Que fait un dot pour la recherche ?
OpenAI a lancé les dots le 29 septembre 2026. L'annonce de lancement décrit des agents qui travaillent vers vos objectifs jour et nuit sur leur propre ordinateur dans le cloud, avec accès à plus de 4 000 applications via des plugins. Ce qui compte le plus pour la recherche, c'est la persistance. Une conversation normale, ou même une session d'agent ChatGPT, s'arrête quand vous vous arrêtez. Un dot garde un objectif en tête et y revient.
C'est donc un bon candidat pour une recherche sans date de fin :
- Veille concurrentielle. Vérifier chaque lundi les pages tarifs et de nouveautés de trois concurrents et vous dire ce qui a bougé.
- Suivi des politiques et de la réglementation. Suivre un projet de loi, un organisme de normalisation ou les annonces d'un régulateur et signaler les nouvelles versions.
- Littérature et dépôts officiels. Chercher de nouveaux articles, des communiqués de résultats ou des dépôts judiciaires sur un sujet précis.
- Balayage de la boîte mail et de Drive. Rassembler dans un résumé continu tous les e-mails et documents qui mentionnent un projet.
- Briefing avant les réunions. Lire les dernières informations sur une entreprise avant votre appel avec elle.
Un commentateur de Hacker News a décrit exactement cette habitude, avant même l'existence des dots, grâce aux tâches planifiées de ChatGPT :
"I have ChatGPT set up to do some recurring tasks (keeping track of developments on a policy proposal in politics; on a weekly basis tracking music releases based on my evolving tastes; checking new book releases; basically doing recurring deep dive web research on my behalf and reporting when there is a significant new finding) and this alone keeps me from switching to another service."
Un dot va plus loin, car il peut tenir plusieurs de ces fils à la fois et décider seul quand quelque chose mérite de vous être signalé. Si vous voulez d'abord la visite du produit, commencez par l'explication d'OpenAI Dots, ou lisez le test d'OpenAI Dots de mon collègue pour un verdict.
Comment fonctionne vraiment la recherche proactive ?
C'est la fonction qui rend les dots intéressants pour les chercheurs, et c'est aussi celle qui a les limites les plus nettes. OpenAI l'appelle recherche proactive. Selon l'article sur la sécurité, quand vous ne lui parlez pas, un dot "can start background research tasks to look for other ways to help." Ces tâches s'exécutent dans l'environnement cloud du dot, utilisent des outils en lecture seule sur vos sources connectées et enregistrent des notes privées que le dot relit ensuite.
Les limites sont appliquées dans le code, pas seulement dans les consignes. OpenAI dit que les tâches de recherche "cannot directly send messages to other people, change content in connected apps, or control a browser or desktop." Selon la FAQ confidentialité, vos Custom Rules ne peuvent pas non plus assouplir ces restrictions. La recherche proactive peut donc lire et prendre des notes, mais tout ce sur quoi elle veut agir passe par les contrôles d'approbation habituels.
Deux détails comptent pour le travail de recherche :
- Entraînement. OpenAI dit ne pas entraîner directement ses modèles sur les fils de recherche en arrière-plan ni sur leurs notes. Mais si votre dot reprend une note dans une conversation normale, cette conversation peut servir à l'entraînement, selon votre réglage "Improve the model for everyone". Les espaces de travail Business ne sont pas utilisés pour l'entraînement par défaut.
- Périmètre. Il lit les "permitted connected sources", c'est-à-dire les applications que vous avez connectées et que votre espace de travail autorise. Il n'atteindra pas une base de données payante que vous n'avez pas connectée.
Tout le monde sur Hacker News n'a pas été rassuré par la mention de lecture seule. Un commentateur a cité le texte d'OpenAI et posé la question évidente de la responsabilité :
"Am I criminally liable when my dot's "proactive research" is to break out of its sandbox and attempt to hack a government website?"
C'est une plaisanterie qui cache un vrai point. La limite de lecture seule encadre ce que les outils de recherche peuvent modifier, pas les pages publiques qu'un dot choisit de lire. Dites-lui précisément quoi surveiller.
Quand utiliser un dot, deep research ou ChatGPT Work ?
ChatGPT propose désormais trois voies de recherche, et choisir la mauvaise fait perdre du temps ou de l'usage. Ma règle : partez de la forme du travail, pas de l'outil.
| Travail de recherche | Meilleur choix | Pourquoi |
|---|---|---|
| Surveiller un sujet chaque semaine | Votre dot | Il garde l'objectif entre les conversations et peut chercher en arrière-plan |
| Une question profonde, beaucoup de sources | Deep research | Vous relisez un plan de recherche, choisissez les sources et obtenez un rapport cité |
| Recherche qui aboutit à une présentation ou un tableur | ChatGPT Work | Work crée des documents, des tableurs, des présentations et des Sites |
| Un fait rapide | Conversation normale avec recherche | Plus rapide et plus léger en usage |
| Un rapport récurrent à heure fixe | Tâche planifiée Work | S'exécute selon un horaire ou un déclencheur, partageable avec des collègues |
Deep research reste le meilleur outil pour un rapport sérieux. Selon l'article d'aide d'OpenAI, il propose un plan de recherche que vous pouvez modifier avant le début, vous laisse l'interrompre pendant son exécution et renvoie un rapport avec table des matières, section des sources utilisées et historique d'activité. Vous pouvez le télécharger en Markdown, Word ou PDF. Il n'utilise aussi que des "read actions from connected apps", jamais d'actions d'écriture.
Le contrôle que j'utilise le plus est la restriction de sites. Sous Sites > Manage sites, vous pouvez limiter la recherche à des domaines de confiance, ou simplement les prioriser tout en cherchant sur le reste du web.
ChatGPT Work sert pour la recherche qui aboutit à un fichier. Selon le guide de Work d'OpenAI, Work peut "research a topic, analyze information, or create a document, spreadsheet, presentation, report, or Site", et ses Scheduled Tasks peuvent s'exécuter une fois, se répéter ou surveiller des changements. Votre dot peut lancer des tâches Work pour vous, les deux se combinent donc bien : le dot remarque un changement, puis confie à Work le soin de construire le tableau comparatif mis à jour. Je n'ai pas trouvé qu'OpenAI dise qu'un dot peut lancer lui-même une exécution de deep research, je ne compterais donc pas dessus.
Si vous voulez surtout des réponses citées rapidement, ChatGPT n'est pas votre seule option. Le comparatif des alternatives à Perplexity et le guide des moteurs de recherche IA comparent le paysage, et les tarifs de Perplexity montrent ce que coûte cette voie.
Les utilisateurs de Notion ont aussi une option intégrée avec le mode recherche de Notion.
Comment configurer un dot pour la recherche ?
La configuration prend environ 15 minutes. L'ordre compte, car chaque étape élargit ce que le dot peut lire.
- Créez le dot sur ordinateur. Le mobile ne permet pas d'en créer.
- Écrivez une liste de veille, pas un objectif vague. "Chaque lundi, vérifie ces trois pages tarifs et le changelog à cette URL, et dis-moi ce qui a changé avec des liens" fonctionne. "Tiens-moi informé de mon secteur" produit du bruit.
- Connectez seulement les sources dont il a besoin. Google Drive, SharePoint, votre messagerie, Slack. Selon le guide de démarrage d'OpenAI, les plugins sont partagés entre dots, ChatGPT, Work et Codex, vérifiez donc ce que vous avez déjà connecté.
- Choisissez où arrivent les résumés. Un dot peut travailler dans ChatGPT, Slack ou Teams. Un canal Slack dédié garde les résultats consultables. Le guide de Slack AI couvre les alternatives.
- Définissez des Custom Rules pour tout ce qui sort de votre bureau. Lire, c'est bien. Envoyer un résumé à quelqu'un d'autre que vous devrait être "Ask first".
La FAQ confidentialité ajoute une limite que les chercheurs doivent connaître : vous ne pouvez ni voir ni supprimer les souvenirs individuels d'un dot, seulement le dot entier. Si vous recherchez des sujets sensibles, gardez ce dot séparé de celui de tous les jours.
L'usage est l'autre point à prévoir. Selon l'annonce de lancement, les conversations avec votre dot ne comptent pas dans vos limites d'usage de ChatGPT, mais les tâches qu'il lance dans ChatGPT Work ou Codex, si. Deep research a son propre compteur, qui varie selon l'offre. Un résumé quotidien rédigé par le dot lui-même ne coûte donc presque rien en plus de votre offre, alors que lui demander de reconstruire dans Work un tableau comparatif de 40 lignes puise dans le quota partagé. Le guide des tarifs de ChatGPT Work explique ce quota.
Votre premier dot est inclus avec Pro (à partir de 100 $/mois, indisponible dans l'EEE, en Suisse et au Royaume-Uni) ou avec un siège Business Premium (100 $/utilisateur/mois en annuel, 125 $ en mensuel). En Europe, le siège Business est la seule voie d'accès. Tous les détails sont dans les tarifs d'OpenAI Dots.
Comment vérifier ce que trouve votre dot ?
C'est la partie qui décide si un dot vous fait gagner du temps ou vous met dans l'embarras. OpenAI est inhabituellement direct sur le risque. Dans son annonce de deep research, il dit que le modèle "can sometimes hallucinate facts in responses or make incorrect inferences" et "currently shows weakness in confidence calibration, often failing to convey uncertainty accurately." Cela concernait deep research, mais un dot qui lit le même web a le même problème.
Je traite chaque résultat comme une piste tant qu'il n'a pas gravi cette échelle. Voici la liste de contrôle que j'utilise pour les articles de recherche chez eesel, et elle fonctionne de la même façon sur le résumé d'un dot :
- Demandez des liens, à chaque fois. Mettez "inclus l'URL de la source pour chaque affirmation" dans les consignes du dot. Une affirmation sans lien reste hors de vos notes.
- Ouvrez la page. Confirmez que la page dit bien ce que le dot affirme. La dérive à la reformulation est l'erreur la plus courante que je repère.
- Vérifiez la date. Les pages tarifs et les articles d'aide changent. Un dot peut citer une ancienne version en cache ou une copie tierce.
- Préférez la source primaire. La page tarifs du fournisseur vaut mieux qu'un blog qui la résume. Si le dot n'a trouvé qu'un résumé, demandez-lui de retrouver l'original.
- Notez ce qu'il n'a pas pu voir. Les bases de données payantes et les outils avec connexion sont invisibles s'ils ne sont pas connectés. Le silence n'est pas une preuve.
Bien chercher est une compétence à part entière. Pour la recherche de contenu en particulier, voir comment rechercher des sujets de blog et ces outils IA pour la recherche de mots-clés.
Où les dots montrent-ils leurs limites pour la recherche ?
Trois limites ressortent pour les chercheurs.
Pas de plan de recherche modifiable. Deep research vous montre son plan avant de commencer. Un dot décide seul comment poursuivre un objectif de veille, ce qui est excellent pour des vérifications de routine et plus faible pour une question à fort enjeu où vous voulez valider la méthode.
Prix pour un seul chercheur. Le point d'entrée est de 100 $/mois. Un commentateur de Hacker News aimait l'idée pour l'étude de marché, mais a reculé devant l'offre :
"I would use dots to manage things like market research, checklists, and design ideas. Since it starts with the Pro pricing plan, I'll have to try it out later when it's available on the Plus plan."
Il fonctionne pour une personne. Un dot tourne dans vos comptes et garde des notes privées. Les résultats restent dans vos résumés sauf si vous les partagez. Les équipes qui veulent une recherche partagée se tournent plutôt vers les tâches planifiées Work, qui peuvent être partagées, ou vers un canal commun. Un autre commentateur a décrit ce schéma partagé comme fonctionnant bien pour lui :
"We use it for quick research that other teammates can follow, filing bugs, quick first round investigations on incidents, etc."
D'autres agents personnels se disputent le même bureau, comme Meta Muse, Grok Bot et Instinct AI.
Le comparatif des meilleurs assistants IA en compare d'autres, dont le Copilot Autopilot de Microsoft.
Pour des usages voisins, voir les dots pour le travail, les dots pour les ventes et les dots pour le recrutement.
Que se passe-t-il une fois la recherche terminée ?
Pour beaucoup d'équipes, la recherche n'est pas le produit final. Elle alimente autre chose : un rapport, un dossier de vente ou, le plus souvent pour le marketing, un article. Cette dernière étape, c'est là que je passe mes journées. J'écris pour le blog d'eesel, et le plus dur dans un article riche en recherche n'est jamais de trouver un lien de plus. C'est de transformer un tas de sources vérifiées en un texte structuré et cité auquel un lecteur fait confiance, avec des images, des liens internes et un angle clair.
Un dot ne fait pas ce travail. Il surveille et résume pour une personne. Publier un article demande un rédacteur qui maîtrise toute la chaîne.
C'est à cela que servent les coéquipiers IA d'eesel. Ce sont des recrues prêtes à travailler sur des missions définies : le coéquipier IA de helpdesk pour le support et le rédacteur de blog IA pour le contenu. Le rédacteur recherche des sources primaires sur un sujet, puis rédige un article long avec citations, infographies générées et captures d'écran du produit, prêt pour votre édition.
Si vous voulez d'abord comprendre la mécanique, je l'ai détaillée dans l'explication du rédacteur de blog IA et le workflow du rédacteur de blog.
Les deux vont ensemble. Laissez votre dot surveiller un marché et signaler qu'un concurrent vient de changer ses tarifs. Confiez ensuite le sujet à un rédacteur conçu pour le rechercher correctement et le publier. Pour les équipes SEO, le comparatif des rédacteurs de blog pour le SEO montre comment les options se situent. Pour les équipes qui publient en volume, voir l'automatisation du rédacteur de blog IA.
Si votre équipe travaille dans le terminal, eesel propose une CLI qui pilote le même coéquipier et le même espace de travail depuis des scripts, et des agents de code comme Codex ou Claude Code peuvent la manœuvrer. Un ingénieur content ops pourrait faire lancer un brouillon par un script dès qu'une liste de veille signale un nouveau sujet, sans ouvrir de tableau de bord.
Pour être juste envers le dot : si votre recherche aboutit à vos propres notes, vous n'avez pas besoin d'eesel. Un dot convient bien. La frontière, c'est le livrable. Si la recherche doit devenir un article publié et cité, c'est un travail de rédaction, et il revient à un rédacteur.
Essayez eesel pour l'article qui suit la recherche
Laissez votre dot surveiller les sources et signaler ce qui a changé. Quand un résultat mérite un article complet, le rédacteur de blog IA d'eesel recherche les sources primaires, rédige un article long cité avec des images et vous le remet pour relecture. L'essai est gratuit, et les tarifs sont publiés.