# Agents and Workflows · Vue d’ensemble de la piste

Préparation indépendante au cours OpenAI Academy Agents and Workflows — déléguer un travail structuré à des agents dans ChatGPT Work avec une supervision humaine réelle, sur six domaines et deux examens blancs indépendants.

import { Card, CardGrid, Badge } from '@prosefly/astro-components';

<Badge color="accent" variant="soft">Piste Agents</Badge> <Badge color="info" variant="soft">6 domaines</Badge> <Badge color="success" variant="soft">Examens blancs de 50 items</Badge> <Badge color="warning" variant="soft">Parcours Foundations · cours 3</Badge>

Cette piste est une préparation indépendante au cours OpenAI Academy **Agents and Workflows**, le troisième et dernier cours du **parcours Foundations** (après [AI Foundations](/fr/openai/foundations/) et [Applied AI Foundations](/fr/openai/applied-ai/)). Ce n’est pas un cours officiel OpenAI ni une évaluation officielle ; voir le [paysage des qualifications](/fr/openai/credentials/) pour la façon dont les badges Academy diffèrent des certifications. Le matériel ici est construit à partir des objectifs d’apprentissage OpenAI accessibles au public.

## Ce à quoi cette piste vous prépare

Le cours Academy **Agents and Workflows** dure **75–90 minutes**, son focus produit est **ChatGPT Work**, et ses objectifs publiés sont de **définir tâches, contexte, limites et points de contrôle, puis de revoir et améliorer les résultats**. Le cours porte sur le fait de *déléguer* un travail structuré à un agent avec supervision humaine — décider quoi confier, bien le briefer, fixer les limites dans lesquelles il doit opérer, et vérifier ce qui revient.

C’est une **piste non technique**. Elle enseigne comment déléguer du travail à des agents à l’intérieur de ChatGPT Work et de surfaces de type Codex en tant que travailleur du savoir, pas comment construire des agents en code. Si vous voulez la vue du constructeur — la Responses API, l’Agents SDK et l’Agents API — suivez plutôt l’[API Developer Path](/fr/openai/api/). Les deux pistes partagent le vocabulaire mais répondent à des questions différentes : celle-ci demande *dois-je déléguer ceci, et comment le briefer et le vérifier* ; la piste API demande *comment construire le runtime*.

## Blueprint

Nos examens blancs et nos pages de domaine suivent cette pondération. Les nombres d’items sont approximatifs sur un examen blanc de 50 items.

| # | Domaine | Pondération | Items (approx.) | Page |
| --- | --- | --- | --- | --- |
| 1 | What an Agent Is and When to Use One | 16 % | ~8 | [D1](/fr/openai/agents/domains/d1-what-an-agent-is/) |
| 2 | Defining Objectives and Tasks | **18 %** | ~9 | [D2](/fr/openai/agents/domains/d2-defining-objectives-and-tasks/) |
| 3 | Context, Tools and Permissions | **18 %** | ~9 | [D3](/fr/openai/agents/domains/d3-context-tools-and-permissions/) |
| 4 | Boundaries and Guardrails | 16 % | ~8 | [D4](/fr/openai/agents/domains/d4-boundaries-and-guardrails/) |
| 5 | Reviewing and Verifying Agent Work | 16 % | ~8 | [D5](/fr/openai/agents/domains/d5-reviewing-and-verifying-agent-work/) |
| 6 | Reliability and Iteration | 16 % | ~8 | [D6](/fr/openai/agents/domains/d6-reliability-and-iteration/) |

:::tip[Où sont les points]
La définition des tâches (18 %) et Contexte et outils (18 %) représentent ensemble **36 %** du matériel, et c’est là que les débutants perdent le plus de points. Presque chaque délégation ratée remonte à un objectif vague ou au mauvais contexte et au mauvais accès — pas à un modèle faible. Passez votre temps de révision sur D2 et D3 avant de peaufiner quoi que ce soit d’autre.
:::

:::note[Deux examens blancs indépendants]
Cette piste propose **deux** examens blancs indépendants complets, pondérés par domaine. L’examen blanc 1 est votre **diagnostic** — passez-le sans chronomètre d’abord pour repérer vos deux domaines les plus faibles. L’examen blanc 2 est délibérément **plus difficile** (plus d’énoncés à contraintes multiples et de qualificatifs `FIRST` / `BEST` / `MOST cost-effective` / `TWO`) — utilisez-le comme test de préparation en conditions chronométrées. Tous les items des deux examens blancs et des pages de domaine sont distincts. Aucun n’est une évaluation officielle OpenAI.
:::

## L’état d’esprit que cette piste récompense

Déléguer à un agent, c’est du management, pas du prompting. Les bonnes réponses sur ce matériel reflètent de façon constante la posture d’un bon manager confiant un travail à une nouvelle recrue compétente mais littérale, qui ne demandera pas l’information manquante et ne s’arrêtera pas à une limite que vous n’avez pas fixée :

- **Spécifiez le résultat, pas les frappes clavier.** Un bon brief nomme l’objectif, la définition de « terminé », les contraintes et les sources de vérité — puis fait confiance à l’agent pour trouver le chemin.
- **Accordez le moindre accès qui permet au travail de réussir.** Plus d’outils et de permissions plus larges, c’est plus de capacité *et* plus de surface d’impact. Commencez étroit.
- **Placez l’étape avant l’action irréversible, pas après.** Un agent qui peut envoyer, publier, payer ou supprimer a besoin d’un point de contrôle d’approbation que le *système* impose, pas qu’il promet simplement de respecter.
- **Vérifiez l’artefact, pas l’assurance.** Vous n’avez pas observé l’exécution ; faites confiance à la piste de preuves et aux vérifications ponctuelles, jamais à un résumé fluide de ce que l’agent prétend avoir fait.
- **Traitez une délégation ratée d’abord comme un défaut de brief.** Avant de blâmer le modèle, demandez-vous ce que le brief a laissé d’ambigu, quel contexte manquait et quel point de contrôle l’aurait détecté.

Les mauvaises réponses font de façon fiable l’inverse : confient un objectif ambigu, accordent un accès large « par sécurité », font confiance à un résumé de complétion assuré, et relancent le même brief vague en espérant un meilleur résultat.

## Répartition du temps suggérée

Un plan ciblé d’environ 14 heures, pondéré par la pondération du domaine et par le degré de jugement que chaque domaine exige.

| Domaine | Pondération | Heures |
| --- | --- | --- |
| Defining Objectives and Tasks | 18 % | 3 |
| Context, Tools and Permissions | 18 % | 3 |
| What an Agent Is and When to Use One | 16 % | 2 |
| Boundaries and Guardrails | 16 % | 2 |
| Reviewing and Verifying Agent Work | 16 % | 2 |
| Reliability and Iteration | 16 % | 2 |

## Checklist de préparation pratique

Faites-les dans un vrai environnement ChatGPT Work (ou la surface la plus proche que votre offre autorise). Lire sur la délégation ne vous apprend rien sur la délégation.

- [ ] Prenez une tâche récurrente que vous faites actuellement à la main et écrivez-lui un **brief de délégation** : objectif, définition de « terminé », contraintes, sources de vérité, points de contrôle.
- [ ] Exécutez la même tâche deux fois — une fois avec un prompt vague d’une ligne, une fois avec le brief complet — et comparez la quantité de reprise que chacune nécessite.
- [ ] Donnez à un agent une tâche qui requiert un **connecteur ou un document téléversé**, puis retirez ce contexte et observez où il devine.
- [ ] Placez délibérément un **point de contrôle d’approbation** avant une action qui quitte le workspace (un brouillon d’e-mail, un fichier partagé) et confirmez que l’agent s’arrête.
- [ ] Déléguez une tâche multi-étapes, puis **vérifiez le résultat sans tout relire** : choisissez deux affirmations et reproduisez-les à partir de la piste de preuves.
- [ ] Attrapez une **complétion partielle silencieuse** — demandez cinq sorties, vérifiez si vous en avez réellement obtenu cinq qui répondent à la définition de « terminé ».
- [ ] Prenez une délégation qui a mal tourné et **réécrivez le brief une fois**, en classant l’échec (objectif mal compris, contexte manquant, mauvais outil, complétion partielle, dérive) avant de changer quoi que ce soit.
- [ ] Revoyez une **longue exécution d’agent** efficacement : lisez le plan, les points de contrôle et les artefacts plutôt que la transcription complète, et notez ce que vous auriez manqué.

## Pages de la piste

<CardGrid>
  <Card title="D1 · What an Agent Is and When to Use One" href="/fr/openai/agents/domains/d1-what-an-agent-is/" icon="lucide:bot">16 % · agent vs workflow vs prompt</Card>
  <Card title="D2 · Defining Objectives and Tasks" href="/fr/openai/agents/domains/d2-defining-objectives-and-tasks/" icon="lucide:target">18 % · objectifs, terminé, contraintes</Card>
  <Card title="D3 · Context, Tools and Permissions" href="/fr/openai/agents/domains/d3-context-tools-and-permissions/" icon="lucide:key-round">18 % · contexte et moindre privilège</Card>
  <Card title="D4 · Boundaries and Guardrails" href="/fr/openai/agents/domains/d4-boundaries-and-guardrails/" icon="lucide:shield">16 % · étapes d’approbation et limites</Card>
  <Card title="D5 · Reviewing and Verifying Agent Work" href="/fr/openai/agents/domains/d5-reviewing-and-verifying-agent-work/" icon="lucide:search-check">16 % · preuves et vérifications ponctuelles</Card>
  <Card title="D6 · Reliability and Iteration" href="/fr/openai/agents/domains/d6-reliability-and-iteration/" icon="lucide:refresh-cw">16 % · modes de défaillance et itération</Card>
  <Card title="Examen blanc 1" href="/fr/openai/agents/practice-exam/" icon="lucide:clipboard-check">50 items · diagnostic</Card>
  <Card title="Examen blanc 2" href="/fr/openai/agents/practice-exam-2/" icon="lucide:clipboard-check">50 items plus difficiles · test de préparation</Card>
</CardGrid>