Présentation
OpenAI a dévoilé Dots, une suite d’agents logiciels qui s’appuient sur le modèle GPT‑6 Astra. Chaque agent possède son propre ordinateur cloud et peut exécuter des tâches sans intervention humaine. Le service s’adresse aux utilisateurs de ChatGPT, Slack, Teams et à plus de 4 000 applications tierces, ce qui crée un réseau d’automatisation transversal.
Architecture et intégrations
Les agents Dots sont déployés sur l’infrastructure cloud d’OpenAI, où chaque instance reçoit un environnement d’exécution isolé. L’architecture repose sur un orchestrateur qui reçoit les objectifs de l’utilisateur, traduit les consignes en appels API et orchestre les réponses des modèles. L’intégration avec les plateformes tierces s’effectue via des connecteurs pré‑configurés : les agents peuvent lire et écrire des messages dans Slack, créer des tickets dans Teams ou interroger des bases de données via des webhooks. Cette couche d’abstraction réduit le besoin de scripts personnalisés et garantit une cohérence des autorisations entre les services.
Performances et modèle économique
OpenAI propose également GPT‑6.1 Sol, décrit comme offrant une intelligence proche de GPT‑6 Astra à un cinquième du coût. Les benchmarks de codage montrent que Sol dépasse les modèles précédents sur les suites de tests de programmation, tout en conservant la même précision sur les requêtes PDF complexes que Astra. Le modèle est disponible via l’API OpenAI avec plusieurs niveaux de tarification : un niveau gratuit limité à 10 000 tokens par mois, puis des paliers payants qui facturent à 0,0004 $ par token, soit cinq fois moins cher que le tarif standard d’Astra. Cette réduction de coût vise à rendre les agents Dots accessibles aux petites équipes et aux startups.
Analyse des risques et limites
OpenAI a intégré des mécanismes de sécurité dans chaque agent : des filtres de sortie, une surveillance en temps réel des appels réseau et une capacité de réinitialisation en cas de comportement inattendu. Malgré ces garde‑fous, la capacité des agents à interagir avec plus de 4 000 services augmente la surface d’exposition aux vulnérabilités tierces. La documentation indique que les agents ne supportent pas encore les flux de données en continu (streaming) ni les notifications de contrôle avancées comme les champs « gap » ou « terminated » du protocole MCP. De plus, la précision factuelle, bien que améliorée, reste dépendante de la qualité des sources d’entraînement, ce qui peut entraîner des réponses erronées dans des contextes critiques.
