OpenAI cherche à faire sortir les agents d’IA du développement logiciel pour les intégrer aux flux de travail quotidiens des comptables, investisseurs, médecins, équipes opérationnelles et autres travailleurs utilisant un ordinateur. Son initiative la plus récente, ChatGPT Work, relie un modèle à des outils professionnels et lui demande d’exécuter des tâches en plusieurs étapes plutôt que de simplement répondre à des questions.

Cette expansion est stratégique, mais les premiers éléments indiquent un problème d’adoption difficile. TechCrunch rapporte que les employés d’OpenAI utilisent son outil de codage agentique à des niveaux très élevés, tandis que l’usage parmi les abonnés externes reste limité. Cet écart suggère que la création d’agents performants n’est qu’une partie du défi ; faire en sorte qu’ils soient compréhensibles, contrôlables et dignes de confiance pour les personnes extérieures à l’ingénierie pourrait déterminer si le marché dépasse les premiers adeptes techniques.

ChatGPT Work va au-delà du codage

ChatGPT Work a été lancé le mois dernier et est disponible dans l’abonnement mensuel à 20 dollars de OpenAI, selon TechCrunch. Le produit est présenté comme une version plus large de Codex, l’agent de codage de l’entreprise, conçu pour des utilisateurs qui ne travaillent pas forcément avec du code source ou des outils en ligne de commande.

La proposition centrale est l’accès à des espaces de travail numériques existants. L’application de bureau d’OpenAI peut se connecter à des services comme l’e-mail, Slack, Notion, Figma et d’autres applications, permettant à un agent de recueillir des informations et d’agir à travers plusieurs systèmes. Parmi les exemples cités par TechCrunch figurent la création de rapports hebdomadaires de métriques, la transformation de feuilles de calcul en outils de planification, l’assemblage de recherches d’investissement et la production de graphiques à partir de conversations professionnelles.

Cette approche place ChatGPT Work dans la même grande catégorie que des produits tels que Claude Code, l’agent de navigation de Perplexity AI, et d’autres agents d’IA qui opèrent sur le logiciel existant d’un utilisateur plutôt que dans une seule conversation isolée. OpenAI parie qu’un agent polyvalent peut servir de nombreuses professions si le produit environnant gère la complexité des outils, des autorisations et de la planification des tâches.

Les responsables produit de l’entreprise présentent ce changement comme un passage de l’assistance conversationnelle à l’exécution autonome. Il s’agit d’une position d’OpenAI, et non d’une évaluation vérifiée indépendamment de la fiabilité du système dans différents environnements de travail.

L’écart d’adoption est l’épreuve centrale

La preuve la plus forte du problème vient de données d’usage citées par TechCrunch à partir d’une étude soutenue par OpenAI. En juin, 98 % des employés d’OpenAI auraient utilisé Codex, contre 17 % des abonnés organisationnels et moins de 1 % des abonnés individuels.

Ces chiffres sont soutenus par le fournisseur et ne doivent pas être considérés comme une mesure indépendante du marché global. Ils illustrent néanmoins la distance entre la familiarité interne et l’adoption externe. Les ingénieurs d’OpenAI travaillent dans des environnements où les agents de codage s’intègrent naturellement aux processus existants. La plupart des autres utilisateurs doivent d’abord comprendre ce qu’il faut déléguer, comment fournir du contexte et comment examiner le résultat.

Andrew Ambrosino, responsable de l’ingénierie chez OpenAI, a déclaré à TechCrunch que l’entreprise avait d’abord constaté que des employés non ingénieurs avaient du mal avec Codex, car le produit exposait des concepts techniques comme les modifications de code et les diffs vides. L’équipe a depuis travaillé à rendre l’expérience plus généraliste, avec pour objectif de réduire la quantité de connaissances spécialisées nécessaire pour utiliser un agent.

Cela explique aussi l’accent mis par OpenAI sur des contrôles visibles et des boutons de flux de travail. Un utilisateur techniquement avancé pourrait invoquer la bonne capacité via une requête, mais les utilisateurs grand public peuvent ne pas savoir que cette capacité existe. Ambrosino a soutenu que la découvrabilité est importante au début de l’adoption, même si certains contrôles finissent par disparaître à mesure que les utilisateurs se familiarisent avec les logiciels agentiques.

Plus d’accès crée plus de risques

Donner à un agent l’accès aux systèmes de travail modifie aussi le problème de sécurité. Le modèle ne génère plus seulement du texte à examiner ; il peut lire des messages privés, récupérer des dossiers, mettre à jour des documents, créer des événements de calendrier ou agir dans plusieurs applications.

Ambrosino a reconnu le risque qu’un agent puisse extraire des informations d’un message direct privé lors de la préparation d’un document et ne pas comprendre que ces informations ne devraient pas être partagées. Il a déclaré à TechCrunch qu’il acceptait ce risque dans le cadre de ses tests du produit, tout en notant qu’il n’avait pas rencontré ce résultat.

Cette anecdote ne prouve pas que le problème est résolu. Pour les acheteurs d’entreprise, les questions pertinentes incluent la possibilité de limiter l’accès par application, projet, type de données ou rôle utilisateur ; le fait que les actions nécessitent ou non une approbation ; et la capacité des administrateurs à auditer ce que l’agent a consulté et modifié. Les documents sources n’établissent pas la manière dont ChatGPT Work gère chacun de ces contrôles.

Le produit fait également face aux problèmes de fiabilité des logiciels qu’il doit naviguer. De nombreux systèmes métier n’ont pas été conçus pour des agents autonomes, et des interfaces incohérentes, des enregistrements incomplets et des autorisations ambiguës peuvent rendre difficile une tâche en apparence simple. Un agent qui extrait avec succès un calendrier mal formaté une fois est utile ; un système d’entreprise doit fonctionner de manière prévisible sur des milliers de cas variés.

Pourquoi ce pari compte pour les créateurs et les acheteurs d’IA

Pour OpenAI, une adoption plus large des agents pourrait accroître la valeur et l’usage de ses modèles, car les tâches plus longues consomment davantage de ressources d’inférence. Plus important encore, l’entreprise doit atteindre des professions au-delà du développement logiciel si elle veut que les agents d’IA prennent en charge une part beaucoup plus grande du travail intellectuel.

La concurrence se structure déjà autour de flux de travail plus étroits. Harvey se concentre sur le travail juridique, tandis que Clay cible les processus liés à la vente, selon TechCrunch. Ces entreprises adoptent une stratégie agnostique au modèle, leur permettant de choisir différents modèles sous-jacents lorsque les performances ou les coûts évoluent. OpenAI, en revanche, tente de rendre un seul produit destiné aux consommateurs utile dans de nombreuses fonctions.

Cela crée un compromis pour les développeurs. Un agent généraliste peut réduire le besoin d’acheter et d’intégrer plusieurs outils spécialisés, mais un produit vertical peut offrir de meilleures autorisations, une terminologie plus adaptée, des processus de revue et une fiabilité spécifique au domaine. Les équipes produit évaluant ChatGPT Work devront comparer la commodité d’un assistant large avec les contrôles et la prévisibilité d’un système ciblé.

Les chiffres d’adoption suggèrent aussi que l’expérience utilisateur peut compter autant que la capacité du modèle. Les ingénieurs peuvent tolérer la configuration, les retours techniques et le débogage occasionnel. Les utilisateurs des fonctions finance, communication et opérations auront plus probablement besoin de limites de tâche claires, de sources visibles, d’actions réversibles et d’un mécanisme d’escalade simple lorsque l’agent est incertain.

Ce qu’il faut surveiller ensuite

Le premier signal sera l’usage de ChatGPT Work par rapport à l’audience plus large de ChatGPT d’OpenAI. TechCrunch rapporte que l’application commune est utilisée par 20 millions de personnes, tandis qu’OpenAI affirme que plus d’un milliard d’utilisateurs saisissent des invites dans ChatGPT en ligne. La comparaison n’est pas une mesure d’adoption équivalente, mais elle montre l’ampleur du défi pour l’entreprise.

Les acheteurs d’entreprise devraient surveiller les informations publiées sur l’utilisation active, les taux d’achèvement des tâches, les taux d’erreur, les contrôles d’autorisation, les journaux d’audit et la fréquence à laquelle les utilisateurs doivent intervenir. La volonté d’OpenAI de divulguer ces détails permettrait de distinguer plus facilement une véritable adoption des flux de travail d’essais motivés par la curiosité.

Le marché devrait également observer si les utilisateurs préfèrent des agents généralistes ou des produits spécialisés comme Harvey et Clay. Un autre signal important sera de savoir si OpenAI peut rendre les agents utiles sans obliger les clients à réorganiser leurs piles logicielles existantes ou à accepter un accès étendu à des données sensibles.

Point de vue de Creati.ai

La nouvelle d’OpenAI concerne moins l’ajout d’un assistant supplémentaire que le test de savoir si l’autonomie peut devenir une interaction normale au travail. ChatGPT Work répond à une vraie limite des interfaces de chat : les utilisateurs ont souvent besoin d’aide pour coordonner informations et actions sur plusieurs systèmes, et pas seulement pour rédiger une réponse.

Mais l’adoption grand public dépendra d’une autonomie encadrée, et non de l’autonomie seule. Les créateurs et les entreprises récompenseront probablement les produits qui expliquent ce qu’ils ont consulté, demandent une approbation à des moments décisifs et échouent de manière sûre lorsque les instructions ou les données sont ambiguës. OpenAI a montré son ambition d’amener les agents d’IA aux non-ingénieurs ; la prochaine question est de savoir si sa conception produit peut gagner le droit d’agir.