Contexte technique
J'ai examiné ce qu'OpenAI a réellement déployé, et l'essentiel n'est pas simplement une « réponse plus intelligente ». Les Agents Workspace dans ChatGPT ne sont plus un dialogue ponctuel, mais des agents persistants pour l'équipe, qui vivent au sein de l'espace de travail et peuvent gérer des tâches longues sans que j'aie à les relancer constamment. Pour l'automatisation par IA, c'est un changement notable : ChatGPT commence à ressembler moins à un assistant et plus à une couche d'exécution de processus.
Actuellement, il s'agit d'un aperçu de recherche pour ChatGPT Business, Enterprise, Edu et Teachers. Les agents peuvent être créés pour un rôle ou une tâche avec une simple description, puis ChatGPT assemble un « employé » fonctionnel avec une logique, des outils et les meilleures pratiques de l'équipe. Selon les exemples d'OpenAI, ces agents peuvent qualifier des leads, acheminer des retours, valider des demandes, compiler des rapports et rechercher des prestataires.
Le plus intéressant réside dans la combinaison des connecteurs et des compétences (skills). L'agent a accès à Slack, Linear, l'e-mail, le calendrier et d'autres systèmes, et peut suivre la progression, réagir aux événements, aux messages et aux plannings. De plus, il y a une couche d'ordinateur virtuel : cela va au-delà des simples appels API pour inclure des actions via un navigateur et des interfaces web, un modèle que je voyais auparavant comme un framework d'agent distinct, et qu'OpenAI intègre maintenant directement dans ChatGPT.
Mais c'est aussi là que j'ai marqué une pause. Dans un espace de travail réglementé, OpenAI insiste sur les limitations : les administrateurs doivent contrôler les connecteurs, l'accès aux sites web et la confirmation des actions. C'est logique, car dès qu'un agent accède à des systèmes externes et gagne en autonomie, l'injection de prompt et les fuites de données cessent d'être théoriques.
Ce que cela change pour les entreprises
Les gagnants sont les équipes dont les nombreux processus routiniers sont dispersés entre Slack, un gestionnaire de tâches, l'e-mail et les calendriers. Au lieu d'un simple chat, elles obtiennent une intégration IA où l'agent fait avancer la tâche de lui-même, sans attendre la prochaine question d'un humain.
Les perdants sont ceux qui pensent qu'il suffit d'appuyer sur un bouton et d'oublier. Sans une architecture IA appropriée, ces agents se heurteront rapidement à des problèmes de droits d'accès, au chaos des données et à des scénarios non sécurisés.
Je soulignerais trois effets pratiques : moins d'orchestration manuelle, un cycle plus rapide entre le signal et l'action, et une automatisation moins coûteuse des tâches qui nécessitaient auparavant un coordinateur humain. Chez Nahornyi AI Lab, nous résolvons précisément ce genre de problèmes : déterminer où donner de la liberté à un agent, où exiger une confirmation, et où le maintenir complètement à l'écart.
Si vos processus sont déjà noyés dans les échanges, les changements de contexte et les vérifications manuelles, c'est le bon moment pour les reconstruire sans illusions. Nous pouvons examiner ensemble où le développement de solutions IA peut réellement vous aider, et construire chez Nahornyi AI Lab une automatisation qui réduit la charge de travail, au lieu d'ajouter une nouvelle couche de chaos.