Merge construit ses workflows produit et métier autour des outils d’OpenAI

Merge utilise la technologie d’OpenAI dans le développement logiciel et les opérations commerciales, selon une étude de cas publiée par OpenAI. L’entreprise affirme que ses équipes utilisent GPT-6 Astra, ChatGPT et Codex pour examiner le code produit, soutenir le marketing, préparer des mises à jour commerciales et organiser des dîners pour les dirigeants.

Ce témoignage donne un aperçu de la manière dont une entreprise logicielle applique plusieurs produits d’OpenAI au-delà d’un simple workflow de chatbot. Il montre aussi les limites des éléments disponibles : le contenu publié par OpenAI est la source principale, tandis que l’article Google News qui l’accompagne n’apporte ni informations supplémentaires ni vérification indépendante.

Ce que Merge fait avec OpenAI

OpenAI News identifie trois outils dans le workflow interne de Merge : GPT-6 Astra, ChatGPT et Codex. L’entreprise les utiliserait pour des tâches techniques et commerciales, plutôt que de limiter l’IA à l’ingénierie.

L’usage le plus direct dans le développement produit concerne la revue de code. OpenAI indique que Merge utilise GPT-6 Astra et Codex pour examiner le code produit. Cela suggère un processus d’ingénierie assisté par l’IA, dans lequel les modèles contribuent à examiner les modifications avant leur intégration. La source disponible ne précise toutefois pas si les outils approuvent le code, signalent d’éventuels défauts, génèrent des tests ou se contentent de fournir des suggestions aux développeurs.

Merge utilise également les outils d’OpenAI pour soutenir le marketing, selon l’étude de cas. La source n’identifie ni les campagnes, ni les formats de contenu, ni le processus de validation concernés. Il est donc difficile d’évaluer quelle part du travail est automatisée et quelle part est simplement accélérée par les équipes humaines.

Dans le domaine commercial, OpenAI affirme que Merge utilise l’IA pour préparer des mises à jour commerciales et planifier des dîners pour les dirigeants. Ces exemples situent la technologie dans des tâches courantes de coordination et de communication, où sa valeur pourrait résider dans l’organisation de l’information et la production de premières versions, plutôt que dans la prise de décisions finales.

Un déploiement multi-outils, et non un seul cas d’usage

Le schéma rapporté est notable, car il relie l’ingénierie, le marketing, les ventes et le soutien aux dirigeants au sein d’une même entreprise. Pour les équipes produit, la source associe Codex à la revue de code. Pour les tâches professionnelles plus générales, ChatGPT et GPT-6 Astra sont présentés comme faisant partie de la boîte à outils opérationnelle de Merge.

Cette répartition ne doit pas être considérée comme une architecture formelle. Le résumé d’OpenAI n’explique pas quel modèle prend en charge quelle tâche dans chaque workflow, comment les employés font passer le travail d’un produit à l’autre, ni si Merge a construit des intégrations internes autour de ces outils. Il ne révèle pas non plus la taille des équipes concernées, le volume de travail traité ou le temps gagné.

Ces exemples indiquent néanmoins un choix de déploiement important. Merge semble évaluer l’IA comme une capacité partagée entre les services, plutôt que comme une expérience d’ingénierie isolée. Cela peut réduire le nombre d’outils distincts que les employés doivent apprendre, mais soulève aussi des questions concernant les autorisations, la gestion des données et l’harmonisation des standards de revue entre des types de travaux très différents.

Ce que montrent les éléments disponibles — et ce qu’ils ne montrent pas

Les affirmations précises concernant les produits et leur adoption proviennent de l’étude de cas officielle de Merge publiée par OpenAI. En tant que témoignage publié par un fournisseur, elle doit être lue comme une description de l’utilisation par un client, et non comme une validation indépendante. La source confirme qu’OpenAI décrit ces workflows, mais ne fournit ni résultats de productivité audités, ni taux d’erreur, ni résultats clients, ni comparaison avec les anciens processus de Merge.

La mention de GPT-6 Astra est également importante, mais difficile à évaluer à partir du matériel fourni. Dans le résumé disponible, OpenAI ne donne ni spécifications techniques, ni informations tarifaires, ni détails sur la fenêtre de contexte, ni résultats de benchmarks. Sans ces informations, l’article ne peut pas établir que le modèle est nettement plus performant pour le travail de Merge que les autres systèmes disponibles.

De même, la source ne précise pas si le code généré par l’IA a introduit des défauts, si les contrôles humains restent obligatoires ou comment Merge protège les informations propriétaires de ses produits. Ces omissions comptent, car la revue de code et la préparation des ventes présentent des risques différents. Une suggestion de code erronée peut affecter la fiabilité, tandis qu’une mise à jour commerciale inexacte peut fausser la planification interne ou la communication avec les clients.

Implications pour les développeurs et les acheteurs d’entreprise

Pour les développeurs, l’approche rapportée de Merge met en évidence un point de départ pratique : associer les outils d’IA à des workflows récurrents plutôt que de déployer un modèle sans fonction définie. La revue de code, l’assistance marketing et les rapports commerciaux ont des données d’entrée, des résultats et des exigences d’approbation différents. Les traiter séparément peut faciliter la mesure de la qualité et l’attribution des responsabilités.

L’exemple souligne également la nécessité de points de contrôle humains. La source décrit l’IA comme une aide pour le code produit et les supports commerciaux, mais n’affirme pas que Merge a supprimé les collaborateurs de ces processus. Dans la plupart des environnements d’entreprise, la question de mise en œuvre la plus importante n’est pas de savoir si un modèle peut produire une réponse, mais qui la vérifie avant qu’elle n’ait un effet sur les logiciels, les clients ou les dirigeants.

Pour les acheteurs d’entreprise, l’étude de cas apporte des éléments sur l’étendue de l’usage, plutôt qu’une preuve de retour sur investissement. Une entreprise envisageant ChatGPT, Codex ou un autre modèle devrait encore tester leurs performances sur ses propres dépôts, standards marketing et données commerciales. Elle devrait également mettre en place des contrôles clairs concernant l’accès, la conservation, les informations confidentielles et l’auditabilité.

Le recours à ces outils dans plusieurs services peut néanmoins être commercialement intéressant pour OpenAI. Si les clients utilisent les produits de l’entreprise pour des tâches techniques et administratives, OpenAI peut viser une part plus importante des budgets consacrés aux logiciels de travail. Mais cette opportunité dépend de la capacité à démontrer des résultats fiables dans chaque workflow, et pas seulement à montrer qu’un modèle peut être utilisé dans de nombreux contextes.

Ce qu’il faudra surveiller

Le prochain signal utile serait l’obtention de davantage de détails de la part de Merge ou d’OpenAI sur les résultats mesurables. Il pourrait s’agir de l’évolution du temps consacré aux revues de code, du nombre de problèmes détectés, du volume de production marketing ou du temps nécessaire à la préparation des mises à jour commerciales.

Les lecteurs devraient également surveiller les informations concernant les contrôles de déploiement. Des détails sur l’accès aux dépôts, les exigences d’approbation, le suivi des modèles et le traitement des informations sensibles liées aux ventes ou aux dirigeants permettraient de déterminer si ces usages sont expérimentaux ou intégrés aux opérations quotidiennes.

Enfin, d’autres témoignages de clients pourraient montrer si l’approche de Merge est inhabituelle ou si elle s’inscrit dans une évolution plus large vers des plateformes d’IA partagées. Des informations indépendantes, plutôt que les seules études de cas des fournisseurs, seraient particulièrement utiles pour évaluer la fiabilité et l’impact réel sur l’activité.

Point de vue de Creati.ai

L’exemple de Merge constitue moins une preuve d’automatisation spectaculaire qu’une illustration utile de la manière dont l’IA devient une couche des workflows ordinaires d’une entreprise. Les usages rapportés sont variés, mais les éléments disponibles ne démontrent pas qu’ils ont produit des gains quantifiés.

La leçon pratique pour les concepteurs et les acheteurs d’IA est d’évaluer chaque workflow selon ses propres critères. La revue de code exige une grande précision technique et des contrôles solides ; le marketing et les ventes exigent une cohérence factuelle et une discipline d’approbation. Le récit d’OpenAI montre où les outils sont utilisés, mais les questions les plus difficiles — qualité, gouvernance et valeur mesurable — restent ouvertes.