Enterprise Signals : ce que les entreprises de pointe font différemment

L’IA en entreprise entre dans une nouvelle phase : davantage de travail est délégué à des agents, et les entreprises les plus avancées creusent l’écart. Les entreprises de pointe ont accès aux mêmes modèles d’IA que les autres entreprises, mais elles en intensifient l’utilisation plus rapidement. Ce qui les distingue, c’est leur façon de mettre ces modèles à contribution : passer de l’assistance à la délégation, donner aux agents le contexte et les outils nécessaires pour accomplir des tâches complexes, et accélérer l’IA agentique au-delà du développement logiciel.

Nos recherches chez OpenAI sur la façon dont les agents transforment le travail offrent un indicateur avancé de ce à quoi ce changement peut ressembler au sein d’une organisation axée sur l’IA dès sa conception. Enterprise Signals élargit la perspective à la clientèle mondiale d’entreprises d’OpenAI, en montrant comment le travail effectué par des agents se répand au sein des organisations et ce qui distingue les entreprises de pointe des autres.

Dans cette édition d’Enterprise Signals, nous montrons que les entreprises de pointe (celles qui figurent parmi les 10 % ayant le plus recours à l’IA chaque mois) creusent l’écart avec les entreprises typiques (celles qui se situent dans le décile médian). Nous examinons ce que les entreprises de pointe font différemment et ce que les organisations peuvent faire pour combler l’écart.

Points clés :

• L’utilisation en entreprise devient plus autonome. En date de juin, Codex a généré 64 % de l’ensemble des tokens de sortie de Codex et de ChatGPT chez les clients d’entreprise, ce qui laisse entendre que les agents favorisent une transition vers un travail délégué plus substantiel.
• L’écart de pointe se creuse. Les entreprises de pointe (celles qui se classent dans les 10 % supérieurs de l’utilisation de l’IA chaque mois) génèrent désormais 8,3× plus de tokens de sortie par utilisateur actif que les entreprises types, contre 2,6× en janvier.
• Les entreprises de pointe utilisent plus souvent des capacités avancées. Chaque semaine, 21 % des utilisateurs actifs des entreprises de pointe utilisent des plugiciels, comparativement à 9 % dans les entreprises typiques. Chez OpenAI, 95 % des employés utilisent des plugiciels chaque semaine, ce qui met en évidence le potentiel d’une adoption plus poussée.
• Les agents se répandent dans l’ensemble du travail intellectuel. Depuis février, le nombre d’utilisateurs actifs hebdomadaires de Codex en entreprise a été multiplié par 108 dans les services juridiques, par 41 dans les ventes, par 41 dans le recrutement et par 26 dans le marketing, contre 5 en ingénierie.
• Les employés en début de carrière utilisent davantage l’IA : L’utilisation est la plus élevée chez les travailleurs en début de carrière et diminue chez les employés plus avancés dans leur carrière, ce qui laisse entrevoir un avantage comparatif potentiel dans l’utilisation de l’IA.

L’IA d’entreprise passe de la réponse aux questions à l’exécution de tâches. Ce virage s’est d’abord imposé en génie logiciel avec Codex. Aujourd’hui, ChatGPT Work étend l’IA agentique au-delà des développeurs, permettant aux employés de toute l’entreprise de passer de la demande d’aide à la délégation de tâches substantielles.

En date de juin 2026, l’utilisation de l’IA agentique (définie comme les tokens Codex) représentait 64 % des tokens de sortie combinés de Codex et de ChatGPT chez les clients d’entreprise. ChatGPT et l’IA agentique utilisent tous deux les mêmes modèles de pointe sous-jacents; la différence réside dans la manière dont cette intelligence est mise à contribution.

ChatGPT aide les gens à poser des questions, à développer des idées et à résoudre des problèmes. L’IA agentique (comme Codex et ChatGPT Work) donne au modèle des outils pour travailler avec votre ordinateur, lui permettant de trouver des informations, de modifier des fichiers et d’exécuter des tâches en plusieurs étapes de façon autonome ou sous supervision. L’exécution de tâches complexes et de longue durée peut nécessiter beaucoup plus de calcul, ce qui contribue à expliquer pourquoi l’utilisation de tokens agentiques a augmenté rapidement.

Chaque mois, nous classons les clients d’entreprise selon le nombre de tokens générés par utilisateur actif. Les entreprises de pointe sont celles qui se classent dans les 10 % supérieurs ce mois-là, tandis que les entreprises typiques se situent entre les 45e et 55e percentiles. En juin, les entreprises de pointe ont généré 8,3 fois plus de tokens de sortie par utilisateur actif que les entreprises typiques, soit un écart trois fois plus élevé que celui de 2,6× observé en janvier.

L’écart de pointe s’étend aussi à l’ensemble des secteurs, l’écart d’utilisation des tokens étant le plus marqué dans le secteur de l’information et des technologies (11,7 ×) et le plus faible dans celui de la fabrication (5,3 ×). En revanche, l’utilisation de tokens par les entreprises typiques est similaire d’un secteur à l’autre, avec une croissance relativement modeste au cours de la dernière année (de 1,9 × à 2,8 ×). Cela suggère que de nombreuses organisations utilisent encore de simples assistants conversationnels, ce qui laisse une marge importante pour accroître leur adoption de l’IA et utiliser des agents afin d’accomplir des tâches plus complexes.

Les tokens sont une mesure imparfaite de la valeur commerciale : une réponse courte peut avoir une grande valeur, tandis qu’une réponse longue peut apporter peu. Mais le volume de tokens constitue un indicateur utile du degré d’utilisation de l’IA et de la quantité de travail que les employés demandent à l’IA de prendre en charge.

Les entreprises de premier plan intensifient leur utilisation de l’IA parce qu’elles l’appliquent à des problèmes concrets au sein de leurs organisations et dans l’ensemble de leurs secteurs d’activité.

Les premières applications d’IA en entreprise ont d’abord vu le jour à l’interne, aidant les employés à trouver de l’information, à rédiger des documents, à analyser des données, à écrire du code et à automatiser des processus répétitifs. Les entreprises de premier plan étendent de plus en plus l’IA au-delà de la productivité interne pour l’intégrer aux produits, services et expériences destinés à la clientèle.

Les agents d’IA doivent avoir accès au contexte et aux outils appropriés pour être efficaces. Les plugiciels⁠(s'ouvre dans une nouvelle fenêtre) regroupent des fonctionnalités qui aident les agents à effectuer des flux de travail spécifiques. Ils peuvent combiner des compétences qui fournissent des instructions réutilisables avec des applications qui se connectent aux données, aux outils et aux actions de l’entreprise. Par exemple, un plugiciel de vente peut combiner le guide d’une équipe avec l’accès à son CRM, ce qui permet à un agent d’utiliser les renseignements actuels sur les clients et les propositions antérieures pour préparer une réponse personnalisée à examiner.

Les entreprises de pointe ont une nette avance en matière de capacités avancées. Parmi les utilisateurs actifs hebdomadaires, 21 % de ceux des entreprises de pointe utilisent des plugiciels et 19 % utilisent des compétences, contre seulement 9 % et 3 % dans les entreprises typiques. Cependant, l’adoption par les entreprises de pointe ne représente qu’une fraction de ce qui est possible. L’utilisation interne d’OpenAI met en évidence le potentiel d’une utilisation plus poussée de ces capacités, l’utilisation hebdomadaire des plugiciels atteignant 95 % des utilisateurs actifs. Notre recherche sur comment les agents transforment le travail offre un aperçu plus détaillé de la façon dont les employés d’OpenAI utilisent des fonctionnalités avancées.

Les agents d’IA ont besoin de trois éléments pour accomplir un travail significatif : du contexte, des outils et de la persistance. La mémoire, la saisie vocale et la fonctionnalité Appshots aident les travailleurs à partager facilement le contexte et les renseignements nécessaires pour mener une tâche à bien. L’utilisation de l’ordinateur et du navigateur permet aux agents de naviguer sur des sites Web, de créer des fichiers et d’exécuter des tâches de manière autonome ou sous supervision. Les objectifs et les boucles permettent aux agents de continuer à travailler jusqu’à ce qu’une tâche soit terminée. Ensemble, ces capacités aident les entreprises de pointe à concrétiser le potentiel des agents.

Donner aux agents l’accès aux systèmes de l’entreprise présente également de nouveaux risques. Les entreprises de pointe établissent des règles claires définissant où les agents peuvent intervenir, quelles informations ils peuvent consulter, quand ils peuvent agir et comment les responsables examinent les décisions présentant un risque plus élevé. Ces contrôles doivent évoluer à mesure que les organisations tirent des enseignements des déploiements réels.

Les entreprises de pointe intègrent également l’apprentissage continu et l’expérimentation au travail quotidien. Les séances pratiques de création, les forums de partage de cas d’utilisation émergents et les démonstrations internes favorisent la diffusion des pratiques gagnantes au sein des équipes et des fonctions.

Les développeurs de logiciels ont été parmi les premiers à adopter les agents d’IA, mais la croissance la plus rapide s’observe maintenant chez les travailleurs du savoir non spécialisés. Depuis février, le nombre d’utilisateurs actifs hebdomadaires de Codex en entreprise a été multiplié par 108 dans les services juridiques, par 41 dans les ventes, par 41 dans le recrutement et par 26 dans le marketing, contre 5 chez les ingénieurs. 

Le secteur du logiciel a pris les devants pour une bonne raison. Les bases de code fournissent aux agents un contexte clair, les tests facilitent la vérification des résultats, et les progrès en programmation contribuent à accélérer la recherche et le développement en IA. Au cours des deux dernières années, les développeurs sont passés de l’utilisation de l’IA pour compléter des lignes de code individuelles à la délégation de tâches complètes de développement logiciel à des agents. De nombreux développeurs n’écrivent plus de code à la main; ils consacrent plutôt leur temps à configurer des tâches, à orchestrer des agents et à examiner les résultats.

En revanche, les progrès dans le travail du savoir général ont été plus lents, car de nombreuses tâches offrent peu de contexte, peuvent être difficiles à définir et ne comportent pas de critères clairs pour vérifier le résultat. Mais la mise à l’échelle continue, les avancées en apprentissage par renforcement et les efforts ciblés visant à améliorer les performances dans des évaluations telles que GDPval mettent davantage de tâches, d’outils et d’environnements de travail du monde réel à la portée des modèles de pointe. Par conséquent, l’IA agentique a de plus en plus trouvé une adéquation produit-marché auprès des travailleurs du savoir général depuis le début de l’année.

Dans un échantillon de plus de 10 millions de messages, l’IA d’entreprise passe de l’aide aux employés pour produire du travail à l’aide aux équipes pour l’accomplir. Même au sein d’une même fonction, les modèles d’utilisation diffèrent considérablement entre le mode conversationnel et l’IA agentique.

La rédaction demeure l’utilisation la plus courante de ChatGPT, tandis que le codage et les opérations système ou d’agent représentent ensemble près de 75 % des messages agentiques. Cette évolution est particulièrement marquée en dehors des équipes techniques traditionnelles : le recrutement (32 %), les ventes (26 %), les politiques (25 %) et les communications (24 %) consacrent entre le quart et le tiers de leurs messages aux opérations système et d’agent. Le travail technique se répartit aussi entre les fonctions, le codage représentant près de 60 % des messages agentiques dans la conception.

Il n'existe pas de classement unique en matière d'adoption de l'IA. Les classements des secteurs varient selon l’indicateur utilisé. Au cours du dernier mois, les services professionnels et scientifiques ont mené à la fois l’adoption de Codex et l’intensité d’utilisation de l’API. Le secteur des arts, spectacles et loisirs a mené l’adoption de ChatGPT, tandis que le secteur de la fabrication présente la plus forte intensité d’utilisation de ChatGPT, malgré son dernier rang pour l’intensité d’utilisation de Codex et de l’API.

Les secteurs d’activité ne suivent pas le même chemin vers l’adoption de l’IA. Certains secteurs progressent grâce aux outils de développement et aux produits propulsés par l’IA, tandis que d’autres connaissent un usage quotidien plus répandu ou plus intensif.

Alors que l’IA crée de nouvelles façons pour les organisations de fournir des biens et des services, elle transforme également le paysage de la sécurité. Peu de risques sont plus pressants que ceux liés à la cybersécurité, surtout compte tenu du rythme rapide auquel évoluent les capacités cybernétiques de l’IA.

L’IA peut aussi aider les défenseurs à réagir. Les modèles peuvent analyser de vastes bases de code, examiner les vulnérabilités et soutenir les tâches de sécurité en plusieurs étapes. Mais identifier davantage de problèmes ne rend pas automatiquement les systèmes plus sûrs. Le véritable goulot d’étranglement consiste à transformer les constats en mesures concrètes : déterminer quelles vulnérabilités sont avérées, prioriser les risques les plus importants, tester les correctifs et s’assurer que les équipes de sécurité les examinent et les déploient rapidement. 

OpenAI Daybreak réunit des modèles de cybersécurité de pointe, des outils de sécurité d’entreprise et un écosystème de partenaires pour aider les organisations à relever ces défis et à renforcer leurs défenses contre les menaces émergentes.

La mission d’OpenAI est de faire en sorte que l’IA bénéficie à toute l’humanité. Les organisations façonneront une grande partie de l’impact économique de l’IA, et c’est pourquoi nous publions régulièrement Enterprise Signals, un ensemble récurrent de mesures qui suivent l’adoption, la diffusion et les répercussions de l’IA en entreprise. Toutes les analyses de ce rapport reposent sur des données d’utilisation agrégées et anonymisées des entreprises. Nous avons utilisé des systèmes automatisés pour classer le contenu des messages, et aucun employé d’OpenAI n’a examiné les messages des clients.

Les clients d’OpenAI Enterprise peuvent également demander une analyse comparative personnalisée afin de voir comment leur organisation se compare selon les plus récentes mesures d’utilisation et de capacités.