ChatGPT Work OpenAI ou l’évolution du travail selon OpenAI
Par André Gentit, fondateur de DeepDive
📌 TL;DR — 30 secondes montre en main
Le 9 juillet 2026, OpenAI a lancé ChatGPT Work, un agent qui ne répond plus à vos questions mais fabrique vos livrables : tableurs, slides, docs, mini-applications web. Il est propulsé par GPT‑5.6, décliné en trois modèles — Sol (le costaud), Terra (le cheval de trait), Luna (le rapide et pas cher) — avec un rapport de 1 à 5 sur le prix et souvent moins de 5 points d’écart sur les benchmarks. Traduction : la compétence qui compte désormais n’est plus « savoir prompter », c’est savoir router. Et accessoirement, savoir dire non à l’agent quand il propose une conclusion élégante mais fausse.
L’agent qui s’installe dans votre dossier pour trois heures
Jusqu’ici, l’IA générative fonctionnait sur un contrat implicite : vous posez une question, elle produit du texte, vous faites le vrai travail. ChatGPT Work rompt ce contrat. OpenAI décrit un agent capable de rassembler du contexte à travers vos applications et vos fichiers, de rester sur un projet pendant des heures en le découpant en sous-étapes, et de rendre un livrable fini plutôt qu’une réponse.
Techniquement, l’outil absorbe Codex — l’agent de code d’OpenAI, utilisé chaque semaine par plus de 5 millions de personnes, dont plus d’un million pour autre chose que du logiciel. Les deux applications desktop fusionnent, l’ancienne devient « ChatGPT Classic », et le navigateur Atlas, lancé en grande pompe il y a neuf mois, est purement et simplement mis à mort (dépréciation visée le 9 août). Dans la Silicon Valley, le cycle de vie d’un produit se mesure désormais en trimestres.
Le tout se branche sur Slack, Microsoft Teams, Google Drive, SharePoint, la messagerie, les agendas, le CRM et les outils de suivi de projet — plus de 1 400 plugins, appelables au clavier avec un simple « @ ». Ajoutez les Scheduled Tasks, qui laissent l’agent travailler pendant que vous dormez, et vous obtenez la promesse : une couche de production entre vos outils et vos livrables.
C’est la date visée pour la fermeture définitive d’Atlas, le navigateur agentique d’OpenAI. Durée de vie totale : neuf mois.
Sol, Terra, Luna : OpenAI a-t-il recruté un astrologue ?
Après les années o3, o4-mini, 4o, GPT‑4 Turbo et autres joyeusetés nominatives, OpenAI a enfin compris que ses clients ne sont pas des archivistes. Le chiffre indique la génération (5.6), le nom indique le palier de capacité. C’est plus lisible. C’est aussi, il faut le dire, un peu solennel pour des fichiers de poids.
Trois modèles, trois économies
| Modèle | Vocation | Prix (entrée / sortie par M tokens) | À utiliser pour |
|---|---|---|---|
| ☀️ Sol | Modèle frontière | 5 $ / 30 $ | Sécurité, architecture, décisions stratégiques |
| 🌍 Terra | Régime de croisière | 2,50 $ / 15 $ | Rédaction, synthèse, analyse de 1er niveau |
| 🌙 Luna | Volume | 1 $ / 6 $ | Tri, classification, résumés, routage |
Les trois partagent une fenêtre de contexte de 1,05 million de tokens et 128 000 tokens de sortie maximum. À cela s’ajoute Sol Fast, la même intelligence servie sur matériel Cerebras jusqu’à ~750 tokens/seconde, facturée 2,5 fois le tarif standard (12,50 $ / 75 $). La vitesse devient une ligne budgétaire assumée — une première.
« Max » et « Ultra » : quand le modèle décide de faire un effort
Deux nouveaux régimes de raisonnement apparaissent sur Sol. Max creuse davantage à l’intérieur d’un seul modèle. Ultra coordonne plusieurs agents en parallèle et synthétise leur travail. Sur Terminal‑Bench 2.1 — un test de workflows en ligne de commande exigeant planification, outils et itérations — Sol Ultra atteint 91,9 %, Sol seul 88,8 %, Terra 84,3 %, Luna 82,5 %. Pour référence : Claude Mythos 5 est à 88,0 % et Claude Opus 4.8 à 78,9 %.
Le mode Ultra coûte environ trois fois le prix de Sol seul… pour gagner 3,1 points sur Terminal-Bench. Faites le calcul avant de cocher la case.
Regardez maintenant la même ligne avec les yeux d’un directeur financier : Ultra coûte environ trois fois plus cher que Sol seul pour gagner 3,1 points. Sam Altman a d’ailleurs vendu la génération sur l’efficience plutôt que sur la puissance brute — « 54 % plus efficace en tokens sur le codage agentique » — en reconnaissant que toutes les entreprises regardent désormais la dépense en face de la valeur obtenue. C’est peut-être la phrase la plus honnête de la semaine.
Ce que ChatGPT Work fait vraiment : trois cas documentés
Une démo produit, c’est du théâtre. Ce qui nous intéresse, chez DeepDive, ce sont les workflows que des équipes réelles ont accepté de documenter. OpenAI en publie trois, et ils sont instructifs — précisément parce qu’ils ne parlent presque jamais de « créativité ».
Cas client — Zapier
La chasse aux leads perdus
Angela Ferrante, responsable du marketing entreprise chez Zapier, décrit une situation banale et douloureuse : des milliers de leads entrants, et 35 à 45 minutes de travail manuel par lead pour reconstituer son parcours entre HubSpot, Gong, les emails et le reste. Avec ChatGPT Work, elle a construit un système qui trace chaque parcours, cartographie les points de contact, identifie les décrochages et alimente un tableau de bord hebdomadaire pour la direction. Résultat annoncé : l’identification de sept chiffres de pipeline transmis chaque mois aux commerciaux.
Cas client — NVIDIA
La fin d’Excel comme mode de vie
Pour la conférence GTC, environ 40 % du temps de préparation d’un responsable NVIDIA partait dans des extractions Excel : listes de comptes, suivi des inscriptions, dépouillement des retours. Le workflow tourne désormais deux fois par semaine dans ChatGPT, se partage avec les équipes régionales, et synthétise après l’événement des centaines de transcriptions de sessions et de notes de rendez-vous clients. La revue post-événement passe de « deux semaines à assembler les données » à « deux semaines à discuter des conclusions ».
Cas client — Virgin Atlantic
Le benchmark concurrentiel en heures
Nathan Bolt, responsable des produits digitaux, raconte avoir fourni à l’agent des parcours clients structurés, l’avoir laissé explorer les expériences concurrentes, puis produire un jeu de données montrant où la compagnie surperformait, où elle décrochait et où investir. Un cycle d’analyse concurrentielle qui prenait des semaines tient désormais en heures.
« Ces trois cas ont un point commun que personne ne met en avant : dans chacun, l’IA a supprimé la collecte, pas la décision. Le temps gagné n’a pas disparu, il a été redéployé vers le jugement. C’est exactement la ligne que nous défendons depuis deux ans. »
André Gentit, DeepDive
Le nouveau métier s’appelle le routage
C’est l’écart de prix entre Sol et Luna. L’écart de performance sur plusieurs tests agentiques ? 3 à 6 points. Envoyer tout votre trafic vers le modèle le plus cher, c’est payer cinq fois le prix pour un gain que personne ne remarquera.
La discipline à installer est simple à énoncer, difficile à tenir :
- Luna en première passe — trier, étiqueter, extraire, résumer, router. C’est 80 % du volume d’une PME et ça ne mérite pas un modèle frontière.
- Terra en régime nominal — rédaction, synthèse, analyse de premier niveau. Attention toutefois : Artificial Analysis relève que Terra ne se situe jamais sur la frontière de Pareto — pour chaque niveau d’effort de Terra, un réglage de Luna ou de Sol offre soit plus d’intelligence au même prix, soit le même résultat moins cher. Terra est un confort, pas une optimisation.
- Sol en escalade — et uniquement là où la valeur marginale est réelle : sécurité, architecture, décisions stratégiques, problèmes qui font caler les autres.
Si vous êtes dirigeant de PME, DSI ou responsable formation : la question à poser à votre prestataire IA n’est plus « quel modèle utilisez-vous ? » mais « comment routez-vous, et sur quels critères ? ». Celui qui répond « on prend toujours le meilleur » vous facture votre propre paresse d’arbitrage.
Quatre choses qui n’étaient pas sur le slide de lancement
- Le benchmark que Sol perd. Sur SWE‑Bench Pro — du code au niveau du dépôt — Claude Fable 5 obtient 80 % contre 64,6 % pour Sol. La réponse d’OpenAI ? Publier, la veille du lancement, un article estimant qu’environ 30 % des tâches du benchmark sont défectueuses. L’argument est peut-être fondé. Le timing, lui, est d’une élégance discutable.
- Le doute d’un accès anticipé. Simon Willison, qui a testé Sol avant tout le monde, le juge « très compétent » sans le trouver supérieur à Fable sur les tâches de code complexes qu’il pratique. Un avis, pas une vérité — mais un avis qui coûte cher à ignorer.
- Le retard n’était pas technique. Le déploiement de GPT‑5.6 a été échelonné à la demande de l’administration américaine, dans le cadre d’un décret sur la cybersécurité : un aperçu limité à une vingtaine d’organisations validées le 26 juin, la disponibilité générale le 9 juillet. Les modèles frontière sont désormais un sujet d’État.
- Le niveau de risque. Les trois modèles — pas seulement Sol — sont classés au niveau « High » d’OpenAI pour les capacités cyber et biologiques. Sol est présenté comme meilleur pour trouver et corriger des vulnérabilités que pour mener une attaque de bout en bout. C’est rassurant. C’est aussi une phrase qu’on relit deux fois.
Et pour une PME française, concrètement ?
ChatGPT Work est disponible dès aujourd’hui dans l’application desktop pour tous les plans, y compris gratuit — le déploiement web et mobile se fait progressivement sur Pro, Enterprise, Edu, puis Plus et Business. Autrement dit : la barrière à l’entrée n’est pas le prix, c’est la gouvernance.
Car un agent qui lit votre Drive, votre CRM et votre messagerie n’est pas un outil bureautique de plus. C’est un collaborateur avec les droits d’un administrateur et l’expérience d’un stagiaire de première semaine.
⚠️ Trois garde-fous non négociables avant de brancher l’agent
- Périmètre d’accès explicite — il ne lit que ce dont la tâche a besoin.
- Points de validation humains sur toute action irréversible.
- Traçabilité RGPD de ce qui sort de vos systèmes.
Ce n’est pas de la prudence de juriste. C’est ce qui différencie un gain de productivité d’un incident de sécurité avec un joli tableau de bord.
FAQ
Qu’est-ce que ChatGPT Work exactement ?
Un agent intégré à ChatGPT, lancé le 9 juillet 2026, qui rassemble du contexte depuis vos applications et fichiers pour produire des livrables finis — documents, tableurs, présentations, rapports, sites web — et qui peut rester des heures sur un projet en le décomposant en sous-tâches. Il intègre la technologie Codex et se connecte via plus de 1 400 plugins.
Quelle différence entre Sol, Terra et Luna ?
Sol est le modèle frontière (5 $ / 30 $ par million de tokens), destiné aux tâches les plus dures. Terra est le modèle d’usage quotidien à qualité proche de GPT‑5.5 pour la moitié du prix (2,50 $ / 15 $). Luna est le plus rapide et le moins cher (1 $ / 6 $), conçu pour le volume : classification, routage, résumés. Les trois partagent une fenêtre de contexte de 1,05 million de tokens.
ChatGPT Work remplace-t-il Claude Cowork ou Microsoft Copilot ?
Il les concurrence frontalement. Claude Cowork (Anthropic) est arrivé plusieurs mois plus tôt sur ce terrain, et Microsoft a suivi avec Copilot Cowork. Le match ne se jouera pas sur le benchmark du jour, mais sur l’intégration aux données de l’entreprise et sur la gouvernance des accès.
Faut-il migrer immédiatement ?
Non. Testez sur un workflow que vous maîtrisez déjà parfaitement — c’est le seul moyen d’évaluer honnêtement la qualité de sortie. Mesurez le coût par tâche résolue, pas le prix au token. Et n’ouvrez l’accès aux données sensibles qu’après avoir défini les règles de validation.
Le point de vue de DeepDive
Résumons. OpenAI livre un agent capable de traverser vos outils et de rendre un livrable, adossé à une famille de modèles enfin lisible et enfin arbitrable économiquement. Les cas Zapier, NVIDIA et Virgin Atlantic sont réels et significatifs. Les benchmarks sont bons sans être écrasants, la concurrence tient la corde sur le code pur, et l’État américain surveille désormais les lancements. Rien de tout cela n’est du bruit.
Chez DeepDive, nous retenons surtout ce que ces annonces déplacent sans le dire. Depuis trois ans, la compétence valorisée était le prompt. Elle est en train de devenir l’architecture de décision : quel modèle pour quelle tâche, à quel coût, avec quel point de contrôle humain, sur quelles données. Ce n’est plus une compétence de rédacteur, c’est une compétence de chef d’orchestre — et elle ne s’acquiert pas en regardant une keynote.
Nous continuons d’observer la même mécanique dans nos formations : les organisations qui gagnent du temps avec l’IA ne sont pas celles qui achètent le meilleur modèle, ce sont celles qui savaient déjà où était leur friction. L’agent supprime la collecte. Il ne fabrique pas le discernement. Et un agent qui produit un tableau de bord magnifique à partir de données que personne n’a validées ne vous fait pas gagner du temps : il vous fait perdre de la lucidité, plus vite.
Ouverture : et si le vrai sujet, c’était l’audit ?
Une question reste ouverte, et elle nous paraît plus importante que le prochain point de benchmark. Quand un agent travaille trois heures d’affilée, consulte quarante sources internes et rend un rapport de vingt pages, qui relit ? Aucun éditeur ne vend d’outil d’audit sérieux de son propre agent. Le marché de la vérification — traçabilité des sources, détection des inférences non étayées, mesure du coût par tâche réellement résolue — est aujourd’hui un angle mort. C’est probablement là que se logera la prochaine vraie valeur.
Et vous, dans votre organisation : qui relirait ?
André Gentit accompagne dirigeants, RH et formateurs francophones dans l’adoption raisonnée de l’IA. DeepDive conçoit des formations et des audits sans hype ni promesse magique : des arbitrages, des coûts, et des décisions qui tiennent. deep-dive.fr
André Gentit Formateur & Consultant en Stratégie Web et IA générative
Vous souhaitez bâtir une stratégie de communication efficace, booster la performance de votre site internet ou mieux comprendre les dynamiques des réseaux sociaux ?
👉 Avec DeepDive, je vous accompagne grâce à une expertise terrain (ex-dirigeant d’agence digitale depuis 2011) et une veille continue sur les nouvelles pratiques numériques.
👉 J’interviens auprès de TPE, PME et collectivités, mais aussi en écoles et organismes (CNAM, CCI, écoles de commerce) pour rendre le numérique accessible et opérationnel.
👉 Mes formations couvrent le webmarketing, l’e-commerce, l’IA générative appliquée et incluent également une sensibilisation aux risques liés aux usages du web en général, sans oublier les bonnes pratiques à mettre en œuvre avec l’intelligence artificielle.
Mon objectif : transmettre des savoirs concrets pour que chaque apprenant — étudiant, salarié, entrepreneur ou institution — puisse transformer le numérique et l’IA en véritable levier de réussite.
Découvrez mon petit robot PromptyBot qui vous propose des centaines de prompts optimisés
