ChatGPT Work lance un agent pour vos données d’entreprise

ChatGPT Work lance un agent pour vos données d’entreprise

OpenAI élargit le rôle de ChatGPT dans les organisations

OpenAI veut faire franchir une étape supplémentaire à ChatGPT dans l’entreprise. Dans une annonce publiée sous le titre “Now everyone can put data to work”, l’entreprise présente l’arrivée d’un data agent dans ChatGPT Work. L’objectif affiché est de permettre aux équipes d’interroger des données professionnelles avec le langage naturel, puis d’en tirer des analyses et des tableaux de bord interactifs sans devoir écrire elles-mêmes des requêtes complexes.

Mise à jour du 12/09/2026 — OpenAI a lancé ChatGPT Work, un agent capable d’agir dans les applications et fichiers de l’entreprise pour transformer des objectifs en livrables, avec des capacités d’analyse des données d’entreprise. (openai.com)

Le mouvement est significatif parce qu’il déplace le centre de gravité de ChatGPT. L’outil n’est plus seulement envisagé comme une interface de rédaction, de synthèse, de recherche ou d’assistance générale. Il devient aussi une porte d’entrée conversationnelle vers les données qui structurent l’activité d’une entreprise : données commerciales, opérationnelles, financières, marketing ou encore informations issues d’applications métier. OpenAI cherche ainsi à installer ChatGPT Work dans une fonction plus proche de l’interface de décision quotidienne.

Le nom même de ChatGPT Work traduit cette ambition. Depuis le lancement public de ChatGPT à la fin de 2022, OpenAI a progressivement étendu son produit à des usages professionnels, avec des offres et des capacités destinées aux organisations. La logique initiale était largement centrée sur la génération et la transformation de texte : rédaction de documents, assistance au code, synthèse de réunions, production de contenus, recherche dans des fichiers ou aide à la préparation de présentations. La donnée structurée constituait une prolongation naturelle, mais particulièrement stratégique, de cet usage.

Dans les entreprises, l’information ne manque généralement pas. Elle est au contraire répartie entre de nombreux systèmes : outils de gestion de la relation client, logiciels comptables, plateformes de commerce électronique, entrepôts de données, outils de support, applications de ressources humaines ou solutions de mesure d’audience. Le défi ne consiste pas uniquement à stocker ces données, mais à les relier, à les comprendre et à les rendre exploitables par des personnes qui ne maîtrisent ni le langage SQL ni les modèles de données internes.

C’est précisément le problème que vise le data agent annoncé par OpenAI. Selon la présentation de l’entreprise, il peut connecter des sources de données professionnelles afin d’en extraire des informations exploitables. L’utilisateur peut donc formuler une question avec ses propres mots plutôt que de passer par une succession d’exportations, de filtres, de requêtes et de manipulations dans un tableur. Le produit doit ensuite être en mesure de générer des analyses ainsi que des tableaux de bord interactifs.

La promesse s’inscrit dans un courant plus large : celui de la business intelligence conversationnelle. Pendant des années, l’accès aux chiffres d’une organisation a été organisé autour de tableaux de bord conçus par des équipes spécialisées. Les collaborateurs métiers consommaient les indicateurs mis à leur disposition, demandaient de nouveaux rapports lorsqu’ils avaient besoin d’une lecture différente, puis attendaient parfois qu’un analyste ou une équipe data transforme leur question en requête. Les assistants fondés sur des modèles de langage ambitionnent de raccourcir cette chaîne.

OpenAI ne prétend pas seulement simplifier la visualisation. L’annonce suggère une interaction plus directe entre la question métier et les données qui peuvent y répondre. Un responsable commercial pourrait chercher à comprendre une évolution de ses résultats ; une équipe marketing pourrait vouloir examiner les performances d’une campagne ; une direction opérationnelle pourrait comparer des périodes ou identifier une tendance. La valeur du produit dépendra alors moins de la capacité à afficher un graphique que de sa faculté à traduire correctement une intention humaine en analyse fiable.

La publication originale d’OpenAI résume cette orientation dans son titre : “Now everyone can put data to work”.

Cette formulation est révélatrice. Le mot “everyone” ne renvoie pas nécessairement à une disparition des équipes data, mais à l’idée que l’interrogation des données ne devrait plus être réservée aux profils techniques. Pour OpenAI, ChatGPT Work pourrait devenir la couche d’accès qui permet à davantage de salariés d’obtenir rapidement des réponses à partir des informations de leur organisation.

Un agent qui relie les sources et traduit les questions métier

Le point central de l’annonce est l’arrivée d’un agent spécialisé dans les données. OpenAI indique que ce data agent peut relier des sources de données professionnelles afin d’en tirer des informations utilisables. Cette capacité de connexion est essentielle : sans elle, un assistant conversationnel reste limité aux fichiers ou aux contenus fournis au cas par cas. Avec des sources professionnelles reliées, l’enjeu devient celui de l’accès continu à une information plus proche de l’état réel de l’activité.

Dans son principe, l’agent doit permettre de formuler une demande en langage naturel. Cette approche rompt avec les interfaces traditionnelles dans lesquelles l’utilisateur doit connaître la structure d’une base, le nom exact d’un champ, la logique d’un modèle de données ou l’emplacement d’un indicateur. Au lieu de demander à un analyste de préparer un rapport, une personne peut expliquer ce qu’elle cherche : une tendance, une comparaison, une répartition, une anomalie ou l’évolution d’un indicateur dans le temps.

La nuance est importante. Une question en apparence simple peut recouvrir plusieurs interprétations. Demander le chiffre d’affaires d’une période suppose notamment de savoir quelle définition interne est retenue, quels périmètres sont inclus, quelle devise est utilisée, comment sont traités les remboursements, et si le chiffre est reconnu à la commande, à la facture ou à l’encaissement. Dans les outils de business intelligence, ces conventions sont généralement fixées dans le modèle de données, la documentation ou les rapports existants. L’intérêt d’un agent est de rendre l’interaction plus naturelle, mais il ne supprime pas le besoin de définitions partagées.

OpenAI met également en avant la production d’analyses et de tableaux de bord interactifs. La distinction entre ces deux éléments compte. Une réponse ponctuelle à une question peut répondre à un besoin immédiat. Un tableau de bord, lui, sert plutôt à suivre un ensemble d’indicateurs, à comparer des segments et à revenir régulièrement sur la même lecture. En associant les deux, ChatGPT Work cherche à ne pas s’arrêter à une conversation isolée : l’outil doit pouvoir aider à transformer une exploration en support de pilotage.

Le caractère interactif des tableaux de bord est aussi un élément clé de la proposition. Dans les outils analytiques classiques, la consultation ne consiste pas seulement à lire une visualisation figée. Les utilisateurs filtrent, changent de période, explorent des catégories ou comparent des groupes. OpenAI présente son agent comme capable de générer ce type d’artefact, ce qui rapproche le produit de l’univers des plateformes de BI plutôt que de celui d’un simple assistant textuel.

La valeur réelle d’un tel système dépend toutefois de la qualité des données connectées et de la gouvernance appliquée à leur usage. Un agent ne peut pas corriger à lui seul des données incomplètes, des définitions contradictoires, des doublons ou des sources qui ne sont pas à jour. De même, relier plusieurs systèmes ne garantit pas automatiquement qu’ils parlent du même client, du même produit ou de la même transaction. Dans les organisations qui ont déjà investi dans des entrepôts de données et des modèles sémantiques, un assistant peut accélérer l’accès. Dans celles où les données restent fragmentées, il peut aussi faire apparaître plus nettement les incohérences existantes.

L’annonce d’OpenAI ne détaille pas, dans les éléments présentés, l’ensemble des sources prises en charge, les méthodes de configuration, ni les modalités précises d’administration. Cette absence de détail impose de ne pas extrapoler la portée opérationnelle du lancement. Le message d’OpenAI porte d’abord sur la fonction : permettre de poser des questions aux données de l’entreprise, relier des sources professionnelles, générer des analyses et construire des tableaux de bord interactifs.

Pour les équipes métier, cette promesse répond à une frustration connue. Les outils de données sont souvent puissants, mais leur utilisation avancée suppose une formation. À l’inverse, les tableurs sont omniprésents parce qu’ils donnent une impression de contrôle immédiat, même lorsque les manipulations sont difficiles à reproduire ou à auditer. Une interface conversationnelle pourrait servir d’intermédiaire : plus accessible qu’une requête manuelle, mais potentiellement plus connectée aux sources de référence qu’un export statique.

Il faut néanmoins distinguer l’accessibilité de l’autonomie totale. Les collaborateurs pourront peut-être obtenir plus vite des premières réponses, explorer davantage de pistes et réduire le volume de demandes simples adressées aux analystes. Mais les analyses qui engagent une décision financière, réglementaire ou stratégique continueront d’exiger une validation humaine, une compréhension des définitions retenues et une traçabilité suffisante. Le langage naturel facilite la demande ; il ne remplace pas le contrôle de la réponse.

ChatGPT Work se rapproche frontalement de la business intelligence

Avec ce lancement, OpenAI s’avance sur un terrain déjà occupé par les grands éditeurs de business intelligence. Microsoft Power BI, Tableau de Salesforce, Qlik et Google Looker font partie des acteurs installés dans les organisations pour la préparation, la visualisation et la diffusion d’analyses. Ces plateformes ne se limitent pas à l’affichage de graphiques : elles reposent généralement sur des connecteurs, des modèles de données, des mécanismes de partage, des règles d’accès et des outils de gouvernance.

La différence que cherche à imposer OpenAI tient à l’interface. Les outils de BI traditionnels ont longtemps été conçus autour de rapports, de tableaux de bord, de champs, de filtres et de menus. Ils ont ensuite ajouté des fonctions de recherche ou de requêtes en langage naturel, puis des assistants génératifs. ChatGPT Work part de la conversation. Dans ce modèle, le dialogue ne constitue pas une fonctionnalité secondaire ajoutée à une plateforme analytique ; il devient le point d’entrée principal vers les données.

Microsoft a notamment introduit des fonctions Copilot dans son univers analytique, en particulier autour de Power BI et de Microsoft Fabric. Tableau a lancé Tableau Pulse, une approche centrée sur la diffusion d’informations et d’indicateurs personnalisés. Google a également mis en avant des capacités de conversation et d’assistance par l’IA dans Looker. Ces évolutions montrent que le marché considère déjà le langage naturel comme une interface importante pour la donnée décisionnelle.

OpenAI arrive donc dans une catégorie qui n’est pas vierge, mais avec un avantage potentiel : la familiarité de ChatGPT. Pour de nombreux utilisateurs, la conversation avec un assistant est devenue une habitude dans les tâches de rédaction, de recherche, de programmation ou de synthèse. Si ce même environnement permet d’accéder à des données d’entreprise, l’adoption peut sembler plus naturelle que celle d’un nouvel outil spécialisé. La proposition consiste à ramener l’analyse au même endroit que les autres tâches de connaissance.

Cette stratégie rejoint l’évolution plus générale des suites de travail. Microsoft intègre l’IA dans Microsoft 365 et dans son écosystème de données ; Google fait de même autour de Workspace et de Google Cloud ; Salesforce articule ses fonctions d’IA autour des données clients et de ses applications métier. Dans chacun de ces cas, la donnée devient le socle sur lequel l’assistant est censé apporter un contexte utile. OpenAI, de son côté, cherche à faire de ChatGPT Work une interface suffisamment générale pour accompagner plusieurs fonctions et plusieurs environnements de travail.

La compétition ne se joue pas uniquement sur la qualité d’un graphique ou sur la fluidité d’une réponse. Elle porte sur la capacité à réunir plusieurs conditions : compréhension de la demande, accès aux bonnes données, respect des droits de chaque utilisateur, génération de résultats vérifiables et intégration dans les processus habituels. Les outils historiques disposent souvent d’un ancrage profond dans les systèmes d’information. OpenAI mise sur une expérience conversationnelle dont la simplicité est déjà reconnue par le grand public et de nombreux professionnels.

La BI traditionnelle a aussi pour force de formaliser les indicateurs. Dans une grande entreprise, le même terme peut avoir plusieurs significations selon les services. Une “vente”, un “client actif”, une “marge” ou une “conversion” ne sont pas nécessairement calculés de la même façon en finance, en commerce et en marketing. Les plateformes décisionnelles servent précisément à stabiliser ces définitions. Pour concurrencer ces solutions sur des usages à grande échelle, un agent conversationnel devra s’inscrire dans cette discipline plutôt que l’éviter.

Le risque inverse est celui d’une multiplication des analyses informelles. Lorsqu’un utilisateur obtient facilement une réponse, il peut être tenté de la réutiliser sans vérifier le périmètre, les filtres ou la fraîcheur de la source. Or un graphique persuasif n’est pas forcément un graphique juste. Les entreprises qui déploieront ce type d’outil devront donc pouvoir distinguer les explorations rapides, utiles pour orienter une réflexion, des chiffres certifiés destinés au reporting officiel.

C’est là que la notion d’agent est plus ambitieuse que celle de chatbot. Un chatbot répond à partir d’un contexte fourni. Un agent de données est censé orchestrer une démarche : comprendre la question, accéder aux informations pertinentes, produire une analyse et la mettre en forme dans un tableau de bord. Cette chaîne rapproche davantage ChatGPT Work des métiers de l’analytique. Elle soulève aussi des exigences plus élevées en matière de précision, de transparence et de contrôle.

L’enjeu décisif de la confiance, de la gouvernance et des métiers data

Dans le monde professionnel, l’accès aux données n’est jamais une question seulement technique. Les informations de l’entreprise peuvent contenir des données commerciales sensibles, des éléments financiers, des informations sur les salariés, des données relatives aux clients ou des secrets de fabrication. Toute interface qui facilite l’interrogation de ces informations devra s’insérer dans les règles de confidentialité et de contrôle existantes.

L’annonce d’OpenAI décrit la fonction d’analyse, mais elle ne permet pas à elle seule de conclure sur les paramètres précis de sécurité, de conformité ou d’administration qui accompagneront chaque déploiement. Il serait donc prématuré de prêter au produit des propriétés techniques qui ne sont pas détaillées dans la source. Pour les organisations, les questions concrètes resteront néanmoins incontournables : quels utilisateurs peuvent interroger quelles sources, quelles données peuvent être exportées, comment les résultats sont-ils partagés, et comment contrôler les usages ?

En Europe, et particulièrement en France, cette dimension est renforcée par le cadre réglementaire autour de la protection des données. Le règlement général sur la protection des données impose déjà aux organisations des obligations lorsqu’elles traitent des données personnelles. L’arrivée d’une couche conversationnelle au-dessus de bases et d’applications métier ne modifie pas le fait fondamental : la responsabilité de l’entreprise dépendra de son propre paramétrage, de ses traitements et de son cadre de gouvernance.

Le sujet est également sensible pour les entreprises françaises qui doivent concilier innovation, souveraineté, exigences sectorielles et maîtrise de leur système d’information. Les banques, assureurs, établissements de santé, acteurs publics et entreprises industrielles ne déploient pas un nouvel outil analytique comme une application isolée. Ils l’évaluent au regard de leurs politiques d’accès, de leurs contrats, de leurs procédures de sécurité, des contraintes de localisation ou de circulation de données, et de la capacité à auditer les décisions.

Les équipes data auront donc un rôle déterminant, même si l’ambition d’OpenAI est précisément d’ouvrir l’analyse à des non-spécialistes. La démocratisation ne signifie pas que les analystes, ingénieurs data, responsables de gouvernance ou équipes de sécurité deviennent inutiles. Elle peut au contraire accroître l’importance de leur travail de préparation : documenter les sources, définir les métriques, identifier les jeux de données de référence, organiser les droits et signaler les limites d’interprétation.

Dans les meilleurs scénarios, un data agent réduit les tâches répétitives. Les analystes peuvent passer moins de temps à répondre à des demandes élémentaires de regroupement ou de filtrage et davantage de temps à examiner des questions complexes, à améliorer les données ou à accompagner la décision. Mais cette redistribution n’est pas automatique. Si l’outil produit des interrogations ambiguës, des analyses difficiles à vérifier ou des demandes nombreuses sur des sources mal préparées, les équipes spécialisées pourraient au contraire être sollicitées davantage pour corriger et expliquer.

La question de la traçabilité est particulièrement importante. Une réponse conversationnelle semble immédiate, alors qu’elle résulte potentiellement d’une série de choix : sélection de sources, interprétation de termes, agrégations, filtres, périodes comparées et mode de visualisation. Pour être utilisée dans un cadre professionnel, elle doit pouvoir être replacée dans ce contexte. L’utilisateur doit notamment savoir ce que le résultat mesure et ce qu’il ne mesure pas. Cette exigence existe dans la BI classique ; elle ne disparaît pas avec une interface en langage naturel.

Les risques liés aux modèles génératifs doivent également être considérés avec prudence. Un assistant peut formuler une explication convaincante qui donne l’impression d’une certitude supérieure à ce que les données permettent réellement d’établir. Les corrélations peuvent être prises pour des causes, les chiffres peuvent être mal interprétés, ou une question mal posée peut conduire à une comparaison trompeuse. L’enjeu ne consiste donc pas uniquement à obtenir des résultats plus vite, mais à préserver la qualité du raisonnement qui les accompagne.

Pour les managers, cela implique un changement de pratique. Ils pourront être incités à interroger plus directement les données, mais devront aussi apprendre à préciser leurs questions, à confronter les résultats et à demander des explications sur les méthodes utilisées. Pour les directions générales, le bénéfice peut être une circulation plus rapide de l’information. Pour les directions financières et les équipes de contrôle, la priorité restera la cohérence des définitions et la confiance dans les chiffres utilisés.

• Pour les métiers : le gain attendu est un accès plus direct aux informations et une réduction de la dépendance aux requêtes manuelles.
• Pour les équipes data : l’enjeu est de fournir des sources cohérentes, documentées et gouvernées.
• Pour les responsables sécurité et conformité : l’attention portera sur les droits d’accès, les données sensibles et les conditions de partage.
• Pour les dirigeants : la question sera de savoir quels usages relèvent de l’exploration et lesquels peuvent alimenter un reporting de référence.

Cette répartition des responsabilités montre pourquoi la bataille de la BI conversationnelle ne se gagnera pas seulement grâce à une démonstration spectaculaire. Les entreprises attendront des preuves sur la robustesse du produit dans leurs propres environnements. La valeur d’un agent ne se mesurera pas seulement au nombre de questions auxquelles il répond, mais à la capacité des équipes à lui faire confiance sur les sujets qui comptent.

Une opportunité pour les entreprises françaises, mais un déploiement qui devra être sélectif

Pour le marché francophone, l’annonce d’OpenAI peut trouver un écho particulier auprès des organisations qui cherchent à élargir l’accès aux données sans multiplier les formations techniques. De nombreuses entreprises disposent déjà d’outils de reporting, de data warehouses, de tableurs et de plateformes métier, mais l’usage de ces ressources reste souvent concentré entre quelques spécialistes. Une couche conversationnelle pourrait permettre à des fonctions commerciales, marketing, financières ou opérationnelles de formuler plus facilement leurs besoins.

Les petites et moyennes entreprises peuvent y voir une perspective différente de celle des grands groupes. Elles disposent parfois de moins de ressources dédiées à la donnée et à la BI, tout en ayant besoin de suivre leur activité de manière réactive. Un outil capable de relier des sources professionnelles et de répondre à des questions courantes peut réduire certains obstacles. Mais ces entreprises sont aussi souvent dépendantes de données réparties entre logiciels de gestion, outils de vente et tableurs. La qualité de l’intégration restera donc déterminante.

Pour les grandes organisations, le potentiel se situe davantage dans la mise à l’échelle. Une entreprise de plusieurs milliers de salariés peut déjà disposer de tableaux de bord sophistiqués, mais leur découverte et leur utilisation demeurent parfois difficiles. Les utilisateurs ne savent pas toujours quel rapport consulter, à qui demander une modification ou quelle métrique correspond à leur besoin. ChatGPT Work pourrait, selon l’orientation décrite par OpenAI, servir d’interface plus intuitive entre les utilisateurs et ce patrimoine analytique.

Le français représente ici un enjeu pratique, pas seulement linguistique. Les collaborateurs doivent pouvoir formuler des questions dans la langue qu’ils utilisent au quotidien, avec leurs expressions métier et leurs conventions internes. Dans une organisation présente en France, en Belgique, au Luxembourg, au Québec, en Suisse ou en Afrique francophone, les données peuvent en outre être décrites avec des vocabulaires locaux et des acronymes propres à chaque fonction. Une interface conversationnelle n’a de valeur que si elle comprend ces usages sans effacer les définitions formelles établies par l’entreprise.

Le déploiement pourrait commencer par des périmètres où les indicateurs sont bien identifiés et les données relativement homogènes. Les équipes commerciales, par exemple, utilisent souvent des métriques régulièrement suivies. Les fonctions marketing peuvent disposer de données de campagnes, d’acquisition ou de performance. Les opérations peuvent surveiller des volumes, des délais ou des incidents. À l’inverse, les domaines qui combinent des informations très sensibles ou des règles de calcul particulièrement complexes appelleront vraisemblablement une prudence accrue.

La question de l’adoption mérite aussi d’être distinguée de celle de la disponibilité. Un outil peut être techniquement accessible sans être immédiatement adopté à grande échelle. Les collaborateurs auront besoin de savoir quelles questions poser, quelles sources sont fiables et comment interpréter les résultats. Les entreprises qui obtiendront le plus de valeur seront probablement celles qui accompagneront l’usage par de la documentation, des règles claires et une formation adaptée, plutôt que celles qui présenteront l’agent comme un substitut universel à toute expertise analytique.

Les intégrateurs, cabinets de conseil, spécialistes de la donnée et éditeurs de logiciels de gestion français ou européens pourraient eux aussi être concernés. L’évolution vers des interfaces conversationnelles crée de nouveaux besoins : préparation des sources, construction de référentiels, organisation des droits, définition des indicateurs et accompagnement des équipes. L’agent d’OpenAI peut simplifier la dernière étape de l’accès à l’information, mais il ne retire pas la nécessité de travailler sur l’architecture et la qualité des données en amont.

Pour les fournisseurs de BI, le message est clair : la visualisation seule ne suffit plus à différencier une plateforme. Les utilisateurs attendent de plus en plus de pouvoir converser avec leurs données, demander une explication et passer d’une question à une action sans changer constamment d’outil. OpenAI n’est pas le premier à poursuivre cette ambition, mais l’intégration de cette fonction à ChatGPT Work peut accélérer la pression sur l’ensemble du marché.

La force d’OpenAI réside dans la centralité potentielle de son interface. Si ChatGPT est déjà utilisé pour préparer une note, analyser un document, aider à structurer une présentation ou résumer des échanges, l’accès aux données peut apparaître comme une extension cohérente. La limite est tout aussi évidente : l’entreprise devra convaincre que cette simplicité d’usage peut s’accorder avec les exigences de sécurité, de précision et de gouvernance propres aux données professionnelles.

Vers une nouvelle couche conversationnelle du système d’information

La perspective ouverte par le data agent de ChatGPT Work dépasse la seule génération de tableaux de bord. OpenAI teste, à travers cette annonce, une idée plus vaste : faire de l’assistant conversationnel une couche d’interaction commune au-dessus des outils de travail et des données de l’entreprise. L’utilisateur ne commencerait plus nécessairement par choisir une application, un rapport ou une base. Il commencerait par formuler son objectif, puis laisserait l’interface l’orienter vers les informations nécessaires.

Cette évolution pourrait modifier la manière dont les logiciels d’entreprise sont utilisés. Les applications spécialisées conserveront leurs fonctions propres : saisir une commande, gérer un dossier client, suivre un budget, administrer un projet ou contrôler une chaîne opérationnelle. Mais la recherche d’information transversale pourrait progressivement se déplacer vers des assistants capables de naviguer entre plusieurs sources. ChatGPT Work ambitionne manifestement de prendre place dans cet espace.

Le changement est aussi culturel. Pendant longtemps, l’accès à la donnée a reposé sur l’apprentissage des outils. Les utilisateurs devaient connaître un tableur, comprendre une interface de reporting ou maîtriser une syntaxe de requête. Le modèle conversationnel inverse cette logique : la technologie doit s’adapter davantage à la formulation humaine. C’est une promesse attractive, mais elle déplace la difficulté vers la qualité de l’interprétation, la fiabilité des sources et la capacité à vérifier les résultats.

À long terme, la concurrence pourrait se structurer autour de deux visions. La première prolonge les plateformes de BI existantes en y ajoutant un assistant génératif. La seconde, incarnée par l’orientation d’OpenAI, fait de l’assistant le point d’entrée principal, les tableaux de bord et les analyses devenant des produits de la conversation. Dans la pratique, les entreprises pourraient adopter des modèles hybrides : des rapports certifiés pour le pilotage officiel, et des agents pour l’exploration, la préparation de questions et l’accès quotidien à l’information.

La réussite de cette approche dépendra de plusieurs éléments qui restent plus importants que l’effet de nouveauté : la capacité à connecter les bonnes données, la compréhension des termes métier, la clarté des résultats générés, le respect des accès et la possibilité de distinguer une hypothèse exploratoire d’un chiffre de référence. OpenAI affirme, avec son data agent, vouloir donner à chacun les moyens de mettre les données au travail. Le marché devra désormais évaluer si cette promesse peut s’inscrire durablement dans les exigences très concrètes des organisations.

Pour les entreprises françaises et européennes, la question ne sera donc pas simplement de savoir si l’analyse conversationnelle est séduisante. Elle sera de déterminer dans quels processus elle peut créer de la valeur sans fragiliser la confiance dans les chiffres. Si ChatGPT Work parvient à devenir l’interface entre les équipes métier et des données réellement gouvernées, OpenAI pourrait renforcer son statut d’outil de travail. Si les réponses restent difficiles à vérifier ou à intégrer dans les cadres de contrôle existants, les plateformes de BI traditionnelles conserveront un avantage structurel. C’est dans cette tension entre accessibilité et rigueur que se jouera la prochaine étape de l’IA appliquée aux données d’entreprise.