ChatGPT Work : quand l'IA saute du code au travail de bureau

Pourquoi Codex a explosé chez les non-devs

OpenAI a réalisé un truc : il y a 100x plus de gens qui utilisent du code que de gens qui l'écrivent. Codex, en générant du code qui marche direct, a ouvert une porte inattendue. Des chefs de projet, des analystes, des ops — ils se sont mis à l'utiliser pour faire du travail qu'ils faisaient manuellement. Pas pour écrire du code beau, juste du code qui marche.

En interne chez OpenAI, les gens parlaient de "superpouvoir". Un non-dev qui soumet une description et récupère une solution fonctionnelle, ça change tout pour lui.

Le changement : du code au travail de connaissance

Mais le travail de bureau, c'est pas du code. C'est fragmenté : documents (Google Docs, Word), analyses (Excel), présentations (Slides), plus 10 autres applis spécialisées. Quand tu dois faire un truc, tu ouvres 5 trucs différents, tu copy-paste, tu rassembles manuellement.

ChatGPT Work casse ça. Tu dis : "J'ai besoin d'un rapport client avec les données de notre pipeline Slack, un graphique des ventes du mois dernier, et des recommandations d'actions." L'agent va chercher ton contexte (code, Slack, fichiers locaux), produit des artefacts interactifs (pas juste du texte), et te livre un site ou un doc mieux que ce que tu aurais assemblé en 2h manuellement.

C'est plus rapide, c'est plus cohérent, et ça te laisse penser au problème au lieu de jongler avec les outils.

L'architecture : un seul moteur pour deux mondes

Codex et ChatGPT Work partagent le même moteur d'agent. Ça paraît simple, mais ça change tout :

• ▸Codex (pour devs) : focus sur le code, l'exécution, la précision technique, la visibilité Git
• ▸ChatGPT Work (pour tous) : focus sur les artefacts (Sites, documents interactifs), la mémoire persistante, les sous-agents

Même socle, mais deux interfaces complètement différentes selon qui l'utilise et ce qu'il cherche. OpenAI a choisi de ne pas unifier les interfaces — juste l'intelligence dessous.

Ce qui change concrètement

Sites persistants : Au lieu de générer un PDF ou un tableur statique, l'agent te crée un site interactif que tu peux éditer, partager, réutiliser.

Mémoire : L'agent se souvient de tes préférences, de la structure de tes projets, de ce que tu as essayé avant.

Sous-agents : Plutôt qu'un seul agent qui fait tout mal, tu peux déléguer des sous-tâches à des agents spécialisés qui se passent le contexte.

Contexte multi-appli : L'agent peut lire ton code, tes messages Slack, tes docs Google, tes fichiers locaux — et les rassembler sans toi.

Le piège à ne pas manquer

Le directeur produit chez OpenAI (Akshay Nathan, ex-Airtable) le dit clairement : quand presque n'importe qui peut faire quelque chose, le vrai goulot d'étranglement devient l'idée et le goût. Générer n'importe quoi, c'est facile. Générer quelque chose qui vaut la peine, c'est dur. Les LLM peinent encore à produire de vraies idées nouvelles.

Du coup les équipes doivent arrêter de confondre mouvement avec progrès. Oui, tu fais 10x plus vite. Mais est-ce que tu penses mieux ? Ça c'est la vraie question.