Operator d’OpenAI : l’agent qui veut accomplir vos tâches dans le navigateur

OpenAI franchit une étape supplémentaire dans sa tentative de faire sortir l’intelligence artificielle de la simple fenêtre de conversation. Avec Operator, l’entreprise propose un agent capable de regarder une page web, d’y déplacer un curseur, de cliquer et de saisir du texte afin de réaliser certaines démarches à la place de son utilisateur. Remplir un formulaire, chercher un produit, commander des courses ou préparer une réservation font partie des usages visés.

Annoncé le 23 janvier 2025, Operator est proposé sous la forme d’un aperçu de recherche. Ce statut compte : il désigne un produit en cours d’évaluation, dont les capacités comme les règles de sécurité sont encore appelées à évoluer. À la date du 25 janvier 2025, son accès est réservé aux États-Unis aux abonnés ChatGPT Pro, une formule facturée 200 dollars par mois.

L’enjeu dépasse la nouveauté technique. Les assistants conversationnels savent déjà rédiger, résumer ou recommander. Un agent navigateur ambitionne, lui, de transformer une intention exprimée en langage courant en une suite d’actions concrètes sur le web. C’est cette évolution que Yiannis Antoniou, expert de Lab49, identifie comme un moment potentiellement structurant pour les agents d’IA tournés vers les consommateurs.

Operator, un agent qui utilise le web comme un internaute

Le principe d’Operator est simple à décrire, mais beaucoup plus complexe à exécuter de façon fiable. L’utilisateur formule une demande, par exemple trouver un service, renseigner les informations nécessaires et avancer jusqu’à une étape de validation. L’agent ouvre alors un navigateur distant et agit dans l’interface des sites, plutôt que de s’appuyer uniquement sur des connexions techniques spécifiques à chaque service.

Concrètement, Operator peut analyser ce qui est affiché à l’écran, repérer les boutons, les champs de texte, les menus et les résultats de recherche. Il emploie ensuite des actions comparables à celles d’une personne : clics, défilement, saisie au clavier. OpenAI le présente comme un moyen de déléguer les séquences répétitives qui occupent du temps sans exiger une attention constante.

Cette approche se distingue d’un simple chatbot. Dans une conversation, l’IA peut expliquer comment effectuer une démarche ou générer le texte à coller dans un formulaire. Avec Operator, l’ambition est que le système se charge lui-même de naviguer entre les pages et de compléter la partie mécanique du parcours.

La promesse est séduisante car le navigateur est le lieu où se concentrent de nombreux gestes du quotidien numérique : achats, réservations, démarches administratives, comparaison d’offres, recherche d’informations ou gestion de services. Plutôt que de demander aux sites d’adopter chacun une intégration nouvelle, OpenAI mise sur une interface que tout internaute connaît déjà.

Le Computer-Using Agent, le moteur technique d’Operator

Le fonctionnement d’Operator repose sur un système qu’OpenAI appelle Computer-Using Agent, ou CUA. Ce modèle est conçu pour utiliser un ordinateur, et non seulement pour produire du texte. Il associe les capacités de vision de GPT-4o à un entraînement destiné au raisonnement et à l’exécution d’actions dans une interface graphique.

Les captures d’écran sont au cœur de cette méthode. L’agent examine la page telle qu’elle apparaît, puis choisit où cliquer ou quoi saisir. Cette logique rappelle celle attribuée aux capacités informatiques de Claude, l’agent d’Anthropic : dans les deux cas, le système s’appuie sur une lecture visuelle de l’écran et des actions virtuelles de souris et de clavier.

Le choix de l’écran, plutôt que d’une intégration profonde avec chaque site, a un avantage évident : il rend l’outil théoriquement plus généraliste. Si un être humain est capable d’utiliser une page en suivant ses éléments visuels, l’agent tente de faire de même. Mais ce choix porte aussi une difficulté majeure. Le web est rempli de fenêtres surgissantes, de formulaires ambigus, de pages qui se chargent lentement, de publicités et de parcours dont les règles varient constamment.

Un outil de ce type doit donc résoudre plusieurs problèmes à la fois : comprendre ce que l’utilisateur souhaite réellement, identifier la bonne action parmi plusieurs possibilités, vérifier qu’il n’a pas perdu le fil du parcours et savoir s’arrêter lorsque la décision engage l’utilisateur. Une erreur de résumé dans un chatbot peut être gênante. Un mauvais clic lors d’un achat, d’une réservation ou d’une demande en ligne peut avoir des conséquences plus immédiates.

Pourquoi le navigateur peut accélérer l’adoption des agents d’IA

Pour Yiannis Antoniou, l’intérêt d’Operator tient notamment à la familiarité de son terrain de jeu. Le navigateur n’est pas une nouvelle application à apprendre ni un environnement réservé aux spécialistes. C’est l’outil dans lequel les particuliers travaillent, consomment, communiquent et recherchent des informations au quotidien.

Cette proximité peut aider OpenAI à rendre visible une catégorie d’IA encore abstraite pour beaucoup de personnes : les agents. Le terme désigne ici un système qui ne se limite pas à générer une réponse, mais qui peut poursuivre un objectif à travers plusieurs étapes. Dans le cas d’Operator, ce parcours se déroule dans un navigateur et reste encadré par l’utilisateur.

Antoniou considère toutefois l’annonce comme prometteuse mais incomplète. C’est une nuance importante. Un agent peut impressionner dans une démonstration en réalisant un enchaînement précis, sans être encore suffisamment robuste pour être utilisé sans surveillance dans la diversité des situations réelles. Le lancement d’Operator marque donc davantage l’ouverture d’une phase d’expérimentation qu’une automatisation totalement autonome du web.

Des partenariats pour les services du quotidien

OpenAI ne présente pas Operator comme un outil cantonné à des démonstrations générales. L’entreprise évoque des collaborations avec des services tels qu’Instacart, DoorDash et Uber, ce qui illustre les usages qu’elle veut privilégier : les tâches pratiques, fréquentes et susceptibles de se dérouler dans un navigateur.

Ces partenaires sont importants pour une raison très concrète. Une action réussie ne dépend pas seulement de la capacité de l’agent à reconnaître un bouton. Elle suppose aussi que le parcours du site soit compréhensible, que les confirmations soient placées au bon moment et que les règles du service soient respectées. Plus un agent s’aventure dans des actions ayant une conséquence commerciale, plus l’expérience doit être prévisible pour l’utilisateur comme pour la plateforme.

OpenAI a également prévu des instructions personnalisées pour certains sites. Cette possibilité permet d’adapter le comportement de l’agent à des préférences ou à des contraintes particulières. Elle peut contribuer à rendre les interactions plus pertinentes, à condition que l’utilisateur comprenne clairement les règles appliquées et garde la maîtrise des informations transmises.

Pour les entreprises, la perspective est double. Elles pourraient y voir un canal supplémentaire par lequel leurs clients réalisent des démarches. Mais elles devront aussi s’interroger sur la façon dont leurs interfaces, leurs conditions d’utilisation et leurs mécanismes de sécurité réagissent à des visiteurs assistés par un agent. Un web conçu pour des personnes n’est pas nécessairement prêt, sans adaptation, à accueillir des logiciels capables d’y agir de manière semi-autonome.

Des garde-fous nécessaires face aux actions sensibles

La sécurité est l’un des sujets centraux d’Operator. OpenAI met en avant des mécanismes dits human-in-the-loop, expression qui signifie que l’humain doit rester dans la boucle de décision. L’agent n’est donc pas censé recevoir un blanc-seing pour toutes les opérations. Certaines étapes sensibles doivent être signalées à l’utilisateur afin qu’il reprenne la main ou donne son accord.

Cette précaution est essentielle dans un navigateur. Les pages web ne sont pas de simples documents neutres : elles peuvent afficher des contenus trompeurs, demander des données confidentielles ou tenter d’influencer les actions du visiteur. Un agent susceptible de cliquer et d’écrire doit pouvoir reconnaître les situations à risque, mais aussi accepter qu’il ne peut pas les résoudre seul.

OpenAI indique notamment que l’outil demande à l’utilisateur de prendre le relais lorsqu’il faut saisir des informations sensibles, comme des mots de passe. Il peut aussi demander une confirmation avant certaines actions aux conséquences réelles. L’objectif est d’éviter qu’une instruction générale, telle que « réserve-moi ce trajet », ne se transforme en engagement financier ou en divulgation de données sans validation explicite.

Un autre défi porte sur les instructions malveillantes cachées dans les pages. Un site pourrait, par exemple, afficher un texte cherchant à détourner l’agent de la demande initiale. Cette famille de risques, souvent désignée sous le nom d’injection de prompt, est particulièrement délicate pour une IA qui lit le contenu du web afin de décider quoi faire ensuite.

Un prix de 200 dollars qui réserve l’essai à une minorité

À son lancement, Operator n’est pas un service grand public au sens tarifaire du terme. Son accès est intégré à ChatGPT Pro, facturé 200 dollars par mois, et limité aux utilisateurs situés aux États-Unis. Cette formule positionne d’abord l’outil comme un produit à tester par des professionnels, des passionnés ou des utilisateurs ayant des besoins très réguliers d’automatisation.

La question soulevée par Antoniou est directe : cette somme vaut-elle la peine ? À ce stade, il n’existe pas de réponse universelle. La valeur d’un agent dépend du volume de tâches qu’il peut réellement prendre en charge, de sa fiabilité, du temps de supervision nécessaire et de la nature des opérations confiées. Une personne qui effectue rarement des démarches répétitives n’y trouvera probablement pas le même intérêt qu’un utilisateur confronté chaque jour à des processus en ligne laborieux.

OpenAI prévoit d’étendre progressivement l’accès à d’autres catégories d’abonnement, puis envisage à terme une disponibilité plus large. Mais entre la démonstration technique et l’usage quotidien, le prix n’est qu’un obstacle parmi d’autres. L’agent devra surtout prouver qu’il est plus rapide et plus pratique que l’action manuelle, sans imposer une surveillance qui annulerait le bénéfice attendu.

Ce qu’il faut surveiller pour la suite

Operator est moins l’aboutissement d’un nouveau type d’interface qu’un test grandeur nature de ses conditions d’adoption. La capacité à accomplir une tâche ponctuelle est déjà notable. La capacité à la refaire correctement sur des sites changeants, à comprendre les exceptions et à éviter les erreurs coûteuses déterminera son utilité réelle.

Trois critères seront particulièrement décisifs. D’abord, la fiabilité : un agent devra savoir reconnaître ses limites et ne pas inventer une réussite lorsqu’il a échoué. Ensuite, la maîtrise utilisateur : les confirmations doivent intervenir au bon moment, sans transformer chaque tâche en une suite d’interruptions. Enfin, la confiance : les internautes devront comprendre quelles données l’agent voit, ce qu’il peut faire et quand ils doivent reprendre la main.

Pour Yiannis Antoniou, Operator ouvre une voie crédible vers des agents d’IA intégrés à la vie numérique ordinaire. OpenAI dispose ici d’un avantage de visibilité en choisissant le navigateur, une interface déjà universelle. Reste à démontrer que cette simplicité apparente peut résister à la complexité réelle du web, à ses pièges comme à ses imprévus. C’est de cette démonstration, bien plus que de l’effet de nouveauté, que dépendra l’émergence d’une véritable nouvelle génération d’assistants personnels.