OpenAI part à l’assaut de Grok et de JEV

Le titre se confirme: OpenAI vise Grok et JEV

OpenAI ne veut plus seulement être l’entreprise du chatbot intelligent. DevDay 2026 a montré une ambition plus large: devenir la couche de travail où un agent garde le contexte, surveille les tâches, choisit des actions et fait avancer les projets en arrière-plan. Les deux annonces qui résument le mieux ce virage sont Dots, les nouveaux agents persistants intégrés à ChatGPT, et Decisions API, une interface développeur pensée pour des décisions bornées et rapides [1][3].

C’est précisément pour cela que l’idée d’un OpenAI «qui vient chercher Grok et JEV» tient debout. Dots s’inscrit dans la vague des assistants toujours présents, un terrain où l’on pense déjà à Grok Bots et à d’autres agents personnels persistants. Decisions API, de son côté, ressemble à une réponse directe aux systèmes de type JEV: moins de conversation, plus de jugement structuré à partir d’un ensemble de réponses possibles [6][7].

Dots: l’agent qui reste au travail

OpenAI présente Dots comme des agents «always-on» capables de travailler pour l’utilisateur, propulsés par GPT-6 Astra, dotés de leur propre ordinateur dans le cloud et connectables à plus de 4 000 applications via des plugins [1]. Le point important n’est pas seulement la puissance du modèle; c’est le mode de fonctionnement. Un dot est conçu pour conserver du contexte, travailler entre deux conversations et revenir avec des résultats plutôt que d’attendre passivement la prochaine instruction [1].

En pratique, OpenAI tente de faire passer ChatGPT d’un outil de questions-réponses à un environnement où un assistant durable connaît vos objectifs, vos standards, vos outils et vos obligations récurrentes. L’entreprise indique qu’un dot peut utiliser son propre navigateur, son propre ordinateur cloud et les applications connectées; il peut aussi fonctionner dans ChatGPT, Slack et Teams, avec des fonctions de SMS selon les marchés, les comptes et les disponibilités [1].

Ce positionnement donne au produit une dimension plus large qu’une simple fonctionnalité. L’utilisateur ne demande pas seulement à un modèle de rédiger un e-mail; il délègue une responsabilité. Un dot peut suivre des retours clients, préparer des corrections de code, réviser des supports de lancement, mettre à jour des analyses de recherche ou préparer des contenus, tout en laissant à l’humain le rôle de validation pour les actions importantes [1].

Pourquoi cela menace les agents façon Grok

La comparaison avec Grok ne signifie pas que les architectures sont identiques. Elle concerne plutôt le positionnement produit. OpenAI place un assistant persistant au cœur de ChatGPT, là où de nombreux utilisateurs écrivent, codent, cherchent, organisent des documents et collaborent déjà. Le test publié par Every après DevDay estime que Dots paraîtra familier à ceux qui ont utilisé Grok Bots, Muse, Instinct ou d’autres agents toujours actifs, avec une identité visuelle qui s’inscrit dans cette même catégorie émergente [6].

L’avantage qu’OpenAI recherche tient à deux mots: distribution et contexte. Les agents de type Grok peuvent être puissants lorsqu’ils sont proches d’un graphe social ou d’un flux conversationnel en temps réel. OpenAI fait un autre pari: si ChatGPT est déjà l’établi quotidien de l’utilisateur, alors l’assistant permanent doit vivre là, à côté des fichiers, du code, des plugins, des réunions et des espaces d’équipe.

Axios a décrit DevDay comme le moment où OpenAI pousse l’IA «au-delà du chatbot», vers des logiciels capables de travailler de manière indépendante pour l’utilisateur; le média a aussi qualifié Dots de plus grand pari grand public d’OpenAI, en soulignant la possibilité d’attribuer des projets, de connecter des applications et de laisser l’agent continuer en arrière-plan [5]. La menace pour les concurrents est claire: le meilleur agent ne sera peut-être pas celui qui a la personnalité la plus visible, mais celui qui est déjà branché sur le travail quotidien.

Permissions, contrôle et problème de confiance

Les caractéristiques qui rendent Dots séduisant sont aussi celles qui le rendent sensible. OpenAI explique que chaque dot fonctionne sur son propre ordinateur cloud, tandis que l’ordinateur local de l’utilisateur reste séparé sauf connexion explicite [1]. L’entreprise affirme aussi que les dots peuvent utiliser des outils connectés en lecture seule pour la recherche proactive, tandis que les actions plus risquées passent par des règles, des validations et des mécanismes d’auto-review [1].

C’est essentiel, car un agent persistant n’est pas seulement un chatbot plus rapide. Il peut accumuler du contexte, créer des mémoires, lire des données connectées et agir dans plusieurs services. OpenAI indique que l’utilisateur choisit les applications accessibles, définit des règles personnalisées et suit l’activité de l’agent [1]. L’entreprise rappelle également que les dots peuvent se tromper et qu’il faut vérifier les travaux à conséquences importantes [1].

Toute la catégorie repose sur cet équilibre. Si l’assistant ne peut rien faire sans autorisation, il redevient une interface de chat. S’il peut trop faire, il devient un risque de sécurité et de confiance. La posture initiale d’OpenAI consiste donc à promettre un agent puissant mais borné: isolé dans le cloud par défaut, relié aux applications par permissions et soumis à approbation pour les opérations sensibles.

Decisions API: le moment JEV d’OpenAI

Si Dots est la vitrine grand public et professionnelle, Decisions API est le signal le plus direct envoyé à JEV. Dans son récapitulatif DevDay, OpenAI explique que Decisions API concentre l’intelligence de Luna sur des questions définies par l’utilisateur, avec des réponses finies et prédéfinies; les développeurs fournissent du texte ou des images comme contexte, puis reçoivent une réponse utilisable pour classer du contenu, router une requête ou choisir la prochaine action d’un agent [3].

C’est très proche de l’histoire qui a rendu JEV intéressant. Le message de JEV était que de nombreux processus métiers n’ont pas besoin de prose fluide; ils ont besoin d’une décision rapide et typée. Ce ticket va-t-il au support ou à la facturation? Cette transaction est-elle risquée? Quelle action l’agent doit-il essayer ensuite? ITmedia a présenté Decisions API comme une initiative d’OpenAI dans le sillage de JEV, en notant que les deux approches privilégient le jugement structuré plutôt que la conversation façon ChatGPT [7].

La différence est qu’OpenAI peut immédiatement rattacher cette brique à une plateforme plus large. Decisions n’est pas isolé: l’API se trouve à côté de Dots, Codex, Agents API, l’usage d’ordinateur et les espaces de travail ChatGPT. Un système de décision bornée devient particulièrement précieux lorsque des agents doivent effectuer des milliers de petits choix sans lancer à chaque fois une boucle de raisonnement coûteuse.

Pourquoi les petites décisions peuvent devenir une grande infrastructure

Decisions API pourrait compter justement parce qu’elle est étroite. OpenAI dit viser des ensembles de réponses finis, pas la génération libre [3]. Cette contrainte est une force produit. Elle donne aux développeurs un contrat plus propre: définir la question, définir les réponses autorisées, fournir le contexte, puis intégrer le résultat dans un flux de travail.

Every présente Decisions comme la réponse d’OpenAI à JEV et souligne l’entrée image comme différenciateur possible, tout en rapportant des tests précoces nuancés: certaines tâches favorisaient Decisions, tandis qu’un autre test de classification de conversations donnait à JEV un avantage de latence avec une précision similaire [6]. Autrement dit, ce n’est pas une victoire automatique d’OpenAI. C’est le début d’une bataille de catégorie autour de la calibration, de la latence, du prix, de la disponibilité et de l’intégration.

La variable non résolue est le prix. OpenAI a indiqué que Decisions était en aperçu limité, avec une diffusion plus large prévue dans les jours suivants, mais le récapitulatif DevDay ne donnait pas encore l’économie publique complète du produit [3]. Si l’API devient assez bon marché pour le routage, la modération, le triage et les boucles de contrôle d’agents à haut volume, elle pourrait faire entrer les modèles de décision dans l’architecture logicielle courante. Si elle reste chère, JEV et d’autres spécialistes garderont de l’espace.

Sol, Ultrafast et la stratégie de viabilité économique

DevDay ne portait pas seulement sur les agents. GPT-6.1 Sol compte parce qu’il fournit le socle prix-performance nécessaire à davantage de flux agentiques. OpenAI affirme que GPT-6.1 Sol approche GPT-6 Astra sur le codage agentique, l’usage d’ordinateur et le travail professionnel, pour un cinquième des prix standards d’entrée et de sortie d’Astra [4].

Cela s’inscrit dans une stratégie plus large. Les agents persistants consomment beaucoup de calcul. Ils doivent lire, planifier, appeler des outils, surveiller l’état, résumer et décider en boucle. Un modèle flagship premium ne suffit pas; OpenAI a besoin de modèles moins coûteux et de niveaux de service plus rapides pour rendre ces charges de travail commercialement viables. Le récapitulatif DevDay a aussi présenté Ultrafast comme un niveau de vitesse premium, jusqu’à 8 fois plus rapide en génération de tokens dans Codex et jusqu’à 6 fois dans l’API [3].

L’enjeu n’est pas la vitesse pour la vitesse. Si Dots doit tourner en arrière-plan et si Decisions doit router les étapes d’un agent en temps réel, la latence devient une dimension de la qualité produit. Un agent lent paraît cassé, même lorsqu’il est intelligent. Un agent assez rapide commence à donner une impression de présence.

Le vrai projet: ChatGPT comme espace de travail agentique

Dots et Decisions prennent tout leur sens avec ChatGPT Space, Pages, les extensions de plugins, Codex cloud et Agents API. OpenAI cherche à faire de ChatGPT une surface de travail partagée où humains, agents, fichiers, applications et contexte d’équipe coexistent. Le récapitulatif DevDay décrit ChatGPT Space comme un lieu où les coéquipiers, ChatGPT et le dot d’un utilisateur peuvent travailler à partir d’une connaissance partagée [3].

C’est important parce que les agents ont besoin d’un endroit où vivre. Un assistant persistant devient moins utile si ses résultats se dispersent dans des conversations déconnectées. Une API de décision devient moins utile si ses sorties ne nourrissent pas des outils, des documents, du code ou des automatisations. La réponse d’OpenAI consiste à compresser ces couches dans l’écosystème ChatGPT.

C’est pourquoi ce lancement exerce une pression sur les deux extrémités du marché. Les bots façon Grok affrontent un défi de distribution: peuvent-ils devenir la couche quotidienne de travail avant ChatGPT? Les modèles de décision façon JEV affrontent un défi de plateforme: un spécialiste peut-il rester différencié si OpenAI intègre une brique similaire dans sa pile agentique?

Conclusion

DevDay 2026 n’a pas seulement ajouté un assistant de plus. L’événement a révélé une offensive coordonnée vers les agents persistants, les décisions machine bornées, les modèles capables moins coûteux et les espaces de collaboration avec IA. Dots est le produit visible côté utilisateur et entreprise; Decisions API est la brique développeur susceptible d’alimenter la prochaine couche d’automatisation agentique.

Oui, OpenAI vient bien chercher Grok et JEV. La question est de savoir si les utilisateurs veulent suffisamment un atelier IA unique et intégré pour accepter la complexité et les compromis de confiance d’un assistant toujours actif. Si oui, Dots pourrait devenir la porte d’entrée, et Decisions la couche de routage discrète en dessous.

Sources des dernières 72 heures

1. [1]Introducing dots29 sept. 2026, 02:00
2. [2]Getting started with your dot30 sept. 2026, 06:10
3. [3]DevDay 2026 Recap29 sept. 2026, 02:00
4. [4]The 5 biggest announcements from OpenAI's blockbuster AI conference29 sept. 2026, 20:22
5. [5]Vibe Check: OpenAI DevDay 202629 sept. 2026, 02:00
6. [6]OpenAIが「Jev」に追従、「Decisions API」　Lunaで“リアルタイムに意思決定”29 sept. 2026, 20:42
7. [7]Introducing GPT-6.1 Sol29 sept. 2026, 02:00

Article généré par IA à partir d’une recherche web récente, puis conservé comme instantané éditorial daté.