# Plans d’étude OpenAI
Quatre plans d’étude jour par jour pour les tracks OpenAI — un sprint Foundations d’une semaine, un plan de pathway Foundations sur 3 semaines, un plan développeur de 6 semaines pour l’API et Codex, et un plan leadership de 2 semaines — chacun avec lectures, tâches pratiques, points de contrôle par examen blanc, un rituel de revue hebdomadaire et des seuils de readiness.
import { Tabs, TabItem } from '@prosefly/astro-components';
Les quatre plans suivent les mêmes règles : l’étude suit les poids de domaine de l’examen blanc, vous faites le travail dans un vrai environnement ChatGPT, API ou Codex plutôt que d’en lire la description, et vous n’avancez qu’après qu’un examen blanc a franchi le seuil de readiness. Ces plans vous préparent aux assessments **OpenAI Academy** et à la complétion des pathways ; les assessments Academy eux-mêmes comptent 10–20 questions tirées d’une banque de 50 items avec **80 % pour réussir**, et les badges Academy et certificats de pathway **ne sont pas des certifications**. Nos examens blancs sont une pratique indépendante, délibérément plus longue, avec la même barre des 80 % mise en avant.
:::tip[Seuil de readiness]
N’avancez que lorsqu’un examen blanc chronométré atteint **80 % ou plus au global** avec **aucun domaine sous 70 %**. Moins de 70 % au global signifie continuer à apprendre ; 70–79 % signifie travailler vos domaines faibles avant d’avancer ; 90 %+ signifie que vous avez une marge confortable sur un assessment court et randomisé.
:::
Pour quelqu’un qui a besoin rapidement du badge *AI Foundations*. Reflète le cours Academy AI Foundations (60–75 min) dans le pathway Foundations. Environ 10–12 heures sur sept jours.
| Jour | Lecture | Pratique | Point de contrôle |
| --- | --- | --- | --- |
| 1 | Vue d’ensemble du track Foundations ; [paysage des credentials](/fr/openai/credentials/) | Connectez-vous à ChatGPT ; écrivez et affinez trois prompts en utilisant les patterns role et success-criteria du [prompting cookbook](/fr/appendix/openai/prompting-cookbook/) | — |
| 2 | Foundations D1–D2 (fondamentaux IA/LLM, surfaces ChatGPT) | Comparez un petit et un grand modèle sur la même tâche ; notez la différence | Répondez à chaque question en page de D1–D2 |
| 3 | Foundations D3–D4 (prompting, contexte) | Attachez un fichier / connector et ancrez une réponse ; provoquez délibérément une hallucination et détectez-la | Questions en page D3–D4 |
| 4 | Foundations D5–D6 (vérification, usage responsable) | Vérifiez une réponse « confiante » de style Claude contre une source ; rédigez une règle d’usage acceptable en une ligne pour une tâche | Questions en page D5–D6 |
| 5 | Foundations D7 (quel que soit le domaine final du track) + relecture du domaine le plus faible | Refaites la pratique de votre domaine le plus faible | [Examen blanc 1](/fr/openai/foundations/practice-exam/), non chronométré, en diagnostic |
| 6 | Relisez les deux domaines les plus faibles de l’examen blanc 1 | Refaites à voix haute les questions en page manquées, en expliquant chaque distracteur | Retry-incorrect-only sur l’examen blanc 1 |
| 7 | Revue légère, aucun nouveau contenu | — | [Examen blanc 2](/fr/openai/foundations/practice-exam-2/), chronométré ; passez l’assessment Academy si ≥ 80 % |
Couvre tout le pathway Foundations — AI Foundations + Applied AI Foundations + Agents and Workflows — vers le certificat de complétion du pathway. Environ 14–18 heures.
| Jour | Lecture | Pratique | Point de contrôle |
| --- | --- | --- | --- |
| **Semaine 1 — AI Foundations** | | | |
| 1–2 | Track Foundations, D1–D4 | Patterns de prompt ; ancrez une réponse ; provoquez et attrapez une hallucination | Questions en page |
| 3–4 | Foundations D5–D7 | Vérifiez des sorties ; rédigez une note d’usage acceptable | Questions en page |
| 5 | Revue semaine 1 | Refaites la pratique la plus faible | Examen blanc Foundations 1, non chronométré |
| **Semaine 2 — Applied AI Foundations** | | | |
| 6–7 | [Track Applied AI](/fr/openai/applied-ai/) D1–D3 (décomposition, contrats d’entrée/sortie) | Transformez une tâche récurrente en workflow documenté avec un point de revue | Questions en page |
| 8–9 | Applied AI D4–D6 (sélection de capacité, points de revue) | Ajoutez une porte de validation à votre workflow ; choisissez le modèle par étape | Questions en page |
| 10 | Revue semaine 2 | Affinez le workflow | Examen blanc Applied AI 1, non chronométré |
| **Semaine 3 — Agents and Workflows** | | | |
| 11–12 | [Track Agents](/fr/openai/agents/) D1–D3 (objectifs, contexte, boundaries) | Rédigez un brief de délégation ; exécutez une tâche d’agent bornée avec supervision | Questions en page |
| 13–14 | Agents D4–D6 (vérification, fiabilité) | Ajoutez une done-condition et un chemin d’échec au brief | Questions en page |
| 15 | Relisez le domaine le plus faible des trois | Refaites à voix haute les items manqués | Examen blanc Foundations 2 (chronométré) ; passez chaque assessment Academy si ≥ 80 % |
Couvre le pathway API (cinq cours) et le pathway Codex (trois cours). Suppose une aisance en programmation. Environ 22–28 heures. Faites tout dans la Responses API et Codex, pas sur papier.
| Semaine | Lecture | Pratique | Point de contrôle |
| --- | --- | --- | --- |
| 1 | [Track API](/fr/openai/api/) D1–D2 (cadrage, Responses API, sélection de modèle) ; [prompting cookbook](/fr/appendix/openai/prompting-cookbook/) | Un script Responses-API avec structured output et validation-retry ; choisissez un modèle par tâche selon le coût | Questions en page API D1–D2 |
| 2 | Domaine evals de l’API ; [evals cookbook](/fr/appendix/openai/evals-cookbook/) | Construisez un golden set de 30 cas à partir d’inputs réels ; ajoutez des graders exact-match et code | Examen blanc API 1, non chronométré |
| 3 | Domaine systèmes agentiques de l’API ; les trois runtimes d’agent | Construisez un assistant utilisant des tools ; comparez Responses+tools vs l’Agents SDK vs l’Agents API | Questions en page API |
| 4 | Domaine RAG de l’API ; [RAG cookbook](/fr/appendix/openai/rag-cookbook/) | Construisez un petit pipeline RAG : chunk, embed, hybrid retrieve, rerank ; mesurez recall@k et faithfulness | Questions en page API |
| 5 | Domaine performance de l’API ; [gouvernance & sécurité](/fr/appendix/openai/governance-and-security/) | Ajoutez du prompt caching ; posez des spend limits ; câblez un eval dans la CI | Examen blanc API 2 (chronométré) ; ≥ 80 % avant d’avancer |
| 6 | [Track Codex](/fr/openai/codex/) tous domaines ; modèles Codex et échelle de reasoning | Rédigez un code-change brief ; exécutez Codex sur un vrai repo avec sandboxing et auto-review ; utilisez `codex exec` de façon non interactive | Examen blanc Codex 1 puis 2 (chronométrés) ; passez les assessments Academy si ≥ 80 % |
Reflète le cours Academy autonome *AI Leadership* (180 min, sans pathway). Pour les owners et les sponsors. Environ 10–14 heures. Associe un peu d’aisance pratique au vocabulaire de gouvernance et d’adoption.
| Jour | Lecture | Pratique | Point de contrôle |
| --- | --- | --- | --- |
| **Semaine 1** | | | |
| 1 | [Paysage des credentials](/fr/openai/credentials/) ; les trois mécanismes de credential | Confirmez à quels pilots ou workspaces votre organisation peut accéder | — |
| 2 | Track Foundations D1–D3 (rapide, pour l’aisance) | Faites une vraie tâche dans ChatGPT de bout en bout pour que les démos ne vous trompent pas | Questions en page Foundations D1–D3 |
| 3 | [Track Leadership](/fr/openai/leadership/) D1–D2 (sélection d’opportunité, stratégie) | Rédigez une shortlist d’opportunités avec des notes de valeur et de faisabilité | Questions en page Leadership |
| 4 | Leadership D3 (gouvernance) ; [gouvernance & sécurité](/fr/appendix/openai/governance-and-security/) | Remplissez la matrice de sign-off pour un cas d’usage proposé | Questions en page Leadership |
| 5 | Revue semaine 1 | Affinez la shortlist | Examen blanc Leadership 1, non chronométré |
| **Semaine 2** | | | |
| 6 | Leadership D4–D5 (adoption, montée en compétence des équipes) | Rédigez un plan d’enablement et un canevas de politique d’usage acceptable | Questions en page Leadership |
| 7 | Leadership D6 (mesure) | Définissez deux métriques d’adoption et une métrique de qualité | Questions en page Leadership |
| 8 | Relisez le domaine le plus faible | Refaites à voix haute les items manqués, en expliquant chaque distracteur | Retry-incorrect-only sur l’examen blanc 1 |
| 9 | Revue légère, aucun nouveau contenu | — | Examen blanc Leadership 2 (chronométré) |
| 10 | — | — | Passez l’assessment Academy AI Leadership si ≥ 80 % |
## Rituel de revue hebdomadaire
Terminez chaque semaine par le même rituel de 45 minutes, quel que soit le plan :
1. **Reprise à froid** des questions en page de la semaine que vous avez ratées, sans regarder d’abord les explications.
2. **Expliquez chaque distracteur à voix haute** — si vous ne pouvez pas dire pourquoi les mauvaises options sont fausses, vous n’avez pas appris l’item.
3. **Refaites la tâche pratique la plus faible** depuis zéro, plus vite cette fois.
4. **Mettez à jour votre liste de lacunes** — les deux sujets dont vous êtes le moins sûr deviennent la première lecture de la semaine suivante.
5. **Vérifiez le seuil** — si un examen blanc est dû, passez-le ; enregistrez la répartition par domaine, pas seulement le total.
## Micro-routine quotidienne (15 minutes)
1. Lisez cinq entrées du [glossaire OpenAI](/fr/openai/glossary/) que vous ne pouvez pas définir de mémoire.
2. Répondez de nouveau à deux questions ratées hier, à voix haute, en expliquant chaque distracteur.
3. Parcourez une table de décision d’un cookbook d’annexe et énoncez la règle signal → choix qu’elle encode.
## Les seuils de readiness et comment les lire
| Bande | Global | Ce qu’il faut faire |
| --- | --- | --- |
| Continuer à apprendre | moins de 70 % | Les lacunes sont structurelles ; relisez les deux domaines les plus faibles et refaites leurs questions en page avant un autre examen blanc |
| Confiance en construction | 70–79 % | Vous le savez mais pas de façon fiable ; travaillez les domaines faibles, ne retentez que les items ratés |
| Prêt pour l’assessment | 80–89 % | À ou au-dessus du seuil du badge Academy ; suivez le cours Academy puis son assessment |
| Forte readiness | 90 %+ | Marge confortable sur une forme courte et randomisée ; passez au track suivant |
:::tip[Le par-domaine prime sur le total]
Un 90 % au global avec un domaine à 3 sur 8 risque encore d’échouer à une forme Academy courte qui échantillonnerait ce domaine deux fois. Pondérez votre révision par *poids du domaine × votre taux d’erreur*, jamais par le poids seul, et n’avancez jamais avec un domaine sous 70 %.
:::
## Limites honnêtes de ces plans
- Les budgets d’heures, les longueurs d’examen blanc et les poids de domaine sont **nos choix de conception**, pas des paramètres OpenAI publiés. Les paramètres Academy publiés sont exactement deux : 10–20 items tirés d’une banque de 50 items, et 80 % pour réussir.
- Les durées des cours Academy sont les estimations publiées (par exemple AI Foundations 60–75 min, AI Leadership 180 min) ; elles évolueront, alors confirmez sur la [page ressources](/fr/appendix/openai/resources/).
- Rien ici ne garantit un badge, un certificat de pathway ni l’éligibilité à une future certification OpenAI — c’est la formulation propre à OpenAI, et ces plans la répètent plutôt que de la brouiller.