Aller au contenu principal

OpenAI Dots : l'agent toujours actif, et l'échelle de permissions qui se cache dessous

Intermédiaire

Le 29 septembre 2026, lors du DevDay, OpenAI a lancé dots : des agents nommés et persistants qui vivent à l'intérieur de ChatGPT, chacun avec son propre ordinateur cloud et son propre navigateur, chacun tournant sur GPT-6 Astra, chacun continuant à travailler pendant que vous êtes déconnecté. Vous accédez au même dot depuis l'application ChatGPT, depuis Slack, depuis Microsoft Teams, ou en l'appelant au téléphone, et il se souvient du projet quel que soit le canal.

Chaque article sur ce lancement décrit la démo. Presque aucun ne décrit la partie qui détermine si vous pouvez réellement lâcher un de ces agents sur vos comptes : l'architecture de permissions. C'est le sujet de cette page — avec, en plus, une comparaison honnête avec ce qu'Anthropic propose déjà, car les deux entreprises ont résolu le même problème à des niveaux délibérément différents.

What you'll learn
  • Expliquer ce qu'est un dot au niveau du mécanisme : ordinateur cloud, navigateur, mémoire persistante, recherche proactive
  • Lire l'échelle de permissions à cinq échelons et savoir lesquels vous pouvez configurer et lesquels vous ne pouvez pas
  • Comprendre pourquoi 'lecture seule pendant la recherche proactive' est une restriction de capacité, pas une instruction — et pourquoi cette distinction est toute l'histoire de la sécurité
  • Interpréter correctement les évaluations de sécurité publiées (elles mesurent le modèle de base, pas l'exécution des tâches par le dot)
  • Comparer un dot aux Claude Managed Agents, à Cowork et aux agents en arrière-plan de Claude Code, et choisir le bon niveau pour votre problème
  • Connaître les changements de plans et de tarifs annoncés le même jour, y compris la réduction du Pro 200

La version en un paragraphe​

Un dot est un agent nommé et persistant plutôt qu'une conversation. Il tourne sur GPT-6 Astra, dispose d'un ordinateur cloud et d'un navigateur dédiés dont les sessions sont séparées de vos propres connexions, atteint plus de 4 000 applications via l'écosystème de plugins d'OpenAI, et continue de travailler quand vous fermez l'onglet. Quand vous ne lui parlez pas, il effectue une recherche proactive — il scanne vos applications connectées avec un sous-ensemble lecture seule de ses outils pour déterminer quoi faire ensuite. Tout ce qu'il fait passe par une revue automatique par rapport à vos instructions, vos Custom Rules et les exigences de sécurité intégrées d'OpenAI avant de s'exécuter. Votre premier dot est inclus dans les plans éligibles ; d'autres sont promis en option payante.

Ce qui est vraiment nouveau ici​

Les boucles d'agents hébergées ne sont pas nouvelles — OpenAI a lancé l'Agents API en septembre, Anthropic fait tourner les Managed Agents depuis avril. Trois choses sont nouvelles avec dots, et ce sont des décisions produit, pas des décisions de modèle.

1. L'agent est l'unité, pas la session. Managed Agents et l'Agents API vous donnent tous deux des sessions durables qu'un développeur crée et détruit. Un dot est une chose que vous nommez, qui persiste à travers les canaux, et qu'un non-développeur possède. Le modèle mental se rapproche davantage d'un « identifiant Slack d'un collègue » que d'une « ressource API ».

2. Le temps d'inactivité est productif par conception. La plupart des environnements d'exécution d'agents sont pilotés par la requête : vous appelez, il travaille, il s'arrête. L'état par défaut d'un dot est chercher quelque chose à faire. Cela inverse le mode d'échec. La question n'est plus « mon agent a-t-il terminé la tâche » mais devient « qu'est-ce que mon agent a décidé de regarder pendant que je dormais ».

3. L'identité est séparée de votre identité. Le dot navigue sur sa propre machine avec ses propres sessions. C'est l'opposé du modèle des navigateurs à connexion partagée pour agents, où tout l'intérêt est que l'agent hérite de vos cookies. La séparation est plus sûre mais aussi plus faible : certains sites bloquent les navigateurs cloud ou exigent une vérification supplémentaire, et un dot qui a besoin de votre vraie session doit le demander.

L'échelle de permissions​

C'est la partie qui vaut la peine d'être lue deux fois. La conception des contraintes d'OpenAI comporte cinq couches, et elles ne sont pas toutes du même type de contrôle — certaines sont architecturales, d'autres relèvent de la politique, et une seule est réellement libre à configurer pour vous.

Guided walkthrough1 of 5
  1. Chaque dot tourne sur son propre ordinateur cloud, séparé de votre machine et de son contenu, sauf si vous connectez explicitement la vôtre. Vous pouvez ouvrir cet ordinateur à tout moment, observer le travail, et prendre le contrôle de sa souris et de son clavier. Un seul ordinateur personnel peut être connecté à la fois. C'est l'échelon de l'observabilité : il ne restreint pas l'agent, il vous permet de l'auditer.

Au-dessus des cinq échelons se trouve une limite absolue : certaines tâches sensibles, comme changer un mot de passe, restent toujours entre vos mains. Pas comme un défaut que vous pouvez basculer — comme une exclusion structurelle.

Pourquoi l'échelon 3 est le plus intéressant​

La plupart du marketing « agent sûr » décrit des règles que le modèle est chargé de suivre. L'échelon 3 est d'une catégorie différente : pendant la recherche proactive, les outils d'écriture ne sont pas du tout dans la boucle. Un agent ne peut pas détourner un outil qu'il n'a pas reçu.

C'est le même principe auquel la section sécurité d'AILmanac arrive sans cesse, côté attaque — voir l'injection de prompt et le durcissement des exécutions autonomes. Les instructions dans le contexte d'un modèle sont des données, et des données peuvent être écrasées par d'autres données. Les liaisons d'outils sont de la configuration, et un prompt compromis ne peut pas les relier.

La conséquence pratique pour vous : le moment dangereux n'est pas la recherche proactive, c'est la transmission. La lecture est en lecture seule. Dès qu'un dot propose une action et que vous l'approuvez, vous retrouvez un agent normal avec des outils d'écriture normaux, agissant sur des conclusions qu'il a tirées en lisant du contenu que vous n'avez pas examiné. Traitez l'invite d'approbation comme la frontière de confiance.

Watch out
  • Un dot qui lit votre boîte de réception, votre outil de tickets et votre CRM a ingéré du texte non fiable venant de quiconque peut vous envoyer un message. Ses propositions découlent de ce texte. Lisez ce qu'il propose, pas seulement s'il a proposé quelque chose.
  • Rédiger n'est pas autoriser. La position même d'OpenAI : qu'un dot rédige un e-mail ne signifie pas qu'il peut l'envoyer. Inscrivez les actions autorisées dans la requête, en particulier pour un travail s'étalant sur plusieurs jours.
  • Les scores de benchmark décrivent le modèle de base, pas votre configuration. Ils ne peuvent pas vous dire si un calendrier connecté est relié au bon compte.

Lire les chiffres de sécurité honnêtement​

Trois chiffres tirés de la fiche système de GPT-6 Astra sont cités dans la couverture médiatique de dots. Chacun mesure quelque chose de plus étroit qu'il n'y paraît.

ChiffreCe qu'il ditCe qu'il ne dit pas
0 attaque réussie évaluée sur 100 exécutions à travers 50 000 e-mailsLa génération massive d'e-mails malveillants n'a pas été possible dans ce cadre de testRien sur un mésusage ciblé et à faible volume, ni sur du contenu injecté dans un e-mail que le dot lit
91,8 % de taux de réussite d'alignement sur les changements de permissionsDans environ 9 essais sur 10, le modèle a géré un scénario de changement de permission comme prévuLes ~8 % restants correspondent à une décision de permission qui va dans le mauvais sens. Sur un agent toujours actif, cette fraction est échantillonnée en continu, pas une seule fois
19,7 % de signalements modérés avec dix tâches enchaînées, aucune violation grave ni exfiltration observéeLes chaînes longues déclenchent des signaux d'alerte sur une exécution sur cinq« Modéré » est une étiquette de notation propre au référentiel du fournisseur, et « aucune violation grave observée » est une observation, pas une preuve

La bonne lecture n'est pas « 91,8 % est-il bon ». C'est le taux multiplié par l'exposition. Un assistant ponctuel que vous invoquez vingt fois par jour échantillonne cette distribution vingt fois. Un agent toujours actif avec recherche proactive l'échantillonne à chaque fois qu'il décide de se réveiller, un chiffre qu'OpenAI n'a pas publié.

Dots face à ce qu'Anthropic propose déjà​

Il n'existe aucun produit Claude qui corresponde exactement, car Anthropic a placé la même capacité un niveau plus bas — dans l'API — et vous a laissé le packaging.

OpenAI dotsClaude Managed AgentsClaude Cowork / équipes d'agents
Qui en crée unTout utilisateur sur un plan éligible, dans l'application de bureau ChatGPTUn développeur, via l'APIUn utilisateur, dans l'espace de travail de bureau
Unité de persistanceLe dot (nommé, longue durée)Agent + session + environnementL'espace de travail et ses fils
Tourne en votre absenceOui, par conception — recherche proactiveOui, via des déploiements planifiés (cron)Lié à l'espace de travail
Qui décide du moment d'agirLe modèleVotre planification ou votre appelVous
Compute et navigateur propresOui, par dotOui, environnements/sandboxesContexte local du bureau
Plafond de coût strictNon publié par dot ; absorbé dans les allocations du planOui — budgets de session avec un motif d'arrêt budget_reachedBasé sur le plan
Accessible depuis Slack / Teams / téléphoneOuiCe que vous construisezBureau

Deux différences font une vraie différence :

Initié par le modèle contre initié par la planification. La voie sans supervision d'Anthropic est un déploiement cron : vous choisissez quand il s'exécute. Un dot choisit lui-même. Les réveils décidés par le modèle sont strictement plus utiles et strictement plus difficiles à raisonner, car votre question d'audit passe de « qu'est-ce qui a tourné à 3h00 » à « pourquoi a-t-il pensé que 3h00 était le bon moment ».

Un plafond en dollars est une primitive d'un côté et pas de l'autre. Managed Agents arrêtera une session à un plafond de tarif au taux catalogue et vous dira pourquoi. Le coût d'un dot est intégré dans les allocations du plan — ce qui est plus convivial jusqu'à ce que vous vouliez un budget par agent pour un processus sans supervision. Si c'est votre exigence, c'est un argument pour construire sur une API plutôt que d'adopter un produit.

Si vous voulez la comparaison complète au niveau développeur, c'est une page séparée : OpenAI Agents API vs Claude Managed Agents.

Les plans, et la réduction annoncée le même jour​

Dots est réservé aux paliers payants — les rapports au lancement pointent vers ChatGPT Pro, Business Premium et Enterprise, les espaces de travail Enterprise, Edu et Healthcare étant désactivés par défaut jusqu'à ce qu'un administrateur les active. Votre premier dot est inclus ; des dots supplémentaires et un débit plus élevé sont promis en option payante, aux conditions pas encore annoncées. Discuter avec un dot ne compte pas dans vos limites d'usage ChatGPT, mais le travail qu'il exécute dans Codex ou ChatGPT Work en compte.

Annoncé le même jour, et beaucoup moins discuté :

  • L'usage inclus du Pro 200 est divisé par deux le 30 octobre — passant d'environ 20 fois l'allocation Plus à 10 fois, à travers ChatGPT Work et Codex, avec les messages GPT-6 Pro passant de 200 à 100 par semaine. Les abonnés existants conservent leurs limites actuelles jusqu'au 29 octobre et reçoivent un crédit d'usage unique de 2 500 $ expirant à la fin de l'année.
  • Un nouveau palier Pro 500 à 500 $/mois — annoncé à 25 fois l'allocation Plus, et le seul plan Pro avec Ultrafast, qu'OpenAI décrit comme allant jusqu'à 8 fois plus vite en génération de tokens dans Codex (environ 300 tokens par seconde).

Lisez ces deux points ensemble. Le titre est un agent plus performant ; la petite ligne en dessous est que l'allocation qui l'alimente a diminué au palier où se trouvent la plupart des power users. C'est ce chiffre-là qu'il faut modéliser avant de planifier un workflow autour d'un dot.

Pro tip
  • Si vous évaluez sérieusement le prix d'un agent toujours actif, modélisez l'allocation, pas l'abonnement. La consommation d'un agent proactif est un débit, pas un événement ponctuel, et OpenAI n'a pas publié la fréquence de réveil d'un dot.

Si vous êtes utilisateur de Claude, que devriez-vous faire concrètement​

Rien d'urgent. Mais trois choses valent la peine d'être faites cette semaine.

Guided walkthrough1 of 3
  1. La leçon durable de dots n'est pas « OpenAI a lancé un agent ». C'est que persistant + proactif + lecture seule par défaut est une forme qui fonctionne, et vous pouvez la construire sur Claude dès aujourd'hui : un déploiement Managed Agents planifié avec un ensemble d'outils en lecture seule pour la passe de découverte, et un second déploiement, contrôlé par un humain, qui détient les outils d'écriture. C'est l'échelon 3 et l'échelon 4 de l'échelle, assemblés à la main.

Auditer les liaisons d'outils d'un agent sans supervision

Review this agent configuration and split its tools into two phases.

PHASE 1 (discovery, runs unattended): only tools that read. No sending,
no writing, no browser control, no shell.
PHASE 2 (action, runs after human approval): everything else.

For each tool, state which phase it belongs in and why. Then flag every
tool currently available during unattended operation that belongs in
phase 2 — those are the blast radius. Finally, tell me what the agent
can no longer accomplish unattended once phase 2 is gated, so I can
judge whether the restriction is affordable.

<paste your agent/tool configuration here>

Les limites que personne n'a publiées​

À garder à l'esprit avant de planifier quoi que ce soit d'important autour d'un dot :

  • La concurrence — combien de tâches un dot exécute à la fois : non publié.
  • Le stockage et le matériel de l'ordinateur cloud : non publiés.
  • L'horizon de mémoire — combien de temps les notes et le contexte d'un dot survivent à travers les semaines ou les mois : non publié. OpenAI décrit le dot comme transportant la mémoire ChatGPT pertinente plus ses propres notes, et précise que ces notes ne sont pas une transcription complète. Prévoyez un rappel avec pertes, pas un journal.
  • La fréquence de réveil pour la recherche proactive : non publiée, et c'est la variable qui détermine à la fois l'utilité et le coût.
  • La compatibilité des sites — certains sites bloquent les navigateurs cloud ou exigent une vérification supplémentaire, si bien qu'un dot peut être pleinement autorisé et pourtant incapable de terminer une tâche.

Sur les données d'entraînement : OpenAI déclare ne pas entraîner ses modèles sur la recherche proactive ni sur les notes d'un dot à lui-même, et que le contenu des espaces de travail Business, Enterprise et Edu n'est pas utilisé par défaut pour améliorer les modèles ; sur les plans personnels, vous contrôlez si les conversations et le travail d'un dot sont utilisés.

Flashcards​

Appuyez sur Entrée ou Espace pour retourner la carte. Utilisez les flèches gauche et droite pour naviguer entre les cartes.Terme affiché.
1 / 10

Quiz​

Check yourself

0/5
  1. Pendant la recherche proactive, qu'est-ce qui empêche un dot d'envoyer un e-mail de sa propre initiative ?
  2. Vous voulez une Custom Rule qui permette à votre dot de changer le mot de passe d'un compte sans vous demander. Que se passe-t-il ?
  3. Quelle comparaison est exacte entre un dot et Claude Managed Agents pour une tâche sans supervision ?
  4. La fiche système d'Astra rapporte un taux de signalement modéré de 19,7 % sur dix tâches enchaînées. Quelle est la bonne façon d'utiliser ce chiffre en évaluant un agent toujours actif ?
  5. Quelle est la frontière de confiance pratique lorsqu'on travaille avec un dot ?

Suivant​

Sources et lectures complémentaires​