Maison
Responsable API OpenAI Détails Réussite des entreprises grâce au SDK Agents et à l'API Responses

Lors de la conférence Transform 2025 organisée par VentureBeat, Olivier Godement, responsable produit de la plateforme API d'OpenAI, a donné un aperçu de la manière dont les équipes d'entreprise mettent en œuvre et développent les agents IA.
Au cours d'une table ronde exclusive de 20 minutes que j'ai animée avec M. Godement, l'ancien chercheur chez Stripe et actuel responsable de l'API OpenAI a présenté en détail les derniers outils de développement de l'entreprise, à savoir l'API Responses et le SDK Agents, tout en présentant des applications concrètes, des mesures de sécurité et des exemples de retour sur investissement provenant des premiers utilisateurs tels que Stripe et Box.
Pour les dirigeants d'entreprise qui ont manqué la session en direct, voici les huit points les plus importants à retenir :
Les agents passent rapidement du stade de prototype à celui de production
M. Godement a souligné que 2025 représentera un tournant important dans le déploiement à grande échelle de l'IA. Avec plus d'un million de développeurs actifs chaque mois dans le monde utilisant la plateforme API d'OpenAI et une augmentation de 700 % d'une année sur l'autre de l'utilisation des jetons, l'IA dépasse désormais le stade expérimental.
« Cela fait cinq ans que nous avons lancé GPT-3... et le chemin parcouru depuis lors est vraiment remarquable. »
Il a souligné que la demande actuelle va bien au-delà des chatbots. « Les applications d'IA évoluent, passant de simples questions-réponses à des cas d'utilisation où l'agent peut activement effectuer des tâches à votre place. »
Cette transition a conduit OpenAI à introduire deux outils de développement clés en mars : l'API Responses et le SDK Agents.
Quand utiliser des agents uniques ou des architectures de sous-agents ?
L'un des thèmes centraux était la prise de décision en matière d'architecture. M. Godement a expliqué que si les boucles à agent unique, qui combinent un accès complet aux outils et au contexte dans un seul modèle, sont élégantes en théorie, elles s'avèrent souvent difficiles à mettre en œuvre à grande échelle.
« Il est difficile de créer des agents uniques précis et fiables. C'est vraiment compliqué. »
À mesure que les systèmes deviennent plus complexes, avec des outils supplémentaires, des entrées utilisateur diverses et une logique complexe, les équipes adoptent fréquemment des conceptions modulaires utilisant des sous-agents spécialisés.
« Une approche courante consiste à diviser les agents en plusieurs sous-agents... en appliquant des principes d'ingénierie logicielle tels que la séparation des préoccupations. »
Ces sous-agents fonctionnent comme des rôles au sein d'une équipe : un agent de triage catégorise les demandes, les agents de niveau 1 gèrent les tâches routinières et les autres traitent les cas complexes ou inhabituels.
Pourquoi l'API Responses constitue-t-elle un changement radical ?
M. Godement a décrit l'API Responses comme une avancée fondamentale dans les outils de développement. Auparavant, les développeurs devaient gérer manuellement les séquences d'appels de modèles. Désormais, cette coordination est gérée automatiquement.
« L'API Responses est sans doute la couche d'abstraction la plus importante que nous ayons introduite depuis GPT-3. »
Elle permet aux développeurs de se concentrer sur l'intention plutôt que sur la configuration des workflows des modèles. « Votre objectif est de fournir une excellente réponse au client... l'API Responses gère l'ensemble de ce processus. »
L'API comprend également des fonctionnalités intégrées pour la récupération de connaissances, la recherche sur le Web et l'appel de fonctions, des composants essentiels pour les workflows des agents d'entreprise dans le monde réel.
Observabilité et sécurité intégrées
La sécurité et la conformité ont été soulignées comme des considérations essentielles. M. Godement a mis en avant les principales mesures de protection qui rendent la plateforme OpenAI adaptée aux secteurs réglementés tels que la finance et la santé :
- Refus basés sur des politiques
- Journalisation SOC-2
- Prise en charge de la résidence des données
Il a identifié l'évaluation comme le principal défi à relever pour passer de la démonstration à la production.
« À mon avis, l'évaluation des modèles est probablement le plus grand obstacle à l'adoption généralisée de l'IA. »
OpenAI intègre désormais des outils de traçage et d'évaluation dans la pile API, aidant les équipes à définir des indicateurs de réussite et à surveiller les performances des agents au fil du temps.
« Sans investir dans l'évaluation, il est difficile d'instaurer la confiance nécessaire pour garantir la précision et la fiabilité des modèles. »
Un retour sur investissement rapide est visible dans certaines fonctions spécifiques
Certaines applications d'entreprise affichent déjà des avantages mesurables. M. Godement a donné les exemples suivants :
- Stripe, qui utilise des agents pour accélérer le traitement des factures, rapportant « une résolution des factures 35 % plus rapide »
- Box, qui a déployé des assistants de connaissances permettant un « triage des tickets sans intervention humaine »
D'autres cas d'utilisation à fort impact incluent le support client (y compris les systèmes vocaux), la gouvernance interne et les assistants cognitifs pour naviguer dans des documents complexes.
Ce qu'il faut pour lancer la production
M. Godement a souligné l'importance de l'initiative humaine dans la réussite des déploiements.
« Un petit groupe d'individus très motivés identifie un problème et une solution technologique, puis se lance à corps perdu dans le projet. »
Ces défenseurs internes ne viennent pas toujours d'horizons techniques. Ce qu'ils ont en commun, c'est leur détermination.
« Leur première réaction est : "Comment puis-je faire fonctionner cela ?" »
OpenAI observe que de nombreux déploiements initiaux sont menés par ce groupe, les premiers utilisateurs de ChatGPT en entreprise qui explorent désormais les systèmes d'agents complets.
Il a également mis en évidence un facteur souvent négligé : l'expertise dans le domaine. « Les connaissances essentielles au sein d'une entreprise... ne résident pas chez les ingénieurs, mais chez les équipes opérationnelles. »
Permettre aux non-développeurs d'utiliser des outils de création d'agents est un défi majeur qu'OpenAI s'efforce de relever.
Quelle est la prochaine étape pour les agents d'entreprise ?
M. Godement a donné un aperçu des développements à venir. OpenAI se concentre actuellement sur :
- Les agents multimodaux capables d'interagir par le biais de texte, de voix, d'images et de données structurées
- Une mémoire à long terme pour conserver les connaissances acquises au fil des interactions
- Une orchestration inter-cloud pour prendre en charge des infrastructures informatiques complexes et distribuées
Il ne s'agit pas de changements révolutionnaires, mais d'améliorations progressives qui s'appuient sur les capacités existantes. « Une fois que nous disposerons de modèles capables de traiter des informations en quelques minutes ou quelques heures, plutôt qu'en quelques secondes, cela ouvrira la voie à des applications véritablement révolutionnaires. »
Conclusion : les modèles de raisonnement sont sous-estimés
M. Godement a conclu en réaffirmant sa conviction que les modèles de raisonnement, c'est-à-dire ceux qui sont capables de réfléchir avant de répondre, seront les véritables moteurs de la transformation à long terme.
« Je reste convaincu que nous en sommes actuellement à un stade comparable à celui du GPT-2 ou du GPT-3 en termes de maturité des modèles de raisonnement... Nous commençons seulement à explorer ce que ces modèles peuvent accomplir. »
Pour les dirigeants d'entreprise, la conclusion est claire : l'infrastructure nécessaire à l'automatisation pilotée par des agents est désormais disponible. Le succès dépend de l'identification de cas d'utilisation ciblés, de la responsabilisation des équipes interfonctionnelles et du maintien d'une approche itérative. La prochaine vague de valeur ne proviendra pas de démonstrations spectaculaires, mais de systèmes robustes façonnés par les besoins du monde réel et l'excellence opérationnelle.
Article connexe
Claude, l'IA expérimentale d'Anthropic, mène à bien des négociations et des transactions dans le cadre d'un test de commerce électronique
Alors que l'intelligence artificielle progresse à grands pas, Anthropic a discrètement lancé vendredi dernier une expérience interne baptisée « Project Deal », visant à mettre en avant le potentiel de
DeepSeek Code s'apprête à être lancé
Alors que les technologies d'IA progressent à grands pas, DeepSeek se trouve à un tournant passionnant. L'entreprise spécialisée dans l'IA a récemment annoncé avoir levé plus de 70 milliards de yuans.
Grok de Musk : 1 500 milliards de paramètres et intégration du code du curseur — Une véritable révolution ou un simple coup de bluff ?
Elon Musk passe enfin à l'action.Dans la course à la programmation de l'IA, OpenAI et Anthropic accélèrent, tandis que xAI semble à la traîne. Musk a souvent affirmé son objectif de rivaliser avec Cla
Recommandations de sujets spéciaux liés
commentaires (0)

Lors de la conférence Transform 2025 organisée par VentureBeat, Olivier Godement, responsable produit de la plateforme API d'OpenAI, a donné un aperçu de la manière dont les équipes d'entreprise mettent en œuvre et développent les agents IA.
Au cours d'une table ronde exclusive de 20 minutes que j'ai animée avec M. Godement, l'ancien chercheur chez Stripe et actuel responsable de l'API OpenAI a présenté en détail les derniers outils de développement de l'entreprise, à savoir l'API Responses et le SDK Agents, tout en présentant des applications concrètes, des mesures de sécurité et des exemples de retour sur investissement provenant des premiers utilisateurs tels que Stripe et Box.
Pour les dirigeants d'entreprise qui ont manqué la session en direct, voici les huit points les plus importants à retenir :
Les agents passent rapidement du stade de prototype à celui de production
M. Godement a souligné que 2025 représentera un tournant important dans le déploiement à grande échelle de l'IA. Avec plus d'un million de développeurs actifs chaque mois dans le monde utilisant la plateforme API d'OpenAI et une augmentation de 700 % d'une année sur l'autre de l'utilisation des jetons, l'IA dépasse désormais le stade expérimental.
« Cela fait cinq ans que nous avons lancé GPT-3... et le chemin parcouru depuis lors est vraiment remarquable. »
Il a souligné que la demande actuelle va bien au-delà des chatbots. « Les applications d'IA évoluent, passant de simples questions-réponses à des cas d'utilisation où l'agent peut activement effectuer des tâches à votre place. »
Cette transition a conduit OpenAI à introduire deux outils de développement clés en mars : l'API Responses et le SDK Agents.
Quand utiliser des agents uniques ou des architectures de sous-agents ?
L'un des thèmes centraux était la prise de décision en matière d'architecture. M. Godement a expliqué que si les boucles à agent unique, qui combinent un accès complet aux outils et au contexte dans un seul modèle, sont élégantes en théorie, elles s'avèrent souvent difficiles à mettre en œuvre à grande échelle.
« Il est difficile de créer des agents uniques précis et fiables. C'est vraiment compliqué. »
À mesure que les systèmes deviennent plus complexes, avec des outils supplémentaires, des entrées utilisateur diverses et une logique complexe, les équipes adoptent fréquemment des conceptions modulaires utilisant des sous-agents spécialisés.
« Une approche courante consiste à diviser les agents en plusieurs sous-agents... en appliquant des principes d'ingénierie logicielle tels que la séparation des préoccupations. »
Ces sous-agents fonctionnent comme des rôles au sein d'une équipe : un agent de triage catégorise les demandes, les agents de niveau 1 gèrent les tâches routinières et les autres traitent les cas complexes ou inhabituels.
Pourquoi l'API Responses constitue-t-elle un changement radical ?
M. Godement a décrit l'API Responses comme une avancée fondamentale dans les outils de développement. Auparavant, les développeurs devaient gérer manuellement les séquences d'appels de modèles. Désormais, cette coordination est gérée automatiquement.
« L'API Responses est sans doute la couche d'abstraction la plus importante que nous ayons introduite depuis GPT-3. »
Elle permet aux développeurs de se concentrer sur l'intention plutôt que sur la configuration des workflows des modèles. « Votre objectif est de fournir une excellente réponse au client... l'API Responses gère l'ensemble de ce processus. »
L'API comprend également des fonctionnalités intégrées pour la récupération de connaissances, la recherche sur le Web et l'appel de fonctions, des composants essentiels pour les workflows des agents d'entreprise dans le monde réel.
Observabilité et sécurité intégrées
La sécurité et la conformité ont été soulignées comme des considérations essentielles. M. Godement a mis en avant les principales mesures de protection qui rendent la plateforme OpenAI adaptée aux secteurs réglementés tels que la finance et la santé :
- Refus basés sur des politiques
- Journalisation SOC-2
- Prise en charge de la résidence des données
Il a identifié l'évaluation comme le principal défi à relever pour passer de la démonstration à la production.
« À mon avis, l'évaluation des modèles est probablement le plus grand obstacle à l'adoption généralisée de l'IA. »
OpenAI intègre désormais des outils de traçage et d'évaluation dans la pile API, aidant les équipes à définir des indicateurs de réussite et à surveiller les performances des agents au fil du temps.
« Sans investir dans l'évaluation, il est difficile d'instaurer la confiance nécessaire pour garantir la précision et la fiabilité des modèles. »
Un retour sur investissement rapide est visible dans certaines fonctions spécifiques
Certaines applications d'entreprise affichent déjà des avantages mesurables. M. Godement a donné les exemples suivants :
- Stripe, qui utilise des agents pour accélérer le traitement des factures, rapportant « une résolution des factures 35 % plus rapide »
- Box, qui a déployé des assistants de connaissances permettant un « triage des tickets sans intervention humaine »
D'autres cas d'utilisation à fort impact incluent le support client (y compris les systèmes vocaux), la gouvernance interne et les assistants cognitifs pour naviguer dans des documents complexes.
Ce qu'il faut pour lancer la production
M. Godement a souligné l'importance de l'initiative humaine dans la réussite des déploiements.
« Un petit groupe d'individus très motivés identifie un problème et une solution technologique, puis se lance à corps perdu dans le projet. »
Ces défenseurs internes ne viennent pas toujours d'horizons techniques. Ce qu'ils ont en commun, c'est leur détermination.
« Leur première réaction est : "Comment puis-je faire fonctionner cela ?" »
OpenAI observe que de nombreux déploiements initiaux sont menés par ce groupe, les premiers utilisateurs de ChatGPT en entreprise qui explorent désormais les systèmes d'agents complets.
Il a également mis en évidence un facteur souvent négligé : l'expertise dans le domaine. « Les connaissances essentielles au sein d'une entreprise... ne résident pas chez les ingénieurs, mais chez les équipes opérationnelles. »
Permettre aux non-développeurs d'utiliser des outils de création d'agents est un défi majeur qu'OpenAI s'efforce de relever.
Quelle est la prochaine étape pour les agents d'entreprise ?
M. Godement a donné un aperçu des développements à venir. OpenAI se concentre actuellement sur :
- Les agents multimodaux capables d'interagir par le biais de texte, de voix, d'images et de données structurées
- Une mémoire à long terme pour conserver les connaissances acquises au fil des interactions
- Une orchestration inter-cloud pour prendre en charge des infrastructures informatiques complexes et distribuées
Il ne s'agit pas de changements révolutionnaires, mais d'améliorations progressives qui s'appuient sur les capacités existantes. « Une fois que nous disposerons de modèles capables de traiter des informations en quelques minutes ou quelques heures, plutôt qu'en quelques secondes, cela ouvrira la voie à des applications véritablement révolutionnaires. »
Conclusion : les modèles de raisonnement sont sous-estimés
M. Godement a conclu en réaffirmant sa conviction que les modèles de raisonnement, c'est-à-dire ceux qui sont capables de réfléchir avant de répondre, seront les véritables moteurs de la transformation à long terme.
« Je reste convaincu que nous en sommes actuellement à un stade comparable à celui du GPT-2 ou du GPT-3 en termes de maturité des modèles de raisonnement... Nous commençons seulement à explorer ce que ces modèles peuvent accomplir. »
Pour les dirigeants d'entreprise, la conclusion est claire : l'infrastructure nécessaire à l'automatisation pilotée par des agents est désormais disponible. Le succès dépend de l'identification de cas d'utilisation ciblés, de la responsabilisation des équipes interfonctionnelles et du maintien d'une approche itérative. La prochaine vague de valeur ne proviendra pas de démonstrations spectaculaires, mais de systèmes robustes façonnés par les besoins du monde réel et l'excellence opérationnelle.
Claude, l'IA expérimentale d'Anthropic, mène à bien des négociations et des transactions dans le cadre d'un test de commerce électronique
Alors que l'intelligence artificielle progresse à grands pas, Anthropic a discrètement lancé vendredi dernier une expérience interne baptisée « Project Deal », visant à mettre en avant le potentiel de
DeepSeek Code s'apprête à être lancé
Alors que les technologies d'IA progressent à grands pas, DeepSeek se trouve à un tournant passionnant. L'entreprise spécialisée dans l'IA a récemment annoncé avoir levé plus de 70 milliards de yuans.
Grok de Musk : 1 500 milliards de paramètres et intégration du code du curseur — Une véritable révolution ou un simple coup de bluff ?
Elon Musk passe enfin à l'action.Dans la course à la programmation de l'IA, OpenAI et Anthropic accélèrent, tandis que xAI semble à la traîne. Musk a souvent affirmé son objectif de rivaliser avec Cla











