OpenAI affirme que l’adoption de l’IA en entreprise évolue au-delà des questions-réponses vers un travail délégué en plusieurs étapes, mais ses propres données montrent que les progrès sont très inégaux. La nouvelle recherche de l’entreprise décrit un écart croissant entre les sociétés « frontier » et les adoptants classiques, les organisations les plus actives utilisant bien davantage les agents, le contexte de l’entreprise et les outils connectés.

Les résultats proviennent de deux études OpenAI : Enterprise Signals, qui examine l’IA agentique au sein de la base de clients entreprise de la société, et le document de travail How Organizations Use AI: Evidence from ChatGPT. OpenAI indique que les études s’appuient sur plus de 10 millions de messages et examinent l’adoption selon les entreprises, les fonctions et les niveaux d’ancienneté.

Codex indique un glissement vers le travail délégué

Le signal le plus clair est la croissance rapportée de Codex, l’agent de codage et de travail logiciel de OpenAI. En juin, Codex a généré 64 % des tokens de sortie combinés de Codex et ChatGPT parmi les clients entreprise, selon OpenAI. L’entreprise soutient que cette mesure indique un passage à des tâches plus longues et plus substantielles, car les workflows agentiques produisent généralement plus de contenu de sortie que les requêtes conversationnelles courtes.

Cette interprétation compte pour les acheteurs d’entreprise. Un assistant peut aider un employé à raisonner sur une présentation ou une tâche de recherche ; un agent peut recueillir des informations, utiliser des systèmes connectés, créer des fichiers et préparer un résultat pour examen humain. OpenAI présente ChatGPT Work et Codex comme des exemples de ce modèle, même si les données ne montrent pas quelle part du contenu de sortie rapporté a été acceptée sans édition humaine importante ni combien de travail a été mené à bien avec succès.

L’usage de Codex s’étend aussi au-delà de l’ingénierie. Depuis février, les utilisateurs actifs hebdomadaires de Codex en entreprise ont augmenté de 108 fois dans le juridique, de 41 fois dans les ventes, de 41 fois dans le recrutement et de 26 fois dans le marketing, rapporte OpenAI. L’ingénierie a progressé de cinq fois sur la même période. Ce sont de forts taux de croissance relative, mais OpenAI ne fournit pas les volumes d’utilisateurs sous-jacents dans le matériel communiqué ; ils ne doivent donc pas être interprétés comme la preuve que les équipes non techniques disposent désormais de déploiements plus importants que les équipes d’ingénierie.

OpenAI cite Virgin Atlantic comme exemple d’usage transversal. La compagnie aérienne dit que des équipes d’ingénierie ont utilisé Codex pour refactoriser du code ancien en 30 minutes au lieu de deux semaines, tandis que des équipes produit ont utilisé ChatGPT Work pour des recherches concurrentielles. Ces déclarations sont des exemples fournis par OpenAI et n’ont pas été vérifiées indépendamment dans le résumé de recherche de l’entreprise.

L’écart frontier se creuse

OpenAI classe chaque mois les clients entreprise selon les tokens de sortie par utilisateur actif. Elle définit les sociétés frontier comme celles du top 10 % et les sociétés typiques comme celles situées autour des 45e à 55e percentiles. En juin, les sociétés frontier ont généré 8,3 fois plus de tokens de sortie par utilisateur actif que les sociétés typiques, contre un écart de 2,6 fois en janvier.

L’entreprise décrit les tokens de sortie comme un proxy de la profondeur d’utilisation, et non comme une mesure directe de la valeur commerciale. Davantage de texte ou de code généré peut refléter des workflows plus longs, mais cela peut aussi résulter d’un prompting inefficace, de révisions répétées ou de tâches nécessitant un examen approfondi. Le ratio en hausse indique donc une différence d’intensité d’utilisation, tout en laissant ouvertes des questions sur la productivité, la qualité et le retour sur investissement.

Le même schéma apparaît dans l’utilisation des capacités avancées. OpenAI indique que 21 % des utilisateurs actifs hebdomadaires des sociétés frontier utilisaient des Plugins, contre 9 % dans les sociétés typiques. L’utilisation des Skills était de 19 % dans les sociétés frontier contre 3 % dans les sociétés typiques. Les Plugins peuvent connecter un agent aux données et actions de l’entreprise, tandis que les Skills fournissent des instructions réutilisables, selon OpenAI.

OpenAI rapporte aussi que 95 % de ses propres employés utilisent des Plugins chaque semaine. Comme OpenAI est à la fois le fournisseur du produit et la source de cette comparaison interne, il est préférable de considérer ce chiffre comme un signal d’adoption rapporté par le fournisseur plutôt que comme un indicateur de référence du marché.

Des preuves utiles, mais contrôlées par le fournisseur

La recherche offre une perspective que les sondages traditionnels manquent souvent : les schémas d’utilisation réels dans les conversations de travail et la télémétrie produit, plutôt que les descriptions que les employés donnent de leur comportement. OpenAI affirme que ses données montrent que les employés en début de carrière utilisent ChatGPT plus fréquemment que les cadres. Six mois après l’adoption, les travailleurs en début de carrière envoyaient 13 messages de plus par semaine que les cadres, rapporte l’entreprise.

OpenAI indique également que, parmi les sociétés cotées américaines étudiées dans son document de travail, les adoptants d’entreprise disposaient de plus d’actifs, de plus d’employés et d’un investissement R&D plus élevé que les non-adoptants. Il s’agit d’une corrélation, pas d’une preuve que l’adoption de l’IA a entraîné de meilleures performances financières. Les grandes entreprises disposent peut-être simplement de davantage de ressources pour acheter, déployer et gouverner des systèmes d’IA.

Les principales affirmations restent rapportées par le fournisseur. Les éléments fournis n’incluent pas d’examen indépendant de la méthodologie, de données de coûts à l’échelle client, de taux d’erreur, de taux d’achèvement des tâches ni de comparaison avec des systèmes autres qu’OpenAI. Les acheteurs devraient donc utiliser les rapports pour formuler des hypothèses sur les schémas de déploiement, et non comme une mesure neutre du marché de l’IA d’entreprise.

Ce que ces résultats signifient pour les créateurs d’IA et les entreprises

Pour les équipes produit, la recherche indique un changement d’unité de conception. Le produit de valeur n’est peut-être pas un chatbot généraliste, mais un workflow qui combine instructions, autorisations, données métier et actions. Un Plugin commercial, par exemple, pourrait combiner un playbook d’entreprise avec l’accès au CRM et des propositions antérieures avant de produire une réponse à examiner.

Cette architecture introduit des exigences opérationnelles moins importantes pour une simple assistance. Les équipes ont besoin de limites d’autorisation, de journaux d’audit, de contrôles d’accès aux données, d’étapes d’approbation et de moyens de récupération lorsqu’un agent utilise le mauvais contexte ou effectue une action inappropriée. La revue humaine reste particulièrement importante lorsque les résultats affectent des clients, le travail juridique, les décisions financières ou les systèmes de production.

L’écart d’adoption suggère aussi qu’acheter l’accès à un modèle d’IA n’est pas la même chose que faire évoluer son usage à grande échelle. La propre conclusion d’OpenAI est que les entreprises ont besoin d’un apprentissage continu des employés, de workflows partagés, d’une infrastructure de données et d’une gouvernance. Pour les dirigeants d’entreprise, un point de départ pratique consiste à identifier les workflows individuels efficaces, à mesurer où ils font gagner du temps ou améliorent la qualité, puis à les convertir en processus reproductibles plutôt qu’à s’appuyer sur une expertise informelle de prompting.

Pour les concurrents et les créateurs, l’expansion des agents IA dans le juridique, les ventes, le recrutement et le marketing augmente les enjeux autour des intégrations. Les systèmes capables de récupérer en toute sécurité le contexte métier actuel et d’exécuter des actions bornées pourraient devenir plus utiles que les systèmes qui génèrent seulement du texte soigné. Mais la recherche ne montre pas si les produits d’OpenAI surpassent les alternatives en fiabilité, coût total ou sécurité.

Ce qu’il faut surveiller ensuite

Les prochains signaux seront des éléments plus détaillés sur l’achèvement des tâches, les taux de révision et les résultats commerciaux mesurables. Les rapports d’OpenAI pourraient aussi clarifier comment l’écart de sortie de 8,3 fois varie selon le secteur et la fonction, et si une forte utilisation de tokens se traduit par des coûts opérationnels plus faibles ou une livraison plus rapide.

Les acheteurs d’entreprise devraient surveiller une disponibilité plus large des autorisations d’agents, des modèles de workflow et des contrôles d’audit dans ChatGPT Work, Codex et Plugins. Ils devraient également rechercher des évaluations clients indépendantes qui signalent les exécutions infructueuses, l’intervention humaine et les coûts de déploiement, et pas seulement la croissance de l’utilisation.

Un autre test sera de savoir si l’adoption se poursuit en dehors de l’ingénierie une fois les agents connectés à des systèmes d’entreprise sensibles. La croissance dans le juridique, les ventes, le recrutement et le marketing est notable, mais l’usage durable dépendra de la qualité des données, de l’examen de conformité et de la capacité des agents à réaliser le travail de manière suffisamment fiable pour gagner la confiance.

Perspective Creati.ai

L’annonce d’OpenAI est moins une affirmation selon laquelle les entreprises auraient résolu l’IA agentique qu’une mesure de l’inégalité avec laquelle elles s’en approchent. L’écart frontier rapporté suggère que l’avantage concurrentiel peut venir autant de la capacité organisationnelle—conception des workflows, accès aux données et gouvernance—que de l’accès au modèle.

La question importante pour les créateurs n’est donc pas simplement de savoir combien d’employés utilisent un outil d’IA. C’est de savoir si un système peut accomplir un travail défini, montrer ce qu’il a fait, rester dans les limites de ses autorisations et produire un résultat que les humains peuvent vérifier. Les données d’OpenAI rendent cette transition visible, tandis que sa méthodologie contrôlée par le fournisseur signifie que le marché a encore besoin de preuves indépendantes sur la qualité et l’économie.