OpenAI ajoute l'exécution en sandbox à l'Agents SDK pour contrôler et lancer des agents IA en sécurité

OpenAI cherche à combler l'une des failles les plus douloureuses des agents IA en entreprise : comment donner à un modèle l'accès à des fichiers, du code et un environnement de travail sans créer un risque incontrôlable pour la société. La dernière mise à jour de l'Agents SDK ajoute l'exécution native en sandbox, une couche d'exécution isolée où l'agent peut lire et écrire des fichiers, lancer des commandes et gérer des dépendances sans accès direct à l'infrastructure sensible.

Pour les équipes qui ont dépassé le stade des démos et tentent de déployer des workflows d'agents en production, ce n'est pas une mise à jour cosmétique. Elle vise trois problèmes à la fois : la gouvernance, la fiabilité et le coût des exécutions longues.

Jusqu'ici, les développeurs devaient faire un choix inconfortable. Les frameworks agnostiques au modèle offraient de la liberté et évitaient la dépendance à un seul fournisseur, mais exploitaient souvent mal les capacités des modèles de pointe. Les SDK des fournisseurs eux-mêmes étaient plus proches du modèle, mais n'offraient pas toujours la transparence voulue sur le harness de contrôle. Quant aux API d'agents managées, elles simplifiaient le lancement, mais limitaient strictement l'endroit où l'agent s'exécute et la manière dont il accède aux données de l'entreprise.

OpenAI tente de lever ce compromis avec un model-native harness, une couche de contrôle mieux alignée sur le comportement réel des modèles dans les tâches longues à plusieurs étapes. Le SDK mis à jour comprend une mémoire configurable, une orchestration tenant compte du sandbox, des outils de système de fichiers dans l'esprit de Codex, ainsi que la prise en charge de MCP, d'AGENTS.md, de shell et d'apply patch.

Un cas concret existe déjà chez Oscar Health. L'entreprise a testé la nouvelle infrastructure sur un workflow clinique qui demande d'analyser de longs dossiers médicaux, d'extraire des métadonnées correctes et, surtout, de déterminer précisément les limites de chaque épisode de soins dans des documents complexes. Selon l'équipe d'Oscar, les approches précédentes n'offraient pas une fiabilité suffisante pour la production. Le nouvel Agents SDK a rendu ce scénario viable : le système analyse plus vite l'historique du patient, et le personnel obtient une vue plus claire de chaque visite.

Pour l'intégration aux environnements d'entreprise, OpenAI a aussi ajouté l'abstraction Manifest. Elle décrit l'espace de travail de l'agent : quels fichiers locaux peuvent être montés, où écrire les résultats et dans quels stockages puiser les données. AWS S3, Azure Blob Storage, Google Cloud Storage et Cloudflare R2 sont pris en charge.

La sécurité est l'axe principal de la mise à jour. OpenAI part du principe que tout agent qui lit du contenu externe ou exécute du code généré finira par rencontrer des prompt injections et des tentatives d'exfiltration de données. L'entreprise sépare donc le control harness de la couche de calcul. Les identifiants et la boucle de contrôle principale restent hors de l'environnement où s'exécute le code produit par le modèle. Cela réduit le risque qu'une instruction malveillante cachée dans un document ou une requête atteigne des clés, des API internes ou des systèmes voisins.

La fiabilité des exécutions longues est traitée à part : si un conteneur plante à l'étape 19 sur 20, inutile de repartir de zéro. Le SDK conserve l'état dans une couche externe, sait faire des snapshots et de la réhydratation, puis reprendre la tâche depuis le dernier point de contrôle dans un nouveau conteneur. Cette architecture réduit les coûts cloud et simplifie la mise à l'échelle : les exécutions peuvent être réparties sur plusieurs sandboxes, les subagents isolés et la charge parallélisée.

Pour le marché, c'est un changement notable : OpenAI ne pousse pas simplement un SDK d'agents de plus, mais un standard d'infrastructure plus complet pour exécuter des systèmes agentiques en entreprise. Si l'approche s'impose, l'entreprise renforcera sa position non seulement au niveau des modèles, mais aussi de la couche opérationnelle, où se décident la sécurité, l'audit et le coût de déploiement.

Les nouvelles fonctions sont déjà disponibles via l'API au tarif standard, d'abord pour Python, la prise en charge de TypeScript étant annoncée pour plus tard. Les prochaines étapes logiques semblent être le code mode, les subagents et une intégration plus étroite avec les outils internes des entreprises, soit tout ce qu'il faut pour qu'un agent passe du stade d'expérience à celui de processus de travail maîtrisé.