OpenAI DevDay 2026 : la plateforme prend forme

OpenAI a organisé DevDay à San Francisco le 29 septembre 2026 ; la présentation d’ouverture correspondait au 30 septembre à Pékin. Son récapitulatif officiel recense plus de 20 annonces. Certaines concernent de nouveaux produits, d’autres étendent des outils existants, et plusieurs restent des préversions ou des promesses de disponibilité ultérieure. Les traiter toutes comme des lancements complets ferait perdre une distinction importante. [1]

Selon notre lecture, OpenAI relie l’intelligence des modèles à l’exécution, au travail partagé et à la distribution. Un modèle répond ; un agent agit ; un espace de travail conserve le résultat ; un plugin fait intervenir une autre application ; un abonnement ou une place de marché contribue à le financer. La question stratégique est de savoir quelle part de cette chaîne les développeurs et les clients choisiront de placer au sein d’une même plateforme.

GPT-6.1 Sol constitue la nouvelle mise à niveau du modèle. Les tarifs standard de l’API pour un contexte court sont de 2 dollars par million de tokens en entrée, 0,10 dollar pour l’entrée en cache et 10 dollars pour la sortie ; les tarifs pour un contexte long diffèrent. Il est disponible via l’API, ChatGPT Work et Codex, mais n’était pas encore proposé dans Chat classique au moment de la publication. OpenAI annonce des performances proches d’Astra dans plusieurs évaluations ; il s’agit d’un résultat communiqué par le fournisseur dans des conditions de test précisées, et non de la preuve d’une performance égale dans tous les processus de travail. [2] [22]

OpenAI indique que Sol égale Astra sur DeepSWE 1.1 pour environ un cinquième du coût par tâche, dépassant le meilleur score de GPT-6 Sol de 6,4 points de pourcentage avec un effort de raisonnement moindre. Sur l’ensemble hors ligne d’OSWorld 2.0, à l’effort maximal, il se situe à 2,1 points d’Astra pour environ un septième du coût par tâche. Astra reste en tête parmi les modèles évalués pour la recherche scientifique. Il s’agit d’une évolution importante du rapport entre capacité et coût, et non de la preuve que Sol l’emporte sur toutes les tâches. [2]

Ce sont des résultats communiqués par le fournisseur dans des évaluations précises. Les paramètres de recherche ou de l’API peuvent différer de ceux de ChatGPT en production, et les résultats des concurrents proviennent de rapports publics. Pour la programmation et les agents, notre déduction est que des modèles plus capables pour le travail courant pourraient devenir assez abordables pour préserver un budget de revue et de nouvelles tentatives, en réservant le recours à des modèles de plus grande capacité aux tâches difficiles. La question utile est de savoir où Sol préserve la qualité dans votre processus, et non si un benchmark autorise à remplacer tous les modèles. [2]

Ultrafast ajoute un niveau de vitesse premium. Astra Ultrafast est disponible, tandis que Sol Ultrafast arrivera plus tard. Private Intelligence apporte une infrastructure liée à la confidentialité : Private Safety Processing permet une revue automatisée de sécurité avec protection du contenu client, tandis que Private Inference est annoncé en préversion pour l’automne. Ce sont des capacités distinctes, pas l’affirmation générale que toutes les charges de travail d’OpenAI s’exécutent déjà de manière confidentielle. [1] [7]

Pour les développeurs, la mesure utile est le coût par résultat accepté. Des tarifs plus bas par token peuvent permettre davantage de vérifications et de nouvelles tentatives ; une génération plus rapide peut raccourcir les itérations. Ni l’une ni l’autre ne supprime la latence des outils, les actions incorrectes ou le travail de revue. Un modèle moins cher mérite un essai sur la charge de travail réelle avant de devenir le choix par défaut.

dots introduit des agents persistants qui mémorisent le contexte et prennent en charge un travail continu grâce aux outils et ordinateurs connectés. Le déploiement est limité par les critères d’éligibilité et les contrôles de l’espace de travail. Codex Cloud transfère les tâches de programmation vers des environnements cloud réutilisables, où le travail peut se poursuivre pendant que l’ordinateur local est en veille. L’exécution dans le cloud se distingue du contrôle à distance d’une machine locale qui doit toujours rester en ligne. [3] [4]

Le Codex CLI renouvelé ajoute l’interaction vocale et une vue /agents. Code Review intègre les processus de revue à l’application de bureau, avec des revues automatiques dans le cloud ; la prise en charge de GitLab reste en préversion. Codex Security Cloud analyse les dépôts GitHub connectés et surveille les commits. Détecter un problème potentiel ou préparer un correctif ne revient pas à démontrer qu’un dépôt est sûr. [1] [17] [18] [19]

Decisions API concentre Luna sur des questions définies par l’utilisateur avec un ensemble fini de réponses ; elle est en préversion limitée. L’Agents API existante s’enrichit de l’utilisation de l’ordinateur, notamment d’un navigateur hébergé. Bedrock Managed Agents est une préversion distincte, native d’AWS. Ces offres répondent à des besoins différents : effectuer un choix contraint, exécuter un agent plus complet ou opérer dans le cadre de la gouvernance AWS. [1] [5] [6]

ChatGPT Space et Pages offrent un contexte partagé et des documents modifiables aux personnes et aux agents. Au lancement, Space permet de créer et de modifier sur le Web et dans l’application de bureau ; sur mobile, il permet de rechercher, lire et partager. Les diapositives collaboratives, avec modification simultanée et exportation, restent à venir. Une démonstration ne signifie pas que toutes les fonctions de collaboration sont déjà disponibles. [10]

Teams et Team Tasks organisent les collègues et le travail récurrent. @ChatGPT dans Slack et Microsoft Teams apporte de l’aide au sein des conversations. Le plugin Meetings transforme les notes de réunion en résumés personnalisés et en actions à réaliser ; il est en bêta sur macOS pour Pro et Business, et une prise en charge plus large reste à venir. Les profils partageables facilitent la découverte des créations. [1] [11] [12]

Un espace de travail durable modifie la question de l’acceptation. Une réponse utile peut devenir un document partagé sur lequel d’autres s’appuieront ensuite pour agir. Les équipes doivent distinguer les sources, la proposition d’un agent, une décision revue et une action déjà effectuée. La modification en temps réel ne fournit pas, à elle seule, cette distinction.

Les extensions de plugins ajoutent des interfaces comme des panneaux latéraux et des visionneuses de fichiers. OpenAI a également annoncé des améliorations pour la création, la soumission et la découverte des plugins. Sites peut héberger des plugins compatibles, et MCP Events peut déclencher des automatisations à partir d’applications connectées. La disponibilité varie selon l’interface : les extensions sur le Web pour Free et Go sont encore à venir, et les mentions dans le champ de rédaction sont réservées à l’application de bureau. [1] [8] [9] [21]

Sign in with ChatGPT associe l’identité à l’utilisation facultative de l’offre dans les outils participants. Les requêtes Plus et Pro éligibles consomment le quota existant de Work et Codex, au lieu de créer une nouvelle réserve illimitée. Un service tiers peut toujours facturer ses propres frais. Cela ne transforme pas le quota du chat classique en clé API généraliste pour n’importe quel programme sur un VPS. [13]

La nouvelle offre Pro 500 augmente l’utilisation et inclut Ultrafast. OpenAI Marketplace permet aux clients d’entreprise éligibles d’affecter une partie d’un engagement de dépenses existant à des logiciels partenaires approuvés. La participation à Marketplace est soumise à des critères commerciaux et à des conditions ; ce n’est pas une promesse de logiciels gratuits. Ensemble, ces changements rendent la distribution et les achats pertinents au même titre que l’accès aux modèles. [20] [14]

TypeSafe AI a présenté Jev le 15 septembre, avant DevDay. Son approche System One reçoit un état non structuré et produit des décisions typées prédéfinies accompagnées de probabilités. Decisions API vise un besoin manifestement proche : classer, orienter et choisir une prochaine action parmi un ensemble fini de réponses. Le recoupement est significatif dans le type d’interface consommée par le logiciel. [15] [1]

La différence compte également. TypeSafe décrit une architecture spécialisée, un échantillonnage parallèle et Reinforcement Learning for Calibrated Decisions. OpenAI présente Decisions comme l’application de Luna à des questions délimitées. Les documents publics examinés ici ne permettent pas d’établir qu’OpenAI a reproduit l’architecture de TypeSafe, sa méthode d’entraînement ou toute la sémantique de ses sorties. Une sortie antérieure et une similarité fonctionnelle ne constituent pas des preuves suffisantes de copie. [15] [1]

Pour un acheteur, il convient de comparer les taux d’erreur sur les cas ambigus, la calibration, l’abstention, la latence et le coût total sur une même charge de travail. Une réponse peut respecter parfaitement son schéma tout en choisissant la mauvaise option. Nous n’avons reproduit les benchmarks d’aucun des fournisseurs ni réalisé d’évaluation comparative directe.

Meta a présenté Muse le 8 septembre. Le travail persistant, un ordinateur et un navigateur personnels dans le cloud, les objectifs mémorisés, l’aide proactive et l’approbation avant les actions sensibles font de Muse un point de comparaison évident pour dots. La ressemblance est suffisamment marquée pour être discutée sans en faire une accusation. [16] [3]

Leur distribution diffère. Muse se concentre sur son application et WhatsApp, et a commencé son déploiement aux États-Unis avec une utilisation gratuite et des formules d’abonnement. dots se connecte à l’environnement de travail de ChatGPT et à des canaux comme Slack et Microsoft Teams, avec des conditions de déploiement liées aux offres payantes et aux entreprises. Ces différences influent sur la manière dont l’utilisateur délègue le travail et dont l’organisation le gouverne. [16] [3]

Les sources examinées ne fournissent aucune preuve vérifiée que dots a copié le code, la conception protégée ou le système interne de Muse. Un positionnement similaire ne démontre pas non plus que les implémentations ont été inventées indépendamment. Ce que nous pouvons étayer, c’est qu’un nouvel entrant arrivé plus tard concurrence une expérience étroitement apparentée. Une allégation de copie exigerait des éléments au-delà d’un calendrier de lancements et d’une liste de fonctionnalités.

Premièrement, les fonctions d’IA ciblées font face à une concurrence accrue des offres groupées des plateformes. Un outil indépendant qui se contente de générer un résumé ou d’encapsuler un modèle peut retrouver sa fonction dans un espace de travail. La connaissance métier, une intégration fiable, des résultats revus et un processus métier complet deviennent des avantages potentiels plus importants. Il s’agit de notre déduction stratégique, pas d’une prédiction selon laquelle tous les spécialistes disparaîtront.

Deuxièmement, la distribution pourrait devenir un choix plus important pour les développeurs. Les plugins natifs et les dépenses partagées peuvent réduire les obstacles à l’adoption, tout en renforçant la dépendance aux règles de découverte, aux permissions et à l’économie de la plateforme. Une équipe doit mesurer si la plateforme lui apporte de nouveaux clients, sans confondre la présence dans un annuaire avec la demande.

Troisièmement, les agents cloud facilitent la fourniture d’un service continu, mais concentrent davantage de responsabilité opérationnelle dans la plateforme d’exécution. Les entreprises auront toujours besoin de permissions vérifiables, de preuves, de travaux exportables et d’un moyen d’arrêter ou de déplacer les tâches. De meilleurs modèles élargissent les possibilités ; ils ne déterminent ni qui contrôle le processus de travail ni si le résultat est fiable.

Choisissez un projet pilote délimité. Une équipe d’ingénierie peut comparer Sol au modèle existant sur des bugs et des changements de code représentatifs. Une équipe opérationnelle peut comparer un service de décision sur des cas de routage étiquetés, en incluant des exemples à faible confiance. Une équipe de contenu peut vérifier si les documents partagés préservent la source, la décision de revue et la version finale lors d’une véritable passation.

Consignez séparément la disponibilité, l’autorisation, le coût et les critères d’acceptation. Vérifiez l’accès réel du compte aux fonctionnalités ; conservez une référence initiale ; mesurez l’achèvement de bout en bout et les corrections humaines. Décidez quelles données et actions appartiennent à la plateforme et lesquelles restent dans les systèmes existants. Préservez une voie de sortie avant de transférer une responsabilité récurrente.

La partie la plus déterminante de DevDay pourrait être le lien entre les annonces. OpenAI propose une part plus grande du lieu où le travail commence, s’exécute, se conserve et s’achète. Jev et Muse montrent que des idées importantes émergent aussi hors de cette plateforme. La réponse utile consiste à évaluer les produits et la dépendance qui se crée avec la même attention.