Tâches programmées de ChatGPT, agents Codex et automatisation complète de Dot : 6 différences clés entre 3 types d’automatisation

Note de l’auteur : comparaison des capacités d’automatisation, des coûts et de la fiabilité des tâches planifiées de ChatGPT, de l’agent Codex et de ChatGPT Dot, sous trois angles : le déclenchement, l’exécution et la coordination continue. Avec des conseils pour choisir la solution adaptée.

En octobre 2026, trois produits d’OpenAI permettent à l’IA de « travailler toute seule » : les tâches planifiées de ChatGPT (Scheduled Tasks), l’agent Codex et ses automatisations (Codex Automations), ainsi que ChatGPT Dot, un agent personnel permanent lancé le 29 septembre. Les trois peuvent fonctionner selon un calendrier et poursuivre leur travail d’une conversation à l’autre. Beaucoup d’utilisateurs ont donc du mal à les différencier et à savoir quel abonnement choisir.

Cet article ne cherche pas à les classer du plus au moins puissant. Leurs priorités sont différentes et ils commencent même à s’appeler entre eux. Nous nous appuyons sur la documentation officielle d’OpenAI pour expliquer leurs capacités et leurs coûts, puis sur les essais de The Verge, Axios et Business Insider ainsi que sur les incidents signalés par la communauté pour examiner leur fiabilité.

L’essentiel : à la fin de cet article, vous saurez quelle solution utiliser pour la recherche quotidienne d’actualités, l’automatisation de tâches de développement logiciel ou le suivi de projets à long terme. Vous comprendrez aussi ce qui les sépare encore d’un « employé numérique autonome ».

Différences clés entre les tâches planifiées de ChatGPT, Codex et Dot

Pour comprendre la différence entre les trois, on peut retenir ceci : les tâches planifiées déclenchent le travail, Codex l’exécute et Dot assure une coordination continue. C’est une métaphore destinée à faciliter la compréhension, pas une classification technique officielle d’OpenAI. Leurs fonctions se recoupent sur plusieurs points : cela ne signifie pas que les tâches planifiées ne peuvent rien exécuter, ni que Codex ne peut pas travailler de manière proactive.

Ce tableau compare les capacités prises en charge par les produits. Toutes les fonctionnalités ne sont pas nécessairement disponibles pour chaque compte, version ou région.

Tâches planifiées de ChatGPT : bien plus que de simples rappels

Lancée en version bêta le 14 janvier 2025, la fonctionnalité servait surtout à programmer des rappels. Depuis sa mise à jour du 17 juin 2026, elle dispose d’un espace de gestion centralisé, Scheduled. Les tâches de surveillance peuvent effectuer des recherches sur le Web et consulter les applications connectées, puis ne vous avertir que lorsqu’un changement mérite d’être signalé. La fonctionnalité de mises à jour proactives ChatGPT Pulse a également été intégrée aux tâches planifiées, et Pulse a été retiré.

Le déclenchement par événement est une autre capacité importante. Les sources d’événements officiellement prises en charge comprennent les nouveaux e-mails Gmail (filtrables par expéditeur ou objet), les nouveaux messages dans un canal Slack donné et certaines activités sur les pull requests GitHub. Ces tâches s’exécutent via ChatGPT Work et ne sont pas prises en charge par les offres Free et Go. Une tâche peut combiner plusieurs déclencheurs d’événements, mais ne peut pas mélanger déclencheurs temporels et déclencheurs d’événements dans une même définition.

L’agent Codex : faire avancer le travail jusqu’au bout

L’application de bureau Codex est arrivée sur macOS le 2 février 2026, puis sur Windows le 4 mars. Elle propose l’exécution parallèle de plusieurs agents, l’isolation avec Git Worktree, un système de compétences et des automatisations. La mise à jour « Codex for (almost) everything », publiée le 16 avril, a apporté des changements importants : Codex peut agir dans d’autres applications sur l’ordinateur, utiliser Computer Use en arrière-plan, conserver des souvenirs, planifier ses propres tâches, reprendre des fils de discussion existants et proposer des prochaines étapes. OpenAI indiquait alors que plus de 3 millions de développeurs utilisaient Codex chaque semaine. Ce chiffre mesure toutefois l’adoption globale : il ne signifie pas que tous utilisent les fonctions d’automatisation.

La différence fondamentale entre Codex et une tâche planifiée, c’est qu’il restaure l’environnement de travail, puis lit des fichiers, modifie du code, exécute des tests, examine les résultats et corrige les erreurs, au lieu de simplement générer du texte à une heure donnée. En février 2026, OpenAI a présenté une expérience interne portant sur une tâche de longue durée : avec GPT-5.3-Codex, Codex a construit un outil de conception à partir d’un dépôt vide. L’exécution a duré environ 25 heures, consommé quelque 13 millions de tokens et produit environ 30 000 lignes de code. Cette expérience montre que Codex peut poursuivre un objectif complexe sur une longue période, mais ne constitue pas une garantie de fiabilité pour tous les utilisateurs.

ChatGPT Dot : un agent personnel qui assure le suivi

Dot fonctionne avec GPT-6 Astra et dispose de son propre ordinateur et de son navigateur dans le cloud. Son écosystème de plugins permet de se connecter à plus de 4 000 applications. Il peut collaborer avec les utilisateurs via ChatGPT, Slack, Teams et d’autres canaux. Le chiffre de « plus de 4 000 » désigne l’ensemble des applications prises en charge par l’écosystème : celles auxquelles chaque utilisateur a réellement accès dépendent des plugins, des connexions, des autorisations, de la région et de la configuration de l’espace de travail. La principale différence entre Dot et Codex est la recherche proactive (Proactive Research) : même sans nouveau message de l’utilisateur, Dot consulte les sources d’information autorisées, relie les nouveautés aux tâches en cours et détermine s’il faut en informer l’utilisateur.

La recherche proactive a une limite de sécurité importante : elle ne peut utiliser que des outils en lecture seule. Elle ne peut pas envoyer directement de messages à des tiers, modifier le contenu des applications connectées ni contrôler le navigateur. Ses conclusions sont d’abord transmises à Dot, qui organise ensuite les actions à mener selon les autorisations et les règles d’approbation. En octobre, Dot peut déjà lancer ou poursuivre des travaux dans Codex, ainsi que consulter et modifier les tâches automatisées existantes de ChatGPT Work. Les trois outils sont donc complémentaires plutôt qu’interchangeables.

Comparaison des coûts des tâches planifiées ChatGPT, de Codex et de Dot

Ces trois fonctionnalités ne nécessitent pas trois abonnements distincts. Les tâches planifiées sont généralement incluses dans les forfaits ChatGPT compatibles. Codex peut être utilisé avec un abonnement ChatGPT ou via une clé API, avec une facturation à l’usage. La première instance Dot est incluse dans les forfaits Pro ou Business Premium admissibles, sans frais d’abonnement de base supplémentaires.

Quelques points prêtent facilement à confusion. Les capacités d’intelligence de base de Dot sont les mêmes avec Pro 200 et Pro 100 : la différence porte surtout sur les quotas et les avantages du forfait. Les utilisateurs Plus ne peuvent pas, pour le moment, utiliser Dot directement. Pendant le premier mois suivant le lancement de Dot, son utilisation admissible n’est pas décomptée des quotas existants. En revanche, les tâches Work et Codex créées ou gérées par Dot consomment leurs quotas respectifs selon les règles habituelles. Dans les forfaits compatibles, Work et Codex partagent un quota de travail. L’environnement standard de Codex Cloud ne fait pas l’objet d’une facturation distincte pour la machine virtuelle, mais les tâches du modèle restent facturées normalement.

Autre point important : l’accès par clé API ne donne pas accès aux fonctionnalités natives Dot, Work ou Codex Cloud incluses dans les abonnements ChatGPT. La solution API convient aux développeurs qui souhaitent assembler eux-mêmes le déclenchement et l’invocation du modèle. Voici une implémentation minimale.

Créer une « tâche planifiée » légère avec une API

Si vous souhaitez simplement résumer une sélection d’actualités chaque matin sans passer à un abonnement supérieur, vous pouvez utiliser cron et invoquer un modèle. Attention : l’API ne parcourt pas le Web à votre place. Votre script doit d’abord récupérer les actualités, puis les lui transmettre.

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # APIYI OpenAI 兼容接口
)

news = open("today_feed.txt", encoding="utf-8").read()  # 由抓取脚本预先生成
resp = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[{"role": "user", "content": f"筛选高价值 AI 新闻并写中文摘要，保留原始网址：\n{news}"}]
)
print(resp.choices[0].message.content)

import json
import time
import hashlib
from pathlib import Path
import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"
)

SEEN_FILE = Path("seen.json")

def load_seen() -> set:
    return set(json.loads(SEEN_FILE.read_text())) if SEEN_FILE.exists() else set()

def dedupe(items: list[dict], seen: set) -> list[dict]:
    fresh = []
    for it in items:
        key = hashlib.md5(it["url"].encode()).hexdigest()
        if key not in seen:
            seen.add(key)
            fresh.append(it)
    return fresh

def summarize(items: list[dict], model: str = "gpt-4o-mini", retries: int = 3) -> str:
    text = "\n".join(f"- {i['title']} | {i['date']} | {i['url']}" for i in items)
    for attempt in range(retries):
        try:
            resp = client.chat.completions.create(
                model=model,
                messages=[
                    {"role": "system", "content": "你是 AI 行业编辑，只基于给定条目写摘要，不补充未提供的事实。"},
                    {"role": "user", "content": f"按重要性排序并写中文摘要，保留网址和日期：\n{text}"}
                ],
                max_tokens=1500
            )
            return resp.choices[0].message.content
        except Exception as e:
            time.sleep(2 ** attempt)
    return "ERROR: 模型调用失败，需人工检查"

if __name__ == "__main__":
    items = json.loads(Path("today_feed.json").read_text(encoding="utf-8"))
    seen = load_seen()
    fresh = dedupe(items, seen)
    SEEN_FILE.write_text(json.dumps(list(seen)))
    report = summarize(fresh) if fresh else "今日无新增条目"
    Path("daily_report.md").write_text(report, encoding="utf-8")

# crontab 示例：每天 8 点执行
# 0 8 * * * /usr/bin/python3 /path/to/daily_news.py

🚀 Conseil pour démarrer : pour une solution maison, assurez-vous d’abord que les trois étapes fonctionnent : le déclenchement, l’exécution et la livraison du résultat. Vous pourrez ensuite envisager un modèle plus performant. Obtenez un crédit d’essai gratuit sur APIYI apiyi.com, puis utilisez la même clé API pour comparer la qualité des résumés de GPT, Claude et Gemini avant de choisir votre modèle au quotidien.

Quand choisir les tâches planifiées de ChatGPT, Codex ou Dot ?

Pour comparer les trois solutions, prenons un même objectif : « Chaque matin à 8 h, rechercher les actualités sur l’IA, sélectionner les informations importantes, les comparer aux articles précédents pour repérer les tendances et préparer un dossier exploitable par la rédaction. »

Quand choisir les tâches planifiées de ChatGPT ?

• Briefing quotidien et veille : créez une tâche quotidienne ou une tâche de veille qui lance automatiquement une recherche sur le Web à l’heure prévue, évite les doublons et ne vous prévient qu’en cas de changement.
• Réaction simple à un événement : regroupez automatiquement les informations lorsqu’un expéditeur précis vous écrit sur Gmail ou qu’une PR GitHub connaît une nouvelle activité, avec un abonnement Plus ou supérieur.
• Limites : la qualité de la collecte dépend des outils de recherche et de l’accessibilité des sites. Les analyses de tendances complexes restent limitées par les capacités du modèle et les quotas disponibles.

Quand choisir Codex ?

• Pipeline de collecte facile à maintenir : consultez des sources prédéfinies, collectez les données à l’aide de scripts, supprimez les doublons, stockez les données sous forme structurée, comparez-les à l’historique et générez un rapport vérifiable. En cas d’échec, Codex peut corriger lui-même le processus.
• Tâches techniques planifiées : classification quotidienne des bugs, synthèse des échecs de CI, briefings de publication ou encore « détecter une régression, modifier le code et ne soumettre les changements pour révision qu’une fois les tests réussis ».
• Limites : les tâches planifiées qui dépendent d’un projet local nécessitent que l’ordinateur soit allumé, que l’application de bureau soit en cours d’exécution et que les fichiers soient accessibles. Codex Cloud peut continuer à travailler lorsque l’ordinateur est en veille, mais n’a pas accès à tous les fichiers locaux, aux sessions du navigateur ni aux permissions du système.

Quand choisir Dot ?

• Assistant de veille à long terme : définissez simplement un objectif général, par exemple « suivre les changements importants et me prévenir lorsqu’un sujet mérite un article ». Dot confie la collecte quotidienne aux tâches planifiées et la réparation des outils à Codex.
• Coordination entre projets : gérez plusieurs projets et repérez des problèmes que personne n’avait anticipés, comme un nouveau besoin client qui entre en conflit avec le plan initial ou un échange de courriels resté sans confirmation.
• Limites : Dot reste soumis aux restrictions d’accès aux plateformes, aux permissions de connexion, aux erreurs du modèle, aux quotas d’exécution et aux mécanismes d’approbation.

À noter également : si vos sources sont des plateformes comme X, Xiaohongshu, Douyin ou Weibo, qui nécessitent une connexion ou limitent l’accès des robots, aucune des trois solutions ne peut garantir un accès complet. Les navigateurs dans le cloud et Computer Use ne peuvent pas non plus contourner toutes les vérifications.

ChatGPT Dot et Codex à l’essai : à quelle distance du tout-automatique ?

Trois médias indépendants ont publié leurs essais de Dot en octobre. Leurs conclusions se rejoignent : il s’en sort bien pour rassembler des informations et créer du contenu, mais bloque encore sur les dernières étapes des tâches dans le monde réel.

• The Verge (2 octobre) : Dot a retrouvé une réduction de 100 $ dans d’anciens courriels, mais s’est arrêté devant une vérification qui demandait à une personne de maintenir un bouton enfoncé. Le paiement nécessitait des informations bancaires : l’auteur a donc terminé lui-même. Lors de la recherche d’un espace de coworking, Dot a aussi manqué la possibilité de réserver une visite gratuite. Il s’est mieux débrouillé pour des tâches dans un environnement contrôlé, comme la refonte d’un site personnel ou le traitement de séquences vidéo. L’auteur voit en Dot un « Codex accessible à tous », mais estime que cela ne suffit pas à justifier les 100 $ par mois dans son cas.
• Axios (20 octobre) : Dot a créé un album souvenir de 38 pages au style rétro pour une compétition. Un autre album photo de 12 pages a été produit en 47 secondes : il s’agit du résultat d’un seul test, pas d’une vitesse moyenne. Dot a aussi repéré un conflit d’horaires dans le calendrier. Là encore, les achats ont posé problème et les créations ont nécessité des retouches humaines.
• Business Insider (22 octobre) : Dot a repéré de lui-même un échange de courriels avec le comptable de l’auteur qui n’avait pas été confirmé, ce qui lui a rappelé de vérifier sa déclaration fiscale. En revanche, la commande du déjeuner a été interrompue à plusieurs reprises par un code de vérification par SMS et des problèmes de saisie. Les textes proposés pour un site web manquaient aussi d’originalité.

Les retours de la communauté révèlent des limites en matière de fiabilité. Sur Reddit, des utilisateurs précoces signalent que Dot manque certains courriels lors de leur surveillance et que l’avancement des tâches manque de transparence. Un autre utilisateur de l’offre Pro à 200 $ a déclenché une suspension liée aux mesures anti-abus après une utilisation intensive. Dans la communauté des développeurs OpenAI, des utilisateurs rapportent que des tâches Dot à plusieurs étapes s’interrompent et que des actions déjà autorisées demandent à nouveau une approbation. Pour les tâches planifiées, certains indiquent qu’elles ne se lancent pas à l’heure, sont automatiquement suspendues après un échec ou présentent un historique d’exécution sans résultat visible. Les opérations d’écriture dans GitHub ou Gmail peuvent aussi être bloquées par des contrôles de sécurité. L’issue GitHub #56550 de Codex décrit notamment une tâche planifiée sous Windows 11 qui, malgré son statut « Active », ne s’était pas déclenchée à midi, alors que son lancement manuel fonctionnait. La cause n’a pas encore été confirmée.

Ces retours montrent qu’il faut distinguer au moins quatre types d’échec d’automatisation : la tâche ne se déclenche pas ; elle se déclenche, mais manque de données ou d’autorisations ; elle s’exécute, mais le résultat n’est pas à la hauteur ; elle se termine, mais son résultat n’est pas transmis. Ces problèmes surviennent à des étapes différentes : on ne peut pas tous les attribuer à un « manque d’intelligence du modèle ». Quelques publications ne suffisent pas non plus à calculer un taux d’échec global. À ce jour, OpenAI n’a pas publié de données comparant le taux de réussite à long terme des trois solutions sans intervention humaine, sur un même ensemble de tâches.

ChatGPT : tâches programmées, Codex et Dot, comment choisir ?

Pour évaluer le degré d’automatisation, les six dimensions ci-dessous sont plus utiles que de se demander simplement si un outil peut être programmé ou cliquer sur des boutons. Ce tableau présente une analyse qualitative des priorités de conception, pas une notation officielle.

Sur cette base, voici quelques recommandations :

1. Pour des synthèses quotidiennes, des rappels ou une surveillance de pages web : les tâches programmées de Plus suffisent. Inutile de passer de 20 $ à 100 $ pour Dot.
2. Pour maintenir des scripts, des données et du code : choisissez Codex. Si le travail doit continuer après avoir quitté l’ordinateur, privilégiez un environnement cloud et limitez les permissions du bac à sable pour les tâches en arrière-plan : l’accès réseau ouvert, l’écriture locale et l’accès complet au système augmentent les risques.
3. Pour suivre des dizaines de dossiers et coordonner plusieurs plateformes : Dot devient nettement plus intéressant, mais prévoyez du temps pour reprendre la main sur les connexions, les paiements et les envois vers l’extérieur.
4. Pour intégrer l’automatisation à votre produit : utilisez une API pour créer votre propre système de déclenchement et d’orchestration. C’est la solution qui offre le plus de contrôle, au prix d’un effort de développement plus important.

💡 Conseil pour choisir : évaluez le retour sur investissement en fonction du temps de travail humain réellement économisé chaque mois, mais aussi du temps supplémentaire consacré aux erreurs, aux approbations et aux reprises. Lors d’un test en entreprise, mesurez le taux de déclenchement réussi, le taux de tâches terminées, l’exactitude des faits, le nombre de reprises en main et le coût par tâche réussie. Pour comparer les modèles dans vos propres processus, APIYI apiyi.com propose une interface unifiée : il suffit de modifier le paramètre model pour changer de modèle.

Questions fréquentes (FAQ)

ChatGPT : tâches planifiées, Codex et Dot, les points clés

• Des rôles différents : les tâches planifiées déclenchent les actions, Codex les exécute et Dot assure la coordination dans la durée. Il s’agit d’une grille de lecture, pas d’une classification officielle.
• Les tâches planifiées ne sont plus de simples alarmes : en 2026, elles prennent en charge la surveillance en ligne et le déclenchement par des événements Gmail, Slack et GitHub.
• Codex ne se limite plus à écrire du code : il peut aussi utiliser un navigateur, contrôler un ordinateur, mémoriser des informations et reprendre un travail sur plusieurs jours.
• Dot est moins accessible : il s’adresse principalement aux utilisateurs Pro, Business Premium et à certains utilisateurs Enterprise. Sa recherche proactive fonctionne en lecture seule.
• La fiabilité reste un point faible : les CAPTCHA, les connexions, les paiements et les tâches manquées reviennent régulièrement dans les tests des médias et les retours de la communauté.
• À chaque besoin son outil : les tâches planifiées pour les synthèses quotidiennes, Codex pour les workflows techniques et Dot pour le suivi de plusieurs projets à long terme.

En résumé

Les différences entre les tâches planifiées de ChatGPT, l’agent Codex et l’automatisation de Dot se résument en trois niveaux :

1. Déclenchement : les tâches planifiées sont les plus accessibles, y compris avec l’offre Free. Elles conviennent à la plupart des besoins de surveillance au quotidien.
2. Exécution : Codex peut modifier des fichiers, lancer des tests et utiliser un ordinateur, mais il faut bien distinguer les limites des environnements local et cloud.
3. Coordination : Dot organise plusieurs tâches autour d’un objectif à long terme, au prix d’un abonnement plus élevé. Les connexions, les vérifications et les validations nécessitent toujours une intervention humaine.

Le véritable « employé numérique IA » fiable n’est pas encore arrivé. Pour les besoins actuels des entreprises, une automatisation vérifiable, capable de reprendre après une interruption et dotée de limites d’autorisation claires reste plus adaptée qu’un système « entièrement automatique » qui supprimerait toute validation.

Si vous êtes développeur et souhaitez intégrer l’automatisation à vos propres systèmes, commencez par tester un workflow minimal avec le crédit gratuit d’APIYI sur apiyi.com, puis décidez si vous souhaitez passer aux produits d’agents natifs d’OpenAI.

📚 Sources

1. Documentation officielle de ChatGPT Scheduled Tasks : fréquence des tâches, limites selon l’abonnement et déclenchement par événement
2. Lien : help.openai.com/en/articles/10291617-scheduled-tasks-in-chatgpt

3. Description : source officielle sur les fonctionnalités et les limites des tâches planifiées

4. OpenAI : Codex for （almost） everything : extension des capacités de Codex en avril 2026

5. Lien : openai.com/index/codex-for-almost-everything

6. Description : mises à jour concernant Computer Use, la mémoire et la reprise des tâches sur plusieurs jours

7. OpenAI : Introducing dots : annonce officielle de Dot

8. Lien : openai.com/index/introducing-dots

9. Description : GPT-6 Astra, ordinateur dans le cloud, recherche proactive et cas d’usage

10. Dots privacy， security， and safety FAQs : autorisations et limites de sécurité de Dot

11. Lien : help.openai.com/en/articles/20001529-dots-privacy-security-and-safety-faqs

12. Description : explications sur la recherche proactive en lecture seule et les mécanismes d’approbation

13. Run long horizon tasks with Codex : expérience de longue durée avec Codex

14. Lien : developers.openai.com/blog/run-long-horizon-tasks-with-codex

15. Description : détails d’une expérience de 25 heures utilisant environ 13 millions de tokens

16. Test de Dot par The Verge : prise en main par un média indépendant

17. Lien : theverge.com/ai-artificial-intelligence/1004096/openai-chatgpt-dots-hands-on-agent
18. Description : performances sur des tâches réelles, notamment la refonte de sites web, le traitement vidéo et les achats

Auteur : équipe technique APIYI
Échanges techniques : contactez-nous depuis la page d’accueil du site APIYI. Vous trouverez plus de ressources d’intégration dans le centre de documentation docs.apiyi.com.

Articles connexes

• Tutoriel pour connecter Codex à Rhino MCP : réaliser une modélisation automatique par IA en 3 étapes: Déployer Rhino MCP Server de zéro, configurer l’API APIYI dans Codex, exécuter en 3 étapes la première instruction de modélisation en langage naturel et comparer les performances de modélisation de GPT Codex et de la série Claude.
• OpenAI : erreur « model not found » ? GPT-5.5 a été retiré de ChatGPT le 14 octobre : dépannage en 5 étapes et solutions de remplacement: Le 14 octobre 2026, GPT-5.5 sera entièrement retiré de ChatGPT, ChatGPT Work et Codex, mais pas de l’API OpenAI. Cet article fait le point au 15 octobre : les 5 causes de l’erreur « model not found », leurs solutions et les alternatives GPT-5.6 Sol, Terra, Luna et GPT-6 Astra.