L'Agents API d'OpenAI : des agents cloud gérés, à vous de choisir où ça tourne

OpenAI a lancé le 10 septembre 2026 son Agents API en bêta publique, annoncée le même jour dans le changelog de l’API. Le principe : mettre à disposition des développeurs le harnais de Codex, le moteur qui fait déjà tourner les agents de code d’OpenAI, sous forme de service géré. Vous envoyez une mission à l’API, OpenAI orchestre l’exécution, et vous choisissez où l’agent travaille.

Pour une PME qui fait développer un agent IA, cette annonce mérite quinze minutes de lecture. Elle ne change pas ce qu’un agent peut faire, elle change ce qu’il faut maintenir soi-même.

Les mots techniques, en clair

Trois termes reviennent partout dans cette annonce.

Le harnais (en anglais « harness ») est le squelette qui fait tenir un agent : gestion du contexte, appel des outils, coordination des sous-tâches, reprise après interruption. C’est la partie invisible mais coûteuse à écrire correctement.

La sandbox est l’environnement de travail de l’agent : une machine isolée où il peut exécuter du code, lire des fichiers, sauvegarder des résultats.

La compaction de contexte est le ménage automatique du fil de travail : quand une session devient longue, le système résume ce qui est acquis pour libérer de la place. Sans elle, un agent qui travaille des heures perd le fil.

Ce que l’orchestration déléguée change vraiment

Avant cette API, une PME qui voulait un agent cloud sérieux choisissait entre deux chemins. Un framework open source comme LangGraph, à installer, configurer et suivre dans le temps. Ou un assemblage maison, à payer en jours de développement.

L’Agents API propose un troisième chemin : OpenAI fournit l’orchestration, vous fournissez le reste. Selon la documentation officielle, un agent se déclare en une requête avec quatre ingrédients : le modèle, les instructions, les outils (y compris des serveurs MCP) et l’environnement d’exécution. Le service gère les sessions durables, le streaming des résultats, les webhooks, la reprise d’une session interrompue et la délégation à des sous-agents.

La documentation cite des exemples concrets de ce que ça permet : un bot Slack qui investigue des demandes avec les outils de l’entreprise, un analyste de données qui répond à des questions avec un accès SQL en lecture seule, un enquêteur de bugs qui reproduit des incidents GitHub et publie ses conclusions.

Si la frontière entre agent et automatisation vous semble floue, notre article sur MCP, tools et skills détaille ce qu’un agent branche et ce qu’il laisse fermé.

Où tournent les outils, et pourquoi c’est la vraie question

Le point le plus intéressant pour une PME n’est pas le harnais, c’est le choix de l’environnement. OpenAI propose trois options : une sandbox hébergée par OpenAI, votre propre infrastructure, ou un partenaire de sandbox. Le harnais reste géré par OpenAI dans tous les cas.

Ce choix sépare deux familles de besoins. Si vos données peuvent sortir vers l’API d’OpenAI sans problème de confidentialité, la sandbox hébergée est la voie la plus rapide : rien à provisionner, la session démarre avec une requête. Si vos données sont sensibles, l’option auto-hébergée garde l’exécution chez vous, mais vous restez responsable de la machine, de ses mises à jour et de son exposition réseau.

Ce sujet a une frontière claire en Suisse : la nLPD et le RGPD. Nous avons traité la question des données clients qu’on peut envoyer à une IA pour les cas où la confidentialité pèse.

Ce que ça coûte, avec les chiffres officiels

La facturation se lit en deux lignes, d’après les pages tarifaires d’OpenAI.

Le modèle est facturé aux tarifs API habituels. Pour GPT-6 Astra, le modèle vedette des exemples de l’Agents API, la page tarifaire annonce 10 $ par million de tokens en entrée et 50 $ en sortie en contexte court, tarifs standard. D’autres modèles de la gamme coûtent beaucoup moins cher : GPT-5.6 Luna est listé à 0,20 $ en entrée et 1,20 $ en sortie.

L’environnement et les outils sont facturés en plus. Une sandbox hébergée coûte, selon la taille du conteneur, entre 0,03 $ (1 Go) et 1,92 $ (64 Go) par session de 20 minutes. Les outils intégrés d’OpenAI, comme la recherche web, ont leurs propres tarifs à l’appel.

Deux lignes pour lire un devis quand un prestataire vous propose un agent sur cette API : combien de tokens par exécution, et combien de temps de session. Une mission de tri qui tourne mille fois par jour sur un petit modèle ne coûte pas la même chose qu’un agent d’analyse qui réfléchit dix minutes sur Astra. Le sujet des coûts comparés SaaS et open source est développé dans notre article Combien coûte un agent IA.

Ce qu’il faut garder sous contrôle

Trois points de vigilance, dans l’ordre.

La sécurité d’abord. Un agent avec des outils agit sur vos systèmes, et l’exemple officiel montre des identifiants de coffre (vault_ids) pour les secrets. Les permissions des outils, la revue de ce que l’agent peut faire sans validation humaine et la gestion des secrets suivent les mêmes règles que pour tout agent.

La jeunesse du produit ensuite. C’est une bêta publique : le SDK passe par des interfaces explicitement marquées bêta et l’en-tête agents=v1. Une intégration sérieuse doit prévoir que les détails peuvent bouger.

Le choix du modèle enfin. L’API s’appuie sur des modèles dont les tarifs varient d’un facteur 50 entre la gamme. Le même agent change complètement de facture selon le modèle assigné, et les modèles les plus chers ne sont pas nécessaires pour trier du courrier ou relire un document.

Par quoi commencer, sans migrer en catastrophe

Si vous avez déjà un agent en production qui fonctionne, il n’y a rien à faire aujourd’hui. Une bêta de deux jours n’est pas une raison de réécrire un existant.

Si vous partez de zéro ou si une mission répétitive traîne, la séquence utile est courte. Choisissez une mission bornée, avec un début, une fin et un livrable vérifiable. Déterminez si ses données peuvent passer par une API externe, sinon l’option auto-hébergée est le vrai sujet. Faites développer un prototype sur une session, avec un suivi du nombre de tokens et du temps de session, puis jugez avec des chiffres.

C’est la même discipline que pour tout lancement d’agent : commencer par notre méthode en cinq étapes pour un premier agent utile, et ne transformer un essai en production qu’après une mesure honnête. Pour le contexte du modèle sous-jacent, notre lecture de GPT-6 Astra reste le point d’entrée.

Les sources de cet article : l’annonce OpenAI du 10 septembre 2026, la documentation de l’Agents API et le changelog avec la page tarifaire de l’API OpenAI, consultées le 11 septembre 2026. Les tarifs cités sont ceux de ces pages à cette date ; une bêta publique peut les faire évoluer.