Depuis le 10 septembre 2026, OpenAI propose en bêta publique une **Agents API** destinée à permettre aux développeurs de construire et d’exécuter leurs propres agents cloud en utilisant une partie de l’infrastructure développée pour Codex.

À première vue, une API supplémentaire dans l’écosystème OpenAI.

En réalité, le changement est beaucoup plus profond.

Jusqu’ici, les développeurs accédaient principalement à l’intelligence d’un modèle.

OpenAI leur propose désormais d’accéder aussi à la mécanique qui permet à cette intelligence de travailler.

## **Le “harness”, l’élément que l’utilisateur ne voit pas**

OpenAI utilise un terme important : **harness**.

On pourrait le traduire imparfaitement par « harnais », « moteur d’orchestration » ou « infrastructure agentique ».

Lorsqu’un utilisateur demande à un agent de réaliser une tâche de plusieurs heures, le modèle linguistique n’est qu’une partie du problème.

Il faut conserver la mémoire de ce qui a déjà été accompli, gérer les fichiers, appeler des outils, exécuter du code, compresser le contexte lorsqu’il devient trop volumineux, reprendre une tâche après une erreur et décider éventuellement de répartir le travail entre plusieurs agents.

C’est cette couche qu’OpenAI ouvre maintenant aux développeurs.

Les notes de version mentionnent notamment des **sessions persistantes**, le streaming de la progression, la compression du contexte, la récupération après incident ainsi que la possibilité de connecter ses propres outils et serveurs MCP.

L’agent peut travailler dans un environnement hébergé par OpenAI ou dans une infrastructure contrôlée par le développeur ou l’un des fournisseurs partenaires.

Il peut y manipuler des fichiers, exécuter du code et conserver des résultats intermédiaires.

## **Codex devient une infrastructure**

C’est probablement le changement stratégique essentiel.

Codex était jusqu’ici principalement perçu comme un outil de développement informatique.

Mais ce qu’OpenAI a appris en construisant Codex peut désormais servir à fabriquer des agents qui n’ont pratiquement rien à voir avec la programmation.

Un développeur pourrait par exemple construire un agent chargé de surveiller quotidiennement plusieurs bases de données, produire une analyse, générer un document puis transmettre le résultat à une autre application.

Un média pourrait imaginer un agent qui rassemble des documents, les compare, vérifie certaines informations, prépare une chronologie et propose ensuite un dossier au journaliste.

Une entreprise pourrait faire travailler un agent sur des milliers de documents internes avant de générer un rapport.

Le modèle produit l’intelligence.

Le harness organise le travail.

## **Les sous-agents changent encore l’échelle**

Autre élément important : l’architecture peut faire appel à des **sous-agents**.

Au lieu de confier toute une mission à une seule instance, un agent principal peut répartir différentes parties du travail entre plusieurs agents spécialisés.

OpenAI cite le témoignage d’un utilisateur pilote selon lequel ce mécanisme a permis de réduire fortement la latence de certains workflows. Il s’agit évidemment d’un témoignage commercial fourni par OpenAI et non d’un benchmark indépendant, mais il illustre la direction prise.

On se rapproche ainsi moins du chatbot que d’une petite organisation numérique.

Un agent planifie.

D’autres recherchent.

D’autres exécutent.

Puis l’agent principal rassemble les résultats.

## **Gratuit… mais pas vraiment sans coût**

OpenAI indique qu’il n’existe pas de supplément spécifique pour utiliser l’Agents API pendant cette bêta : les développeurs paient les modèles et les outils consommés.

Mais cette précision doit être comprise correctement.

Un agent autonome peut générer de nombreux appels de modèles, utiliser des outils et maintenir des environnements de calcul pendant de longues périodes.

Les conteneurs hébergés par OpenAI sont eux-mêmes facturés, tout comme les tokens et certains outils.

Avec GPT-6 Astra, les tarifs standards atteignent actuellement 10 dollars par million de tokens entrants et 50 dollars par million de tokens sortants.

Créer un agent efficace devient donc aussi un exercice d’architecture économique.

Un agent techniquement brillant mais qui mobilise dix sous-agents pendant deux heures pour effectuer une tâche valant quelques dollars n’aura probablement aucun avenir commercial.

## **Après le modèle, la plateforme**

Cette API révèle finalement la bataille suivante de l’intelligence artificielle.

Les grands acteurs ne cherchent plus seulement à produire le meilleur modèle.

Ils veulent devenir **le système d’exploitation du travail effectué par ces modèles**.

Modèles, outils, mémoire, environnements d’exécution, fichiers, connecteurs, sécurité, orchestration de sous-agents : celui qui contrôle cette couche pourrait occuper une position beaucoup plus durable que celui qui possède momentanément quelques points d’avance sur un benchmark.

L’Agents API paraît donc plus discrète que GPT-6 Astra.

Elle pourrait pourtant être stratégiquement tout aussi importante.

Car OpenAI commence à vendre autre chose que de l’intelligence artificielle.

**Elle commence à vendre l’usine dans laquelle cette intelligence vient travailler.**