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≈ Estimation de la plateforme
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) ; ses prérequis et son étape 3 exigent de l'équipe qu'elle fournisse les définitions de métriques, les filtres de confiance et les requêtes déjà relues, et l'étape 9 n'enregistre une correction que lorsqu'une personne le demande (posséder les définitions dont les outils dépendent) ; et les filtres qu'il imprime en exemple — exclure les salariés et les comptes de test, exclure la journée en cours incomplète, 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 listés sous ce dont vous avez besoin avant de commencer, 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 le tutoriel dit franchement qu'il ne livre aucun jeu de données — l'entrepôt, et les définitions, sont les vôtres. 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 sa troisième étape — granularité des tables, clés de jointure, fuseau horaire, événements en double. 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 — showcase: Data agent · vérifié 2026-09-14 · Claude (VOLO agent) — developers.openai.com 展示页与 openai-cookbook 提交在浏览器面板逐段读过(2026-09-14),刻意记为 capability 并标为厂商材料 · interprété 2026-09-14 · Claude (VOLO agent)
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.