C'est quoi l'Agents API d'OpenAI ?

L'Agents API est une API publique sortie le 10 septembre 2026 en beta. Elle permet aux développeurs de créer des agents IA qui tournent dans le cloud en un seul appel API. OpenAI gère le harness (orchestration, contexte, subagents), le dev fournit la tâche, le modèle, les outils et l'environnement. C'est le même harness que celui qui fait tourner Codex.

L'Agents API d'OpenAI est-elle disponible en Europe ?

L'API supporte la data residency uniquement aux États-Unis au lancement. Elle ne supporte pas le Zero Data Retention. Héberger le sandbox sur ton infrastructure ne change pas cette limite : la gestion de session reste chez OpenAI aux US. Pour les entreprises européennes avec des données sensibles soumises au RGPD, c'est un blocage.

Quelle différence entre un appel de modèle et un agent ?

Un appel de modèle génère du texte en réponse à un prompt. Un agent a un environnement (sandbox), des outils (fonctions, MCP, web search), une gestion de contexte sur de longues sessions, et peut déléguer des sous-tâches à des subagents. Le modèle est le moteur. Le harness est la voiture. L'Agents API fournit le harness.

Qu'est-ce que le context compaction dans l'Agents API ?

Le context compaction résume automatiquement le contexte précédent quand l'agent s'approche de la limite de son context window. L'agent garde l'information pertinente et continue à travailler sans que le dev ait à coder sa propre logique de compression. C'est ce qui permet aux agents de travailler pendant des heures.

Actualité · Agents IA

OpenAI Agents API : lancer un agent IA en un seul appel, c'est quoi

11 septembre 2026 · 5 min de lecture

Illustration aquarelle d'un petit robot astronaute violet à casque transparent, assis à un bureau miniature avec un seul gros bouton, pressant le bouton d'un doigt tandis que des fils menthe relient le bouton à des icônes en demi-cercle : engrenage, nuage, document, deux mini-robots et globe, avec une carte des États-Unis et un cadenas en dessous, symbolisant l'Agents API d'OpenAI orchestrant outils, sandbox, compaction de contexte, subagents et recherche web en un seul appel

OpenAI a sorti l'Agents API le 10 septembre 2026, en public beta. C'est le harness qui fait tourner Codex, le coding agent d'OpenAI, désormais accessible aux développeurs via une API. Un seul appel suffit pour créer un agent qui tourne dans le cloud, utilise des outils, et travaille pendant des heures sans surveillance.

Avant, si tu voulais construire un agent IA, tu devais coder toute la plomberie : la boucle de raisonnement, la gestion du contexte, les appels d'outils, la récupération après une erreur, le passage de main entre sous-agents. L'Agents API prend tout ça en charge. Tu donnes une tâche, un modèle, des outils et un environnement, et OpenAI fait tourner la machine.

Ce que l'API fait concrètement

Tu appelles l'API avec quatre éléments : la tâche (ce que tu veux que l'agent fasse), le modèle (GPT-6 Astra ou autre), les outils (fonctions personnalisées, MCP servers, web search, exécution de code), et l'environnement (où l'agent exécute son code). OpenAI gère le reste.

L'agent peut travailler pendant des heures. Quand il s'approche de la limite de son context window, l'API compresse automatiquement le contexte précédent pour garder l'information pertinente et continuer. Tu n'as pas à coder ta propre logique de compaction.

L'agent peut déléguer des sous-tâches à des subagents. Chaque subagent a son propre contexte, ce qui lui permet de rester concentré sur sa partie. L'agent principal coordonne le tout et rassemble les résultats. C'est le même pattern que les 10 000 agents qui ont résolu Navier-Stokes, sauf que là c'est l'API qui orchestre, pas toi.

Le sandbox, où l'agent vit

L'agent a besoin d'un endroit pour exécuter du code, lire des fichiers et produire des résultats. OpenAI propose trois options.

Première : le sandbox hébergé par OpenAI. C'est le même que celui qui fait tourner Codex et ChatGPT. OpenAI provisionne et gère l'environnement. Tu mets tes fichiers, tes packages, tes plugins. C'est le plus simple pour démarrer.

Deuxième : ton infrastructure. Tu héberges le sandbox sur tes propres serveurs, dans ton VPC. L'API communique avec ton environnement. Utile si tu as des contraintes de sécurité ou de conformité.

Troisième : les partenaires. Cloudflare, Daytona, DigitalOcean, E2B, Modal, Oracle, Runloop, Vercel. Chacun propose des configurations différentes en termes de CPU, GPU, mémoire, cold start et coût. Tu choisis selon ton workload.

Ce que ça change pour les devs

Avant l'Agents API, construire un agent production-ready demandait des semaines d'engineering. La boucle d'orchestration, la gestion des context windows, la récupération après échec, la coordination de subagents : tout ça était à construire from scratch. Et quand un nouveau modèle sortait, il fallait souvent revoir le harness pour profiter de ses capacités.

Avec l'Agents API, OpenAI maintient le harness et l'améliore avec chaque sortie de modèle. Le harness est open-source (le code de Codex est public sur GitHub), ce qui donne de la visibilité sur la logique de coordination. Tu peux inspecter comment OpenAI structure les appels de modèles, les outils et le contexte.

Côté prix, pas de frais supplémentaire pour l'API elle-même. Tu paies les tokens du modèle, les outils que tu utilises (web search, code execution), et le sandbox hébergé si tu choisis celui d'OpenAI. Le coût dépend de ce que ton agent fait, pas de l'infrastructure qui le fait tourner.

Un exemple chez Maisons&Mobilia

Antoine, lead dev chez Maisons&Mobilia (M&M, enseigne de meubles fictive), veut automatiser la revue de code. Son équipe de 6 développeurs produit beaucoup de PRs, et la revue manuelle prend du temps. Antoine veut un agent qui lit chaque PR, teste le code, et laisse un commentaire avec les problèmes trouvés.

Avant l'Agents API, Antoine aurait dû coder un agent loop, gérer le contexte des PRs longues, connecter les outils (GitHub API, linter, test runner), et gérer les erreurs. L'estimation : 2 à 3 semaines de travail pour un prototype, plus de la maintenance quand les modèles changent.

Avec l'Agents API, Antoine écrit un appel qui décrit la tâche (« reviens les PRs ouvertes sur le repo X, teste le code dans le sandbox, laisse un commentaire avec les problèmes »), connecte les outils GitHub via MCP, et choisit le sandbox OpenAI pour l'exécution du code. L'agent tourne en arrière-plan, compacte son contexte entre les PRs, et coordonne les revues en parallèle avec des subagents.

La limite : l'Agents API supporte la data residency uniquement aux États-Unis, et n'offre pas le Zero Data Retention. Si M&M a des contraintes RGPD qui exigent que les données restent en Europe, l'API ne convient pas pour l'instant. Antoine peut héberger le sandbox sur son infrastructure, mais la gestion de session, elle, reste chez OpenAI aux US. C'est un blocage pour les entreprises européennes avec des données sensibles.

Ce que ça change si tu apprends l'IA

Un agent, c'est pas juste un modèle. L'Agents API rend visible ce qui était caché : le harness. Le modèle génère du texte, mais c'est le harness qui orchestre les outils, compacte le contexte, et coordonne les subagents. Comprendre cette séparation, c'est savoir pourquoi on parle d'agents et pas de chatbots. Un chatbot génère des réponses. Un agent a un environnement, des outils, et une autonomie d'exécution.
L'infrastructure compte autant que le modèle. Les agents qui ont résolu Navier-Stokes, ceux qui ont piraté DseWiki, ceux qui font tourner Codex : tous utilisent un harness. La qualité du harness détermine si l'agent reste cohérent sur 88 heures ou s'effondre après 20 étapes. L'Agents API rend ce harness accessible sans que tu aies à le construire.
Les limites de compliance sont le vrai frein. La techno est là. Ce qui bloque l'adoption, c'est la data residency (US seulement) et l'absence de Zero Data Retention. Si tu construis des agents en Europe avec des données sensibles, tu ne peux pas utiliser l'Agents API pour l'instant. Cette limite est plus importante que la technologie elle-même.

La compétence pratique : comprendre la différence entre un appel de modèle et un agent qui tourne dans un environnement. Le modèle est le moteur. Le harness est la voiture. L'environnement est la route. L'Agents API te donne la voiture et la route. Il ne te donne pas le droit de conduire partout.

Aller plus loin

Pour comprendre comment un agent IA utilise des outils et enchaîne des étapes, notre article sur comment fonctionne un agent IA pose les bases du tool use et de l'orchestration. Pour voir les garde-fous à mettre en place quand un agent accède à tes données, le guide sur les garde-fous des agents IA détaille le moindre privilège et le human in the loop. Pour comprendre le contexte de la bataille des frontier, notre article sur GPT-6 Astra et l'ère AGI couvre le modèle qui alimente l'Agents API. Et pour t'entraîner à ces notions en 5 minutes par jour, l'app saisir.ai propose des modules interactifs sur les agents, les outils et le déploiement, en français, sans coder.

Sources

Questions fréquentes

C'est quoi l'Agents API d'OpenAI ?: L'Agents API est une API publique sortie le 10 septembre 2026 en beta. Elle permet aux développeurs de créer des agents IA qui tournent dans le cloud en un seul appel API. OpenAI gère le harness (orchestration, contexte, subagents), le dev fournit la tâche, le modèle, les outils et l'environnement. C'est le même harness que celui qui fait tourner Codex.
L'Agents API d'OpenAI est-elle gratuite ?: Pas de frais supplémentaire pour l'API elle-même. Tu paies les tokens du modèle utilisé, les outils (web search, code execution) et le sandbox hébergé si tu choisis celui d'OpenAI. Le coût dépend de ce que ton agent fait, pas de l'infrastructure de l'API.
L'Agents API d'OpenAI est-elle disponible en Europe ?: L'API supporte la data residency uniquement aux États-Unis au lancement. Elle ne supporte pas le Zero Data Retention. Héberger le sandbox sur ton infrastructure ne change pas cette limite : la gestion de session reste chez OpenAI aux US. Pour les entreprises européennes avec des données sensibles soumises au RGPD, c'est un blocage.
Quelle différence entre un appel de modèle et un agent ?: Un appel de modèle génère du texte en réponse à un prompt. Un agent a un environnement (sandbox), des outils (fonctions, MCP, web search), une gestion de contexte sur de longues sessions, et peut déléguer des sous-tâches à des subagents. Le modèle est le moteur. Le harness est la voiture. L'Agents API fournit le harness.
Qu'est-ce que le context compaction dans l'Agents API ?: Le context compaction résume automatiquement le contexte précédent quand l'agent s'approche de la limite de son context window. L'agent garde l'information pertinente et continue à travailler sans que le dev ait à coder sa propre logique de compression. C'est ce qui permet aux agents de travailler pendant des heures.