèle exact, de systèmes d’approbation propriétaires, d’une observabilité interne, d’UI spécifiques à l’application, d’un contrôle d’accès au niveau des outils ou de limites de coûts explicites, une architecture API est mieux adaptée.

Cette comparaison se concentre sur les Dots personnels. OpenAI pilote également des dots spécialistes pour des rôles organisationnels. Un agent API personnalisé est le plus pertinent quand vous devez intégrer un comportement agent dans votre propre application et contrôler son implémentation.

Les OpenAI Dots peuvent-ils accéder à votre ordinateur local ?

Pas automatiquement. L’ordinateur cloud d’un Dot est séparé de l’appareil de l’utilisateur. Connecter un ordinateur local accorde une permission distincte pour le travail local ; connecter cet ordinateur à Codex ou activer Work Sync n’accorde pas en soi l’accès au Dot. Certains sites bloquent les navigateurs cloud ou exigent une vérification, et démarrer une tâche locale ne transfère pas la session du navigateur cloud.

Comment CometAPI peut-il s’insérer dans une alternative basée API aux Dots ?

Si l’objectif n’est pas de reproduire l’interface ChatGPT Dots mais de construire votre propre produit agent, une API de modèle unifiée peut être utile pour la couche modèle.

GPT-6 Sol API dans CometAPI peut supporter des charges agentiques complexes via une interface compatible OpenAI. Pour des charges plus récentes, GPT-6.1 Sol API dans CometAPI fournit une autre option pour le codage agentique et le travail professionnel.

Dans un déploiement personnalisé, votre application envoie le travail à un orchestrateur d’agent. L’orchestrateur applique les règles métier et appelle les endpoints de modèle et outils supportés. Votre application maintient ses propres journaux, grand livre de coûts et couche d’approbation. Une passerelle de modèles fournit la couche d’accès aux modèles ; elle ne fournit pas automatiquement un runtime agent complet.

Pour chaque endpoint sélectionné, vérifiez le support des fonctionnalités API que vous planifiez utiliser, incluant l’appel d’outils, les sorties structurées et les champs d’usage. Les environnements Agents API hébergés par OpenAI et les traces ne doivent pas être supposés disponibles via une passerelle compatible OpenAI. La facturation CometAPI doit être vérifiée par rapport aux propres tarifs et enregistrements de CometAPI.

Quelles sont les principales limites des OpenAI Dots ?

• Granularité du contrôle : les Dots fournissent des règles et permissions, mais pas la même surface d’orchestration de niveau développeur que l’API.
• Observabilité des coûts : l’accès par abonnement est simple, mais ne fournit pas la même comptabilité par appel, par token et par outil que les charges API.
• Compatibilité site web : les agents automatisés peuvent rencontrer des restrictions de connexion, anti-bot ou d’action.
• Disponibilité : l’accès dépend du plan, de la région et de la configuration de l’espace de travail.
• Risque d’autonomie : les agents persistants peuvent toujours se tromper ; les permissions et la revue restent nécessaires.

Qui peut utiliser les OpenAI Dots et où en créer un ?

La disponibilité des Dots est déployée progressivement. Au 12 octobre 2026, les utilisateurs Pro 100, Pro 200 et Pro 500 éligibles doivent avoir plus de 18 ans et résider hors de l’Espace économique européen, du Royaume-Uni et de la Suisse. Business Premium et Enterprise sont en déploiement mondial ; Enterprise nécessite qu’un administrateur active les Dots. L’éligibilité ne garantit pas qu’un compte y ait déjà accès.

Créez un Dot dans la dernière application mobile ChatGPT, l’application desktop ou le navigateur desktop, et continuez avec le même Dot sur vos appareils. Le web mobile n’est pas supporté. La mise à jour des 5–9 octobre a ajouté la création mobile, la personnalisation de l’apparence et la connexion de plugins ; connecter votre ordinateur local nécessite toujours l’application desktop.

Conclusion

Les Dots étendent ChatGPT des conversations individuelles vers une responsabilité déléguée continue. Ils peuvent préserver le contexte, travailler dans le cloud, utiliser des apps connectées et coordonner des tâches Work ou Codex, tout en impliquant l’utilisateur lorsque la révision ou une décision est nécessaire.

Choisissez les Dots si vous voulez un agent personnel géré pour maintenir le travail en mouvement. Choisissez Codex pour les workflows d’ingénierie et ChatGPT Work pour des livrables substantiels. Construisez un agent API lorsque votre produit nécessite des interfaces d’outils personnalisées, une orchestration spécifique à l’application et un processus de facturation lié à des clients ou workflows individuels. Ce contrôle supplémentaire entraîne du travail d’implémentation et de maintenance.

FAQ

Un Dot peut-il reprendre un travail local après que mon ordinateur portable s’est mis hors ligne ?

Le travail cloud et le travail sur ordinateur connecté ont des environnements d’exécution différents. Un Dot peut continuer le travail dans son propre environnement cloud lorsque votre ordinateur portable est éteint, mais une tâche assignée à cet ordinateur nécessite que l’ordinateur connecté soit en ligne avec l’application ChatGPT ouverte. Vérifiez l’emplacement d’exécution de la tâche avant de supposer qu’elle continuera sans surveillance ; le navigateur cloud n’hérite pas de la session du navigateur local.

Mettre un Dot en pause arrête-t-il chaque tâche déléguée ?

Non. Pause, arrêt de tâche et annulation d’un calendrier sont des contrôles séparés. Pause arrête la tâche principale du Dot. Ouvrez Activity pour arrêter une tâche déléguée, et Scheduled pour désactiver ou supprimer une tâche récurrente. Terminer un appel n’arrête pas nécessairement le travail assigné. Les actions terminées ne sont pas annulées en arrêtant l’agent.

Envoyer un message à un Dot dans Slack lui donne-t-il accès à d’autres apps ?

Non. Un canal de messagerie et une connexion d’app accordent des types d’accès différents. Les connexions d’app dépendent des permissions du compte et de l’environnement où le travail s’exécute. Connectez l’intégration requise séparément et inspectez ses actions autorisées ; une méthode de communication seule n’accorde pas l’accès à une boîte de réception, un dépôt ou des fichiers locaux.

Les champs d’usage API peuvent-ils à eux seuls déterminer une facture d’agent exacte ?

Pas dans tous les cas. L’usage peut arriver en retard ou être indisponible, et certains coûts nécessitent des données de facturation supplémentaires. Incluez les réessais, le travail des sous-agents, les écritures cache lorsque applicable, les outils, le compute et les services tiers. Traitez l’usage enregistré comme une entrée de comptabilité, rattachez-le à vos propres identifiants de tâche, et rapprochez le résultat avec les charges facturées plutôt que de traiter une seule réponse d’usage comme le coût complet.

Les notes privées d’un Dot se réinitialisent-elles lorsque les paramètres de mémoire ChatGPT changent ?

Pas nécessairement. Les notes privées d’un Dot et la mémoire enregistrée ChatGPT sont des sources de contexte distinctes. Les notes peuvent suivre des décisions et préférences à travers des méthodes de contact, et ne sont pas une transcription complète. Changer un paramètre de mémoire ChatGPT ne supprime pas nécessairement les notes existantes du Dot ; examinez les contrôles pertinents lorsque vous modifiez le contexte que vous souhaitez qu’il conserve.