OpenAI DevDay 2026 : toutes les nouveautés, de dots à GPT-6.1 Sol

OpenAI DevDay 2026 marque le passage du chatbot qui répond à un écosystème capable de travailler. Les annonces du 29 septembre concernent les modèles, les agents persistants, les outils de développement et la collaboration : dots, GPT-6.1 Sol, Codex Cloud, Decisions API, des plugins plus intégrés et de nouveaux espaces partagés dans ChatGPT.

Le nombre de nouveautés peut masquer le changement principal. OpenAI relie l’intelligence du modèle à un environnement d’exécution, à des données autorisées et à des interfaces où les utilisateurs peuvent contrôler le résultat. La promesse consiste à réduire les interventions manuelles entre une demande et un travail terminé. Il reste à vérifier la fiabilité, le coût réel et le respect des permissions.

Cette analyse s’appuie sur les informations officielles disponibles au 30 septembre 2026. Elle distingue les fonctionnalités annoncées comme disponibles, les versions bêta et les lancements futurs. Les exemples pratiques sont des scénarios explicatifs, pas des tests indépendants. Le point de départ est le récapitulatif officiel du DevDay.

OpenAI DevDay 2026 : comprendre les différents niveaux

Il faut distinguer cinq couches. Les modèles fournissent le raisonnement et le contenu ; les agents coordonnent plusieurs étapes ; les environnements exécutent du code et des logiciels ; les plugins et connexions donnent accès aux outils et aux données ; les espaces collaboratifs conservent les résultats. Les confondre conduit à croire qu’un abonnement autorise automatiquement toutes les applications, ce qui n’est pas le cas.

Disponible ne signifie pas visible simultanément sur tous les comptes. Le pays, la plateforme, l’offre, l’administrateur et le déploiement progressif comptent. GPT-6 Sol et Luna ont été présentés le 22 septembre : le modèle annoncé au DevDay est GPT-6.1 Sol. Les fonctions déjà connues, notamment celles expliquées dans notre article sur ChatGPT Images 2.5, ne doivent pas être présentées comme des lancements du 29 septembre.

Dots : des responsabilités durables, pas seulement une longue discussion

La nouveauté la plus identifiable est dots. OpenAI présente ces agents comme capables de suivre des responsabilités dans la durée, avec leur propre ordinateur cloud et navigateur. Ils reposent sur GPT-6 Astra. L’objectif consiste à poursuivre un travail au-delà d’un message : suivre un projet, préparer des documents ou étudier des problèmes récurrents.

La présentation officielle de dots décrit un ordinateur que l’utilisateur peut inspecter et des applications qu’il peut connecter. L’accès à son appareil personnel est une option distincte, soumise à autorisation. Le cloud ne donne donc pas automatiquement à l’agent l’accès à tous les dossiers locaux, services personnels et identifiants enregistrés.

Pour une petite entreprise, un scénario utile serait de regrouper les plaintes récurrentes des clients et de préparer une correction proposée. Le résultat attendu comprendrait les éléments observés, une modification vérifiable et des tests, plutôt qu’une mise à jour invisible en production. Une responsabilité persistante nécessite des critères de départ, d’arrêt et de réussite.

« Occupe-toi du projet » ne suffit pas. Une mission exploitable précise les sources, la fréquence, le budget, les actions interdites, les validations et les destinataires. Sans ces limites, une instruction ambiguë peut se répéter et produire des effets cumulatifs. Les consignes doivent également évoluer lorsque le projet change : la persistance concerne autant la gouvernance que l’exécution.

Sécurité de dots : lire, agir et valider sont trois opérations

Une frontière importante sépare la collecte proactive d’informations de l’exécution. La documentation sur la sécurité et la confidentialité de dots décrit une recherche proactive limitée à des outils de lecture. Dans ce mode, l’agent ne peut pas envoyer de messages, modifier des applications ou contrôler l’ordinateur comme dans une tâche d’exécution autorisée.

Les protections comprennent une vue des activités, des règles personnalisées et une vérification des actions importantes. Les préférences de l’utilisateur ne suppriment pas toutes les protections obligatoires. Certaines opérations exigent une confirmation ; d’autres, comme changer un mot de passe ou transférer de l’argent depuis un compte financier, sont remises à l’utilisateur. Ces restrictions définissent l’autorité déléguée.

Les instructions malveillantes dans des pages, documents ou messages restent un risque. Un contenu externe peut essayer de détourner l’objectif ou d’obtenir des informations. Les protections doivent donc exister dans les permissions des outils, pas uniquement dans le comportement du modèle. Un agent autorisé à lire un dépôt ne devrait pas pouvoir le supprimer.

Déconnecter une application bloque de nouveaux échanges, mais ne signifie pas nécessairement supprimer toutes les informations déjà présentes dans le contexte. Avant de connecter une archive sensible, il faut comprendre les réglages de données et les contrôles de contexte. Dans les usages crypto, les phrases de récupération et clés privées doivent rester hors des documents accessibles à l’agent.

Specialist dots : identité dédiée et périmètre professionnel

OpenAI a également présenté un aperçu de specialist dots pour les organisations, avec identités propres et intégrations plus profondes. Il s’agit d’expérimentations ciblées, pas d’une fonction universellement disponible. L’intégration avec Microsoft Agent 365 est décrite comme un travail en cours et non comme une compatibilité complète déjà acquise.

L’identité dédiée constitue l’idée technique principale. Un compte d’agent peut disposer de droits plus clairs qu’une automatisation utilisant le compte d’un salarié. Il pourrait préparer des tickets sans pouvoir modifier les rôles administratifs. Cette séparation facilite l’attribution des activités, la révocation et la limitation des conséquences d’un incident.

Un responsable humain reste nécessaire pour approuver le périmètre, traiter les exceptions et juger l’utilité des résultats. Donner une identité à un logiciel ne transfère pas automatiquement la responsabilité. La fin d’un projet doit aussi être prévue : les connexions et identifiants devenus inutiles ne devraient pas rester actifs faute de procédure.

GPT-6.1 Sol : proche d’Astra sur certaines évaluations

GPT-6.1 Sol améliore GPT-6 Sol pour le développement agentique, l’utilisation de l’ordinateur et les tâches professionnelles. OpenAI affirme qu’il se rapproche d’Astra dans plusieurs évaluations, avec des tarifs standards d’entrée et de sortie égaux à un cinquième. Proche sur les tâches testées ne signifie pas équivalent dans toutes les situations.

Dans les résultats DeepSWE 1.1 publiés par l’entreprise, le nouveau modèle atteint Astra. Pour l’analyse de PDF professionnels, il s’en approche à moindre coût. Ces résultats sont intéressants, mais ne remplacent pas des essais sur ses propres dépôts et documents. Une évaluation peut sous-représenter les exceptions les plus difficiles pour une entreprise précise.

La page de lancement de GPT-6.1 Sol indique l’API et les produits Work et Codex des offres concernées. Cela ne signifie pas qu’il soit sélectionnable dans la discussion Chat habituelle. Son identifiant API est gpt-6.1-sol. Notre comparaison GPT-6 Astra et GPT-5.6 Sol éclaire le positionnement précédent.

Une approche raisonnable choisit le modèle le moins coûteux qui réussit une évaluation explicite, puis réserve les modèles plus puissants aux cas où ils apportent un bénéfice mesurable. Classer des demandes, analyser des contrats et modifier du code ne présentent pas les mêmes risques. On peut migrer ces tâches séparément plutôt que transformer une annonce en changement général précipité.

Prix de Sol : des tokens au résultat réellement accepté

Pour des entrées jusqu’à 272 000 tokens, les tarifs standards publiés sont de 2 dollars par million de tokens en entrée, 0,10 dollar par million de tokens d’entrée lus en cache et 10 dollars par million de tokens en sortie. Le journal des modifications distingue l’écriture en cache, à 2,50 dollars par million. Une entrée répétée ne bénéficie pas automatiquement du tarif de lecture.

Exemple de calcul : 100 requêtes de 20 000 tokens d’entrée hors cache et 2 000 tokens de sortie représentent deux millions de tokens en entrée et 200 000 en sortie. À ces tarifs, le modèle coûte 4 plus 2 dollars, soit 6 dollars. Ce calcul exclut les outils, services externes, tokens supplémentaires éventuellement facturés, modes premium, règles de contexte différentes et taxes.

Une demande agentique peut générer plusieurs appels, essais et vérifications. Un modèle économique répétant dix fois une opération peut coûter davantage qu’un modèle plus puissant qui la termine correctement. La bonne mesure est le coût par résultat accepté, en incluant le temps humain de contrôle et de correction.

Avant de modifier une intégration, vérifier les endpoints, outils et réglages dans le journal des modifications API. Notre guide de migration vers l’API GPT-6 Astra reste pertinent pour la méthode : tester compatibilité et résultats, pas seulement remplacer un nom. Un retour arrière documenté permet aussi de comparer sans prendre un risque inutile.

Ultrafast : accélérer la génération ne résout pas tout

Ultrafast est une option premium destinée à réduire la latence. Astra Ultrafast est annoncé pour l’API et pour Work/Codex avec Pro 500 et Enterprise ; GPT-6.1 Sol Ultrafast reste à venir. Les accélérations maximales indiquées varient selon les pages officielles et les conditions. Elles ne garantissent pas le temps total d’un projet.

La documentation technique Ultrafast recommande des connexions persistantes pour réduire le surcoût réseau. Un flux peut toujours attendre un site, une base de données ou des tests. Générer rapidement ne supprime pas ces blocages et ne rend pas une modification correcte par définition.

Il faut mesurer le délai entre demande et résultat vérifié. La rapidité peut être précieuse dans un usage interactif ; pour un traitement nocturne, coût et fiabilité peuvent primer. Les limites du compte et la résidence des données doivent être vérifiées pour l’option choisie. Il ne faut pas supposer que toutes les modalités partagent exactement les mêmes conditions d’exploitation.

Codex Cloud : un environnement réutilisable pour travailler à distance

Codex Cloud met l’accent sur des environnements contenant dépôts, dépendances, outils et permissions approuvées. Le travail s’exécute à distance et peut être suivi depuis plusieurs appareils. Cela ne copie pas automatiquement toutes les données locales et ne rend pas accessibles tous les secrets présents sur un ordinateur.

La documentation Codex Cloud décrit la préparation et la vérification du projet. Un environnement partagé nécessite des instructions reproductibles et des tests crédibles. Si ses dépendances diffèrent de la production, une correction peut fonctionner uniquement dans le contexte de l’agent. La qualité du setup reste donc déterminante.

Un bon flux demande une investigation et une proposition de modification, puis examine les différences, tests et explications. Un téléphone peut servir à suivre ou orienter la tâche, mais ne devrait pas réduire une validation sensible à un geste pressé. Pour les logiciels manipulant de l’argent ou des clés, la révision reste nécessaire. Exécution terminée et résultat accepté sont deux états distincts.

Codex CLI : voix, délégation et continuité des sessions

Le terminal reste important. La CLI renouvelée ajoute l’interaction vocale, une vue /agents pour les tâches déléguées et des améliorations concernant prompts, reprise de sessions et worktrees. Dans un travail long, savoir quel agent exécute quelle activité devient un besoin opérationnel.

La documentation de la CLI place toujours modèles, permissions et contexte local au centre. La voix change le canal d’entrée, pas l’autorité de l’instruction. Une demande orale ambiguë nécessite les mêmes vérifications qu’un texte ambigu. Les paramètres sensibles doivent être relus avant exécution.

Les worktrees isolent des changements parallèles, mais les dépendances communes et contrats modifiés nécessitent une coordination. Plusieurs tâches ne produisent pas automatiquement une accélération proportionnelle. Elles créent aussi un travail d’intégration et parfois des hypothèses contradictoires. La visibilité des agents aide à maîtriser cette complexité plutôt qu’à la faire disparaître.

Code Review et Codex Security Cloud : des objectifs différents

Code Review présente résumés, différences et problèmes potentiels dans l’application desktop, avec intégrations GitHub et GitLab. La documentation de révision distingue GitHub généralement disponible et GitLab en preview. Une révision automatique peut signaler une validation oubliée ; l’absence d’alerte ne certifie pas la sécurité.

Codex Security Cloud analyse des dépôts GitHub et suit les nouveaux commits. Il examine les constats, réduit les doublons et prépare des corrections dans le cloud. OpenAI inclut l’accès aux modèles Daybreak Blue sans demande séparée pour ce programme. Cela ne vaut pas autorisation générale pour toutes les capacités de cybersécurité.

La procédure de configuration Security Cloud sépare connexion du dépôt, environnement et examen des résultats. Détecter un soupçon, établir sa réalité et appliquer une correction sont trois étapes. Un faux positif consomme du temps ; une correction non testée peut provoquer une régression. Les preuves sont plus utiles qu’une étiquette de gravité isolée.

Une petite équipe devrait commencer par son modèle de menace, prioriser les problèmes confirmés et exiger des tests. L’analyse automatisée ne remplace ni mises à jour, ni gestion des secrets, ni permissions minimales, ni sauvegardes. Elle améliore une étape de maintenance et doit être reliée à un processus qui attribue un responsable et vérifie la résolution.

Decisions API : des jugements dans un cadre défini

Decisions API utilise Luna pour des questions limitées avec un ensemble fini de réponses prédéfinies, à partir de texte ou d’images. Au lancement, l’accès est restreint à une preview ; une ouverture plus large est annoncée pour les jours suivants. L’approche diffère d’une longue réponse libre dont le programme tenterait ensuite d’extraire une décision.

Un exemple serait classer une demande entre « facturation », « problème technique » et « autre ». Le programme connaît les résultats possibles. Mais une réponse structurée peut être incorrecte : validité du format et exactitude du jugement sont deux propriétés différentes. Une intégration ne doit pas les confondre parce que le parsing devient plus simple.

Prévoir l’incertitude, tester les cas ambigus et conserver une solution de repli. Calculs, autorisations et opérations destructives restent dans le code déterministe. L’IA peut suggérer un routage ; elle ne doit pas inventer le droit d’effectuer un remboursement. Des options étroites facilitent la mesure des erreurs sans les éliminer, et l’application reste responsable de l’action suivante.

Agents API, computer use et l’option AWS

Agents API étend l’usage de l’ordinateur avec outils, recherche de fonctions, capacités multi-agents et compaction du contexte. L’agent peut interagir avec un logiciel dans un environnement géré. La documentation computer use détaille le navigateur hébergé et les accès. L’accès API reste distinct des fonctionnalités incluses dans certaines offres ChatGPT.

La compaction rend les sessions longues plus gérables ; elle ne garantit pas une conservation parfaite de tous les détails. Permissions, montants, identifiants et critères de fin devraient être enregistrés séparément. La seule copie d’une autorisation importante ne doit pas dépendre d’une conversation résumée. Les états durables appartiennent à des systèmes conçus pour les valider.

OpenAI et Amazon ont annoncé Bedrock Managed Agents powered by OpenAI. Les entreprises disposent d’une possibilité d’intégration dans AWS, pas d’une compatibilité automatique avec toutes leurs architectures. Cette voie doit être étudiée au même titre que les autres options d’exploitation.

Comparer permissions, observabilité, régions, facturation et dépendances entre le service OpenAI et AWS. « Géré » indique qui exploite une partie de l’infrastructure ; cela ne supprime pas la responsabilité des données et des actions. Une tâche documentaire en lecture seule est plus facile à encadrer qu’un processus financier irréversible. Le premier déploiement doit privilégier un périmètre contrôlé.

Plugin extensions, Plugin Creator et Sites

Les plugins disposent de surfaces plus riches : barre latérale, panneaux à côté de la conversation et lecteurs de formats spécifiques. La documentation des extensions décrit de véritables interfaces de travail plutôt que de simples réponses textuelles. L’utilisateur peut inspecter les objets directement sans demander une narration de chaque interaction.

Plugin Creator, un dépôt amélioré des candidatures et une meilleure découverte complètent cette évolution. Ils peuvent rapprocher prototype et utilisation, mais ne dispensent pas d’authentification, de gestion des erreurs et de permissions lisibles. Une belle interface ne compense pas un accès excessif aux données. Être distribué sur une plateforme reste une opportunité, pas une audience garantie.

ChatGPT Sites peut héberger les plugins pris en charge. Des collègues utilisent une expérience commune avec leurs données et permissions propres. Le partage d’un site ne doit pas devenir un contournement pour partager des identifiants. L’annonce vise les offres organisationnelles concernées, pas tous les comptes gratuits.

MCP Events : déclencher le travail au bon moment

MCP Events permet de lancer une automatisation lorsqu’un événement survient dans une application connectée. La spécification reste proposée, non définitive. La documentation d’intégration décrit abonnements et callbacks dans un parcours fondé sur les webhooks.

Le bénéfice est d’éviter de vérifier continuellement l’apparition d’une nouveauté. Un ticket peut déclencher un résumé. Le système doit toutefois gérer doublons, retards, révocation et redémarrage. Deux livraisons du même événement ne devraient pas produire deux paiements ou deux messages publics. Le fonctionnement événementiel ne garantit pas à lui seul une exécution unique.

Il faut séparer réception, traitement et action. Des identifiants stables et des résultats enregistrés comptent souvent davantage que le prompt. L’agent interprète le contenu ; l’application conserve les garanties du flux. Les erreurs doivent aussi être visibles : une livraison échouée sans alerte peut laisser un processus bloqué malgré une interface apparemment active.

ChatGPT Space, Pages et présentations collaboratives

ChatGPT Space rassemble connaissances et documents partagés. Pages propose des documents où personnes et IA travaillent ensemble. Le résultat devient un objet lisible, modifiable et partageable, plutôt qu’une information dispersée dans une chronologie de messages.

Un projet conserve décisions, analyses et brouillons sans reconstruire constamment son contexte. Il faut toujours distinguer sources et synthèses, préciser les éléments vérifiés et conserver les originaux. Un document collaboratif peut amplifier une erreur si son organisation lui donne une autorité qu’il ne mérite pas.

Les présentations collaboratives sont annoncées pour les semaines suivantes, avec plusieurs personnes et agents et export vers PowerPoint ou Google Slides. Elles ne doivent pas être décrites comme déjà disponibles partout. La création et la modification sur mobile suivent également un calendrier différent de la lecture et du partage.

Pour une équipe éditoriale, le bénéfice serait de garder le raisonnement près du document final. La vérification reste indépendante de la présentation : graphiques lisibles, sources datées et chiffres reproductibles valent davantage qu’une génération rapide. Les illustrations générées ne doivent pas être présentées comme des photographies documentaires d’événements réels.

Team Tasks, Slack, Teams et Meetings

Les équipes peuvent partager documents et responsabilités récurrentes. La documentation des équipes et Team Tasks précise que comptes de service et connexions déterminent les ressources accessibles. Les droits d’une tâche peuvent différer de ceux d’un membre. Il faut les examiner avant d’inviter des collègues ou de connecter un compte d’entreprise plus large.

@ChatGPT dans Slack et Microsoft Teams rapproche l’IA des canaux et discussions. Les participants peuvent contribuer sans nécessairement posséder une licence ChatGPT individuelle dans l’intégration prévue. Cela ne rend pas toutes les fonctions gratuites et ne garantit pas à tous la même visibilité sur les données.

Meetings prépare des notes et actions de suivi. La bêta initiale concerne l’application macOS pour Pro et Business ; d’autres accès suivent des parcours distincts. Le guide Meetings demande d’informer les participants et d’obtenir leur consentement. Le rappel affiché n’effectue pas cette démarche à la place de l’utilisateur.

L’audio est supprimé lorsque les notes sont prêtes et ne peut pas être réécouté. Une synthèse n’est donc pas un enregistrement conservé pour vérifier une citation. Pour un compte rendu formel, définir la correction des attributions, chiffres et engagements et identifier la version approuvée. Automatiser la prise de notes ne rend pas leur contenu exact par défaut.

Profils partageables et Sign in with ChatGPT

Les profils partageables mettent en avant des créations comme Sites et plugins. Le guide actualisé des profils distingue les limites : certaines fonctions de vitrine ne sont pas mobiles et Enterprise est encore annoncé à venir. Partager son profil ne publie pas automatiquement ses conversations privées.

Sign in with ChatGPT apporte une connexion par compte et, chez les partenaires concernés, l’utilisation du quota de l’offre. OpenAI cite Devin, Notion et Vercel, entre autres. Le guide d’utilisation dans d’autres applications sépare identité et consommation. Se connecter ne signifie pas bénéficier d’un usage illimité ou de tous les services externes.

Cette évolution peut réduire la fragmentation des abonnements, mais impose de comprendre les limites par application. Vérifier quel outil consomme le quota, comment le révoquer et quelles informations il reçoit. Un bouton de connexion familier ne doit pas masquer une délégation large ni une consommation au détriment d’autres activités importantes.

Pro 500, Marketplace et Private Intelligence

Pro 500 coûte 500 dollars par mois, selon la page officielle des offres Pro, et comprend Ultrafast. Le recap décrit un quota 25 fois supérieur à Plus : une comparaison d’usage, pas une promesse de travail infini. Prix locaux, conditions et taxes doivent être vérifiés.

OpenAI Marketplace concerne les entreprises éligibles qui affectent une partie de leur engagement existant à des logiciels partenaires approuvés. Ce n’est pas une boutique grand public et cela diffère du répertoire de plugins. L’entreprise doit déterminer si cette formule simplifie ses achats sans créer de dépendances indésirables.

Private Intelligence concerne la protection des données. La documentation Private Safety Processing décrit des contrôles automatiques sans conservation par OpenAI des prompts et réponses dans le parcours configuré. Private Inference associe informatique confidentielle et contrôles vérifiables dans une preview annoncée pour l’automne.

Ces propriétés ne doivent pas être généralisées à chaque requête. Configuration, endpoints, contrats et obligations du client comptent. Ne pas utiliser pour l’entraînement et ne pas conserver sont deux engagements différents. Un traitement confidentiel n’autorise pas tout envoi de données. Il faut vérifier l’architecture avant de transmettre des documents sensibles.

Un plan d’évaluation avant d’élargir les usages

Commencer par un travail répétitif et réversible avec résultat mesurable. Exemple : réunir dix documents autorisés, identifier les changements hebdomadaires et produire un résumé sourcé. Mesurer couverture, erreurs, coût et temps de révision. N’élargir le périmètre que lorsque le résultat est utile de manière régulière, en conservant aussi les cas d’échec.

Pour le code, inclure un bug connu, un cas ambigu et un problème nécessitant une information manquante. Un agent utile demande cette information plutôt que l’inventer. Tester aussi arrêt, reprise et révocation des outils. Le travail incomplet doit être distingué d’une réussite acceptée : l’absence d’erreur technique ne suffit pas.

Le modèle propose, les outils exposent des actions limitées, le code valide et une personne approuve les opérations sensibles. Les résultats doivent indiquer modèle, éléments probants et autorité utilisée. Une procédure d’arrêt et un retour manuel restent indispensables. Un petit déploiement auditable donne davantage de preuves qu’une activation simultanée de toutes les nouveautés.

Disponibilité de dots et choix de l’offre

Le déploiement concerne Pro et Business Premium dans les marchés éligibles. Pour Enterprise, Edu et Healthcare, un administrateur doit activer la bêta, désactivée par défaut. La première dot est incluse pour les utilisateurs concernés, mais travail approfondi et quotas restent distincts. Inclus ne signifie pas calcul illimité. L’éligibilité du pays doit être vérifiée avant de changer d’abonnement pour cette fonction.

Choisir Sol, Astra ou davantage de capacité suppose de mesurer le travail. Notre présentation des prix, benchmarks et disponibilités de GPT-6 Astra fournit le contexte précédent ; les conditions officielles actualisées déterminent l’achat. Une offre plus chère ne corrige ni des instructions vagues ni des outils mal configurés. Il faut souvent améliorer le cadre avant d’augmenter la capacité.

Questions après OpenAI DevDay 2026

Dots remplace-t-il Codex ?

Non. Dots vise les responsabilités persistantes et le travail transversal ; Codex se concentre sur le développement. Ils peuvent collaborer sans constituer la même couche du produit.

Sol rend-il Astra inutile ?

Non. Le tarif inférieur rend Sol intéressant pour de nombreuses tâches. Astra peut rester préférable lorsque sa capacité supplémentaire apporte un bénéfice mesurable. Le résultat vérifié compte davantage que le nom.

Un abonnement comprend-il toutes les API ?

Non. Quota du plan, utilisation chez les partenaires et facturation API sont distincts. Les conditions propres au service priment sur une lecture générale de l’annonce.

Quel est le changement structurel ?

Relier modèles, environnements, outils et collaboration dans un flux continu. Cela nécessite plus de contrôles : une erreur autrefois limitée à une réponse peut devenir une action réelle.

Le bilan dépasse une compétition de benchmarks. OpenAI DevDay 2026 propose une IA qui suit le travail, exécute des tâches et conserve les résultats dans des espaces communs. Sa valeur se mesure aux résultats fiables, aux coûts lisibles, aux permissions limitées et à la possibilité de corriger les erreurs, pas au nombre de fonctionnalités activées.