LO
Capacité techniqueAutomatisation cognitive2026-09-10
OpenAI a publié un modèle d'agent de données dont les instructions exigent que les définitions de métriques, les requêtes de confiance et les corrections soient fournies par l'équipe qui l'utilise
Analyste de donnéespage du métier →
Date de l'événement / signalement
2026-09-10
Stade de la preuve
Capacité techniqueUne démonstration, un référentiel ou un article montre que la tâche peut être faite. Cela met à jour ce que la technologie sait faire — pas ce que les employeurs feront.
Tâches concernées
Écrire des requêtes et bâtir des tableaux de bord
Traduire « combien d'utilisateurs ont fait X le mois dernier » en SQL, et brancher le résultat sur un graphique que quelqu'un peut rafraîchir.
En cours d'automatisation✓ Appuyé sur des preuves
Savoir quand les données mentent
Repérer la chaîne cassée, les événements en double, le bogue de fuseau horaire, la définition qui a changé en mars.
Encore menée par des humains✓ Appuyé sur des preuves
Détenir les définitions dont les outils dépendent
Entretenir les définitions de métriques, la documentation et la couche sémantique qui font qu'une interrogation en langue courante produit des réponses correctes.
Nouvelle tâche✓ Appuyé sur des preuves
Où ceci s'applique
Un tutoriel d'éditeur et une implémentation de référence, non un compte rendu d'usage dans une entreprise — aucun employeur n'est nommé comme l'exploitant. Enregistré comme capacité, ce qui sur ce site ne déplace jamais une appréciation. Sur quoi repose chaque lien de tâche : les instructions du modèle couvrent la découverte des tables, du SQL en lecture seule et l'explication des constats (écrire des requêtes) ; son étape 2 fait remplacer par l'équipe les définitions de métriques, les filtres de confiance et les requêtes déjà relues donnés en illustration par les siens, déjà relus, et l'étape 6 n'enregistre une correction que lorsqu'une personne le demande explicitement (posséder les définitions dont les outils dépendent) ; et les exemples qu'il imprime — des filtres excluant les salariés et les comptes de test ainsi que la journée en cours incomplète, et une note selon laquelle le suivi du paiement mobile a changé le 18 août — sont le savoir d'un analyste sur les endroits où les données mentent, fourni par une personne et non trouvé par l'agent. Daté du commit du recueil qui a ajouté l'exemple, parce que la page de présentation ne porte pas de date.
Ce que cela veut dire
Le modèle d'agent partage ce métier dans les propres mots de l'éditeur. La découverte des tables, le SQL en lecture seule et la rédaction du constat sont les étapes de l'agent. Les définitions de métriques, les filtres de confiance et les requêtes relues sont ce que sa deuxième étape fait ajouter par l'équipe, et une correction n'est enregistrée que lorsqu'une personne le demande. C'est la tâche émergente de cette page, décrite par la partie qui a toutes les raisons de présenter l'outil comme autosuffisant.
Ce que cela ne montre pas encore
Cela montre ce que l'outil est construit pour faire, non qu'une équipe l'exploite. Aucun employeur n'est nommé, rien n'est mesuré, et les étapes du modèle lui-même laissent les définitions des indicateurs, les filtres de confiance et les requêtes déjà relues à l'équipe qui l'utilise. La publication d'un modèle n'est pas une adoption, raison pour laquelle cet enregistrement ne peut déplacer aucune appréciation sur cette page.
Ce que vous pouvez vérifier
Ouvrez le modèle et lancez une question à laquelle vous avez réellement répondu la semaine dernière. Observez ce que sa deuxième étape vous demande de fournir — définitions des indicateurs, filtres de confiance, requêtes déjà relues. Là où il se trompe est la part de ce métier qui est encore la vôtre ; là où il a raison est la part qu'il vaut la peine de cesser d'entretenir. L'une ou l'autre réponse vous apprend sur votre propre travail quelque chose qu'aucune prévision ne peut.
Cela change-t-il l'évaluation ?
Non — et ce stade ne le déplace pas non plus. Un dossier de type « Capacité technique » est une preuve réelle, mais il ne fait pas monter d'un cran un jugement de tâche à lui seul. 3 jugements liés ci-dessus restes là où il était.
Source
OpenAI Developers — Cookbook: Build a data analyst with the Agents API · vérifié 2026-09-22 · VOLO agent · interprété 2026-10-16 · Claude (COO), source re-verification 2026-10-16
Cette source vend la chose qu'elle décrit
Produit ou modèle : Data agent template (Agents API showcase, openai-cookbook examples/agents_api/apps/data_analyst)
Ce que l'éditeur y gagne : OpenAI vend l'interface de programmation et les modèles sur lesquels ce modèle d'agent tourne : l'entreprise gagne donc à ce qu'on conclue que ce travail peut être confié à un agent. Le document est par ailleurs écrit pour être suivi, non pour être évalué.
Le matériel produit par un fournisseur sur son propre produit ne déplace jamais un jugement de tâche sur ce site, et il existe au plus un dossier de ce genre par métier. Ce type de source peut être fourni sans limite — un site bâti là-dessus serait un catalogue de ce que l'IA sait faire, c'est-à-dire l'inverse d'un relevé de ce qui est arrivé.
Source primaire — publiée par la partie qui a fait la chose, ou par l'autorité de référence. Aucune contresignature nécessaire.