ChatGPT Dots : usages, fonctionnement et risques

De la conversation à l'assistance continue

Un chatbot « classique » fonctionne sur demande : vous donnez une consigne, il génère une réponse, puis l'échange s'arrête. Un agent toujours actif peut, lui, suivre un flux de tâches et intervenir quand quelque chose semble important. Par exemple, il peut repérer qu'un rendez-vous a changé, qu'un paiement a échoué, ou qu'un message mérite une réponse.

Au fond, ce n'est pas que de la technique. Ça déplace la question. On ne se contente plus de demander : « La réponse est-elle correcte ? ». On veut aussi savoir : quelles infos il consulte, à quel moment il agit, et qui valide.

Un agent généraliste construit avec des briques connues

Ce type d'agents reprend des mécanismes déjà populaires dans d'autres usages d'agents IA : un modèle d'IA, des outils pour naviguer et exécuter des tâches en plusieurs étapes, parfois avec un ordinateur ou des interfaces distantes. Le champ d'action s'élargit ensuite à des tâches personnelles et administratives.

Le résultat peut donner l'impression d'un assistant qui « comprend » votre situation. En réalité, il interprète des consignes et des données, puis choisit des actions dans un cadre de permissions définies. Il peut être très efficace sur des processus lisibles et répétitifs, sans pour autant saisir toutes les nuances d'une relation pro ou d'une situation familiale.

D'où l'intérêt de distinguer l'automatisation d'une tâche de la délégation d'une responsabilité. Préparer un brouillon de réponse, c'est simple. Décider tout seul de l'envoyer à un client ou de modifier un engagement, c'est une autre histoire. Pour recadrer le sujet dans un paysage plus large, vous pouvez aussi lire notre guide sur les agents IA et leurs usages en entreprise.

Exemples d'usages concrets

Les scénarios les plus convaincants sont ceux qui combinent une information disponible, une règle claire et un résultat vérifiable. Un Dot peut par exemple :

• faire un point régulier sur les rendez-vous et signaler les changements d'agenda ;
• repérer certains messages ou incidents à partir des données des applications connectées ;
• préparer une réponse, un document ou une facture à valider ;
• analyser un problème technique et proposer des pistes de diagnostic ;
• suivre des données récurrentes et mettre à jour une analyse quand ça change ;
• chercher une solution de remplacement quand une réservation est annulée.

En entreprise, on peut imaginer un agent qui rassemble les demandes reçues sur plusieurs canaux, prépare un résumé quotidien et remonte les cas qui nécessitent une décision. Sur le papier, ça peut réduire le temps passé à trier. Mais la valeur dépend beaucoup de la qualité des règles définies, des intégrations disponibles, et de la capacité à vérifier ce qui est produit.

La proactivité a un prix

Un assistant qui agit tout seul peut limiter les oublis. Mais il peut aussi générer du bruit. S'il prévient pour chaque notification de paiement ou chaque changement mineur, vous allez finir par ignorer ses alertes. Du coup, la proactivité n'a de sens que si l'agent sait distinguer « nouveau mais banal » de « nouveau et vraiment important ».

Il faut aussi organiser la validation. Un modèle raisonnable consiste à autoriser l'agent à consulter, classer ou préparer, tout en demandant votre accord pour toute action externe : envoyer un courriel, modifier un document partagé, effectuer une réservation ou engager une dépense. On perd un peu d'autonomie, mais on limite les dégâts en cas de mauvaise interprétation.

Pour décider si un cas d'usage vaut le coup, posez-vous trois questions : l'action est-elle fréquente ? le résultat est-il vérifiable ? une erreur est-elle réversible ? Si c'est répétitif, contrôlable et peu risqué, automatiser se justifie plus facilement. Si ça touche à une décision sensible ou difficile à corriger, l'agent doit rester copilote. Notre article sur l'automatisation des tâches avec l'IA peut aider à cadrer ces choix.

Le risque le plus courant : rater ce qui compte

Le test ne décrit pas une erreur spectaculaire. Le problème, c'est plutôt la « sélection » : le Dot peut manquer des éléments importants tout en attirant l'attention sur des alertes plus faciles à classer. Il a, par exemple, notifié des alertes de paiement ou de livraison, mais pas un courriel professionnel demandant de suspendre le démarrage d'un travail.

Ce n'est pas une panne « évidente ». Quand l'agent ne signale rien, on peut croire qu'il ne s'est rien passé d'important. Pourtant, son silence peut aussi vouloir dire qu'il n'a pas compris le contexte, qu'il n'a pas repéré le message, ou qu'il a mal évalué l'urgence. Donc : l'absence d'alerte n'est pas une preuve qu'il n'y a rien à traiter.

Et c'est là un écart assez classique dans ces systèmes : réussir sur des tâches courantes est souvent plus simple que garantir une fiabilité presque parfaite dans les cas ambigus. En usage personnel, un oubli peut être gênant. Dans un contexte pro, ça peut coûter du temps, retarder une promesse, ou mener à une décision prise avec des informations incomplètes.

Une méthode prudente pour démarrer

Plutôt que de confier d'emblée toute une boîte mail, commencez par un périmètre restreint. Par exemple, demandez-lui de résumer votre agenda ou de classer des messages sans supprimer ni répondre. Regardez le résultat sur des cas réels, y compris des exceptions, avant d'élargir les permissions.

Pour augmenter progressivement l'autonomie, vous pouvez viser ce rythme :

1. Lecture seule : l'agent consulte et produit un résumé.
2. Préparation : il rédige ou propose une action, sans l'exécuter.
3. Validation humaine : il réalise l'action après votre accord explicite.
4. Automatisation limitée : certaines actions simples et réversibles peuvent être autorisées.

Ajoutez aussi des règles écrites : quels types de messages remontent, quelles actions sont interdites, et quels événements exigent toujours une validation. Oui, ça peut sembler lourd dans un test « perso ». Mais dès que l'agent touche à des données professionnelles ou à des engagements envers des tiers, cette discipline devient nécessaire.

Vérifier les permissions et la confidentialité

Avant de connecter un compte, vérifiez les accès accordés, les paramètres de confidentialité et ce qui s'applique dans votre organisation. D'après les informations rapportées dans la source, les comptes personnels peuvent autoriser par défaut l'utilisation des données pour améliorer les modèles ; un réglage dédié permet de désactiver cette option. Les offres Business et Education suivent des paramètres distincts. Comme ces règles peuvent bouger, vérifiez ce qui est en vigueur dans votre compte avant de relier des données sensibles.

Pour limiter l'exposition, quelques mesures simples :

• commencez par des comptes ou des espaces de travail non sensibles ;
• n'accordez que les permissions nécessaires à votre cas d'usage ;
• demandez une validation pour les envois, les paiements et les modifications importantes ;
• évitez de connecter des données de santé, des secrets commerciaux ou des informations réglementées sans analyse préalable ;
• prévoyez une façon de révoquer rapidement les accès ;
• contrôlez régulièrement ce que l'agent a fait.

En entreprise, il faut aussi regarder le RGPD : finalité du traitement, minimisation des données, durée de conservation, information des personnes et rôle des prestataires. La conformité ne se résume pas à cocher une option. Si l'agent traite des infos de clients ou de salariés, faites valider le dispositif par les responsables sécurité et protection des données. Pour aller plus loin, consultez notre dossier sur l'éthique et la gouvernance de l'IA.

Disponibilité et prix annoncés

D'après les informations de lancement rapportées par Zapier, le premier Dot était inclus dans certaines offres ChatGPT Pro et Business Premium, sans décompte des usages sur les limites habituelles. L'offre Pro était annoncée à plusieurs niveaux de prix, entre 100 et 500 dollars par mois. Business Premium était indiqué à partir de 100 dollars par utilisateur et par mois, avec facturation annuelle. Les offres Enterprise et Education étaient proposées en bêta avec une tarification personnalisée.

Au moment du test, les utilisateurs des offres gratuites, Go et Plus n'avaient pas encore accès à la fonctionnalité. La disponibilité dépendait aussi des régions : l'article mentionnait des restrictions pour certains comptes Pro en Europe et au Royaume-Uni. Ces conditions, prix et accès peuvent évoluer rapidement. Vérifiez donc les informations officielles affichées dans votre compte avant de vous engager.

Et le prix d'abonnement n'est qu'une partie du calcul : il faut aussi compter le temps nécessaire pour configurer les permissions, tester les tâches, puis contrôler régulièrement ce qui sort. Pour une équipe, la question devient donc moins « combien coûte un Dot ? » que « combien de temps gagné, pour quel niveau de risque, et avec quelle supervision ? ».

OpenAI mentionne aussi des usages futurs basés sur plusieurs agents spécialisés qui coopéreraient. C'est une piste intéressante pour le traitement de factures, les achats ou le support client. Mais, aujourd'hui, les promesses ne doivent pas remplacer la réalité du produit. Et quand un outil peut agir sur des systèmes « réels », le déploiement progressif reste plus sain qu'une automatisation globale difficile à corriger.