OpenAI B2B Signals

Aujourd’hui, nous présentons B2B Signals, une extension d’OpenAI Signals⁠ destinée aux entreprises, qui mesure la diffusion de l’IA au sein des organisations. Le constat initial est clair : les entreprises de pointe prennent de l’avance non seulement parce qu’elles ont accès à l’IA, mais aussi parce qu’elles l’intègrent plus profondément dans leurs activités.

B2B Signals est un ensemble récurrent de mesures reposant sur une analyse à grande échelle de l’utilisation de l’IA en entreprise, réalisée dans le respect de la vie privée. Il suit les comportements et les tendances qui peuvent aider les organisations à comprendre comment transformer l’intelligence en valeur pour l’entreprise.

Les entreprises de pointe, celles situées parmi les 5 % d’entreprises qui utilisent le plus l’IA, utilisent davantage d’intelligence par employé, adoptent des outils avancés de manière plus intensive et intègrent plus profondément l’IA dans les flux de travail. Pour certaines entreprises, l’écart commence à se creuser durablement, et la différence tient de plus en plus à l’intensité d’utilisation.

Points clés

• L’avantage des entreprises de pointe commence à se renforcer : les entreprises de pointe utilisent désormais 3,5 fois plus d’intelligence par employé que les entreprises classiques, contre 2 fois plus il y a un an. 
• Les entreprises de pointe utilisent l’IA de manière plus poussée, pas seulement plus souvent : le volume de messages n’explique que 36 % de l’écart entre les entreprises de pointe et les entreprises types. La majeure partie de l’avantage des entreprises de pointe découle d’un usage plus poussé. 
• Les workflows agentiques deviennent un indicateur clé de l’adoption par les entreprises de pointe : l’écart est le plus marqué pour les outils agentiques avancés (les entreprises de pointe envoient 16 fois plus de messages Codex que les entreprises classiques). 
• Les entreprises peuvent combler l’écart avec les acteurs de pointe grâce à des changements organisationnels : pour rattraper leur retard, elles doivent mesurer la profondeur d’usage, donner la priorité à la gouvernance, investir dans l’accompagnement, déployer à grande échelle ce qui fonctionne et passer d’une assistance conversationnelle à des tâches confiées à des agents.

L’avantage des entreprises de pointe commence à se renforcer, et les entreprises qui exploitent le plus profondément l’IA creusent l’écart

Le déploiement des licences n’est qu’un point de départ pour les entreprises. L’indicateur le plus clair est de savoir si les collaborateurs utilisent l’IA pour des tâches plus poussées et plus complexes. Ce graphique compare le nombre de tokens générés par employé dans les entreprises de pointe, situées au 95e percentile, à celui de l’entreprise type, située au 50e percentile.

Les tokens sont une mesure imparfaite de la valeur pour l’entreprise. Une réponse courte peut avoir une grande valeur, et une réponse longue peut avoir peu de valeur. Mais le volume de tokens permet de mesurer la quantité de travail que les employés demandent à l’IA d’effectuer, ce qui en fait un indicateur indirect utile du degré d’utilisation de l’IA et du niveau de capacités d’IA que les employés sollicitent.

L’entreprise de pointe mobilise 3,5 fois plus d’intelligence par employé que l’entreprise type. Cet écart s’est accru depuis avril 2025, où il était d’un facteur 2, ce qui suggère que les entreprises qui exploitent l’IA de la manière la plus avancée creusent leur avance et sont mieux placées pour transformer les nouvelles capacités de l’IA en tâches plus complexes et à plus forte valeur ajoutée.

La majeure partie de l’avantage des acteurs de pointe découle d’un usage plus poussé, plutôt que d’un volume de messages plus élevé

L’entreprise de pointe mobilise nettement plus d’intelligence par employé que l’entreprise type, mais l’essentiel de l’écart ne s’explique pas par le seul volume de messages. Ce graphique décompose l’avantage de 3,5x des entreprises de pointe et montre que si l’entreprise type envoyait des messages au même rythme que les entreprises de pointe, elle ne comblerait que 36 % de l’écart de 3,5x.

L’écart restant est lié à une utilisation plus poussée. Les employés des entreprises de pointe demandent à l’IA de prendre en charge des tâches plus complexes, fournissent aux modèles un contexte plus riche et génèrent des résultats plus complets.

L’avantage des entreprises de pointe est le plus marqué pour les outils avancés et agentiques, porté par une utilisation de Codex 16 fois plus élevée

L’avantage des entreprises de pointe est le plus marqué pour les outils qui prennent en charge des workflows plus avancés. Codex présente l’écart le plus marqué, les entreprises de pointe envoyant 16 fois plus de messages par employé. L’agent ChatGPT, les applications dans ChatGPT, la recherche approfondie et les GPTs affichent également des écarts relativement marqués, ce qui suggère que les entreprises de pointe exploitent mieux les outils qui aident les employés à coder, à déléguer des tâches en plusieurs étapes, à exploiter le contexte de l’entreprise et à mener des recherches plus complexes.

À l’inverse, les outils plus généralistes et accessibles, comme le téléversement de fichiers, la recherche et l’analyse de données, présentent un avantage moins marqué pour les entreprises de pointe. Ces outils sont plus faciles à utiliser pour la plupart des entreprises, car ils s’inscrivent dans le prolongement de flux de travail familiers. L’avantage des entreprises de pointe est particulièrement marqué dans les outils avancés et agentiques, dont l’adoption nécessite davantage d’expertise, une connexion aux connaissances et aux outils de l’entreprise, ainsi qu’une plus grande aisance à déléguer du travail à l’IA.

Le principal avantage des entreprises de pointe concerne l’éducation et l’apprentissage

L’avantage des entreprises de pointe est le plus marqué pour les tâches liées à l’éducation et à l’apprentissage, pour lesquelles l’entreprise de pointe envoie 7 fois plus de messages que l’entreprise type. Dans les entreprises de pointe, l’IA est utilisée pour aider les collaborateurs à développer des compétences et à se former à de nouveaux sujets. Ils utilisent également l’IA pour améliorer leur compréhension de l’IA elle-même, notamment de ce qu’elle peut faire, de la façon de bien l’utiliser et de la manière dont elle peut s’intégrer aux flux de travail existants. L’ampleur de cet écart suggère que l’entreprise type pourrait sous-utiliser l’IA comme outil de formation et de développement des collaborateurs.

La programmation présente également un écart marqué de 4x, ce qui concorde avec l’écart plus général dans l’utilisation des outils avancés et agentiques. Les conseils pratiques ainsi que l’écriture et la communication présentent les plus faibles écarts avec les usages de pointe, probablement parce que ces tâches correspondent à des utilisations de l’IA plus accessibles et plus familières.

L’utilisation de l’IA est la plus répandue dans l’écriture, mais les usages propres à chaque fonction se développent

L’écriture et la communication restent les usages les plus courants de ChatGPT. Cependant, les usages varient de manière significative selon la fonction. 60 % des messages d’informatique et de sécurité se concentrent sur les guides pratiques et les procédures, près de la moitié des messages de développement logiciel et de science des données et de l’ingénierie sont liés à la programmation, et un dixième des messages de finance sont liés à l’analyse et au calcul.

Ces tendances concordent avec un ensemble plus large d’éléments indiquant que les modèles de pointe progressent sur des tâches professionnelles à forte valeur ajoutée. GDPval⁠, une évaluation du travail intellectuel en conditions réelles dans 44 professions, mesure les performances sur des tâches qui produisent des livrables professionnels concrets, tels que des documents, des feuilles de calcul, des présentations, des diagrammes et des contenus multimédias. À mesure que l’IA devient plus performante, son utilisation en entreprise semble s’étendre à des tâches plus étroitement liées aux missions fondamentales de chaque fonction.

Le leadership sectoriel ne se résume pas à une seule dimension : différents secteurs se distinguent sur ChatGPT, Codex et l’API

Il n’existe pas de classement unique de l’adoption de l’IA. Les classements des secteurs varient selon l’indicateur utilisé. Le secteur des services professionnels, scientifiques et techniques se classe au premier rang à la fois pour l’adoption de Codex et pour l’intensité d’utilisation de l’API, ce qui indique une utilisation relativement avancée dans les workflows de développement et aux intégrations produit. La finance et l’assurance sont en tête de l’adoption de ChatGPT grâce à des déploiements à grande échelle, tandis que les services éducatifs affichent la plus forte intensité des messages, ce qui suggère une utilisation plus poussée par personne. Le commerce de détail et la santé se classent en bonne position en termes d’intensité d’utilisation des API, malgré des classements plus faibles selon d’autres indicateurs.

Ces différences suggèrent que le leadership sectoriel ne se résume pas à une seule dimension. Certains secteurs semblent adopter l’IA via des workflows techniques et de développement, tandis que d’autres passent à l’échelle grâce à une adoption à grande échelle de ChatGPT ou à une utilisation plus intensive par les utilisateurs finaux.

Les entreprises intègrent l’utilisation de l’API à leurs workflows de production et à leurs applications destinées aux clients

Les entreprises utilisent de plus en plus l’API pour intégrer directement des modèles dans leurs produits, services et systèmes internes. Les cas d’usage courants en production incluent les assistants intégrés aux applications, les outils de programmation et de développement, le support client, les workflows de recherche et l’automatisation des workflows.

Ces déploiements montrent comment l’IA en entreprise dépasse la phase d’expérimentation pour s’inscrire dans des workflows reproductibles, avec un impact opérationnel mesurable. Dans tous ces exemples clients, les entreprises utilisent les modèles OpenAI pour accélérer le travail intellectuel, améliorer la productivité des équipes d’ingénierie et créer des expériences optimisées par l’IA pour les clients et les employés.

Comment les organisations peuvent atteindre un niveau de pointe

OpenAI collabore avec des entreprises de tous secteurs, fonctions et niveaux de maturité en IA, ce qui nous donne une visibilité sur la manière dont l’adoption évolue de l’expérimentation à la production. Dans l’ensemble de ces déploiements, les entreprises qui progressent le plus ont tendance à se concentrer moins sur le seul accès et davantage sur les systèmes organisationnels nécessaires pour exploiter l’IA de manière avancée : mesure, gouvernance, accompagnement, passage à l’échelle de l’impact et déploiement agentique.

Cinq pratiques se distinguent comme des mesures concrètes que toute organisation peut mettre en œuvre dès aujourd’hui pour accélérer l’adoption de l’IA.

1. Mesurez la profondeur d’usage, et pas seulement l’accès.
   L’indicateur pertinent n’est pas seulement le nombre d’employés disposant d’un compte d’IA, mais le fait de savoir si les équipes utilisent l’IA de manière plus poussée au fil du temps. Les organisations devraient suivre l’évolution de l’utilisation de l’IA afin de déterminer si elle devient plus fréquente, plus complexe et davantage intégrée à des workflows à forte valeur ajoutée.
2. Mettre en place une gouvernance permettant une utilisation en production.
   Les entreprises les plus performantes ne font pas l’impasse sur la gouvernance. Ils l’utilisent pour rendre l’IA agentique exploitable à grande échelle. Les entreprises ont besoin de règles claires définissant où les agents peuvent intervenir, quelles informations ils peuvent utiliser, quand ils doivent conseiller plutôt qu’agir et comment les humains supervisent les décisions les plus risquées. Les entreprises de pointe définissent ces normes dans le cadre du processus de déploiement, de sorte que la gouvernance devient un moyen de développer l’adoption en toute sécurité plutôt que de la ralentir.
3. Considérez l’accompagnement comme une infrastructure essentielle, et non comme un projet secondaire.
   À mesure que les capacités de l’IA progressent, les collaborateurs comme les organisations ont besoin de systèmes qui les aident à suivre le rythme. Les entreprises de pointe ne considèrent pas l’accompagnement comme une simple campagne de formation ponctuelle. Ils intègrent l’apprentissage continu directement dans le processus de déploiement grâce à des formations adaptées aux rôles, des ateliers sur les cas d’usage, des hackathons, des réseaux de relais internes, du temps dédié à l’expérimentation et des bibliothèques partagées de workflows, de bonnes pratiques et de compétences. 
4. Identifiez vos équipes de pointe et multipliez leur impact.
   Dans de nombreuses organisations, les usages les plus avancés sont concentrés au sein d’un petit nombre d’équipes. Ces équipes peuvent révéler quels workflows, quelles habitudes et quels modèles opérationnels fonctionnent réellement. Les dirigeants doivent identifier ces équipes, comprendre et généraliser les conditions qui ont permis leur réussite, et les aider à partager avec le reste de l’entreprise leurs enseignements et des exemples d’utilisation plus poussée de l’IA. 
5. Ne vous limitez plus aux assistants conversationnels : déléguez certaines tâches.
   L’IA d’entreprise évolue des assistants conversationnels vers des tâches pouvant être déléguées à des agents. Le génie logiciel illustre cette tendance, mais la délégation de tâches se généralise à l’ensemble des fonctions. Avec Codex, les ingénieurs peuvent confier une tâche définie, fournir à l’agent le contexte dont il a besoin, le laisser agir sur différents fichiers, dépôts de code et outils, puis examiner le résultat et affiner le flux de travail grâce à leurs retours. Les entreprises de pointe encouragent leurs employés à déléguer des tâches à l’IA plutôt que de simplement utiliser l’IA comme un assistant statique.

Si vous souhaitez découvrir l’ensemble des résultats ou apprendre comment introduire l’IA dans votre entreprise dans un cadre responsable, nous serions ravis d’échanger avec vous.