ChatGPT Work : 8 cas d'usage pour déléguer le travail, pas seulement poser des questions

OpenAI a lancé le 9 juillet 2026 ChatGPT Work, un mode « agent » de l'application de bureau ChatGPT qui ne se contente plus de répondre : il lit vos fichiers, pilote un navigateur intégré et produit des livrables finis. Cet article détaille huit cas d'usage concrets, avec pour chacun le livrable obtenu et le garde-fou à mettre en place, puis une méthode en cinq étapes pour déléguer sans perdre le contrôle.

L'essentiel en sept points

• ChatGPT Work est un agent : vous décrivez un résultat, il enchaîne les actions tout seul, parfois pendant plus d'une heure.
• Il vit dans l'application de bureau ChatGPT (Mac et Windows), onglet Work, à côté des onglets Chat et Codex. C'est la version bureau qui lui donne accès à vos fichiers locaux.
• Les cas les plus rentables au quotidien : tableaux de bord, modèles Excel à formules, recherche de leads, tri de justificatifs, mises à jour en masse.
• Il sait utiliser des outils sans API grâce à son navigateur intégré, ce qui couvre la plupart des logiciels de PME.
• Avant toute action de masse : sauvegarde d'abord, test sur un petit lot ensuite, généralisation seulement après.
• Une consigne complète (contexte, livrable précis, critères de vérification) fait toute la différence entre un livrable utilisable et un livrable à refaire.
• Le temps de l'agent importe peu ; ce qui compte est votre temps de vérification comparé au temps que la tâche vous aurait pris.

Ce qu'OpenAI a lancé le 9 juillet 2026

Dans sa présentation officielle, OpenAI décrit ChatGPT Work comme un agent capable de rassembler l'information entre vos applications et de mener des tâches ambitieuses de bout en bout. Trois faits structurels à retenir.

D'abord, Work n'est pas un produit séparé : c'est un onglet de la nouvelle application de bureau ChatGPT, qui regroupe trois modes, Chat, Codex et Work, comme le détaille le compte rendu de ZDNET. Chat répond, Codex code, Work exécute des tâches de bureau au sens large.

Ensuite, l'agent se connecte à vos outils : OpenAI annonce une quinzaine d'intégrations au lancement (Google Drive, Slack, Salesforce, GitHub, entre autres), activables par mention dans la consigne, et une fonction Auto-Review qui passe en revue les actions de l'agent pour signaler les opérations risquées avant exécution.

Enfin, le moteur est GPT-5.6, et l'usage se pilote aussi à la voix depuis le 23 juillet 2026, comme le rapporte TechCrunch : on peut littéralement dicter une séquence de tâches à lancer.

Pour une PME française, la question n'est donc plus « que peut m'expliquer l'IA ? » mais « quel travail puis-je lui confier entièrement, sous quelles conditions ? ». Les huit cas qui suivent donnent une grille de réponse concrète.

Huit cas d'usage qui tiennent en production

1. Construire un tableau de bord interactif à partir d'une capture d'écran

Le principe : vous copiez l'image d'un tableau de bord qui vous plaît, vous la collez dans Work avec une consigne du type « recrée ce tableau de bord en site partageable, alimenté par nos données réelles », et l'agent produit une première version en quelques minutes, avec logo, indicateurs et graphiques.

Deux points font la différence avec une maquette : les données sont branchées (l'agent interroge vos sources via les intégrations ou des exports) et l'itération est immédiate (une remarque comme « affiche les valeurs au survol des graphiques » est appliquée en quelques minutes). Le partage se fait ensuite à toute l'organisation ou à des personnes choisies.

Garde-fou : vérifiez les chiffres de la première version contre votre source. Un tableau de bord faux mais élégant est plus dangereux qu'aucun tableau de bord.

2. Automatiser le web sans API

Work embarque un navigateur intégré qu'il pilote seul : on le voit ouvrir des pages, cliquer et télécharger. Cas typique : « visite cette liste de pages, télécharge les vingt premières images mises en avant, enregistre-les dans un dossier et produis un CSV qui associe chaque titre de page à son image. » Quelques minutes plus tard, le dossier et le CSV sont livrés et vérifiés.

C'est la réponse aux logiciels de PME qui n'ont ni API ni connecteur : le portail fournisseur où récupérer les factures chaque mois, l'extranet d'un partenaire, l'interface d'un organisme de financement. La tâche peut être planifiée (par exemple une fois par mois) plutôt que lancée à la main.

Garde-fou : faites d'abord un essai en lecture seule (télécharger, lister) avant toute tâche qui saisit ou modifie des données dans un outil.

3. Produire un vrai modèle Excel, pas un tableau figé

Le cas d'école : une analyse de cohortes complète à partir de cinq exports de plusieurs outils (communauté, événements, paiements, ancien système), soit des dizaines de mégaoctets et des milliers de lignes. L'agent a travaillé plus d'une heure et livré un classeur avec onglets de données brutes, onglets d'analyse et graphiques modifiables.

La consigne décisive est d'exiger des formules, pas des valeurs figées : chaque cellule calculée doit pouvoir être auditée et modifiée. C'est ce qui distingue un modèle réutilisable d'une photographie jetable. Le plugin tableurs accepte aussi vos gabarits existants : au lieu de laisser l'agent inventer la structure, vous lui donnez votre modèle maison et il ne fait qu'y injecter les données, selon la méthode déjà éprouvée dans votre usage d'Excel avec l'IA.

Garde-fou : imposez « formules uniquement » dans la consigne, puis ouvrez trois cellules au hasard pour vérifier qu'elles contiennent bien des formules.

4. Rechercher des leads avec des signaux vérifiables

Ici, on enseigne d'abord à l'agent votre définition d'un bon prospect via une skill (un mode d'emploi réutilisable) : zone géographique, signaux d'achat (recrute un profil transformation IA, vient d'annoncer une initiative IA, 50 à 500 salariés), nombre de cibles, et surtout la liste d'exclusion de vos clients actuels et passés.

L'agent lance alors des sous-agents en parallèle, un par zone géographique, qui travaillent simultanément et rapportent au principal. Au bout d'une vingtaine de minutes : un tableur de 25 entreprises avec, pour chacune, le signal précis, l'URL source pour vérifier, le nom et le titre d'un décideur plausible et un score de confiance. C'est l'industrialisation de ce que nous décrivions pour la prospection commerciale assistée par IA.

Garde-fou : la règle d'or est « pas de signal sans URL ». Un signal invérifiable ne part jamais en prospection, et le premier contact reste rédigé par un humain.

5. Tenir la comptabilité de notes de frais au fil de l'eau

Le dispositif tient en un dossier : vous photographiez un justificatif et déposez l'image dedans. Une skill dédiée, lancée manuellement ou planifiée, lit l'image, en extrait le fournisseur, la date, le montant et la catégorie, ajoute une ligne au tableur de suivi, puis range le justificatif dans un sous-dossier « traités », classé par date.

Au moment de la clôture ou du rendez-vous comptable, tout est déjà trié. C'est un cas idéal de premier pilote : volume faible, résultat immédiatement vérifiable ligne à ligne, zéro conséquence en cas d'erreur isolée.

Garde-fou : vérifiez les montants des dix premières lignes pour calibrer la catégorisation, puis par échantillon ensuite.

6. Modifier en masse dans vos outils, avec filet de sécurité

Le scénario : ajouter un même appel à l'action dans la description de 130 vidéos d'une chaîne, avec un lien tracké différent par vidéo. À la main, c'est une journée de copier-coller. La méthode illustrée ici est exemplaire pour toute action de masse, et elle vaut pour un catalogue produit, une base CRM ou un site :

1. l'agent exporte d'abord toutes les descriptions existantes (CSV + fichiers) : c'est la sauvegarde qui permet de revenir en arrière ;
2. la consigne définit des règles conditionnelles (« si la description commence par un lien de ressource, insère en dessous ; si elle commence par un appel à s'abonner, remplace-le ; sinon, mets en première ligne ») ;
3. le premier passage ne traite qu'un lot de 20 à 30 éléments, que vous vérifiez un par un avant de généraliser.

Garde-fou : sans export préalable, pas d'action de masse. C'est la règle non négociable.

7. Générer des visuels dans un workflow, pas à côté

La génération d'images existe dans le ChatGPT classique ; la différence ici est qu'elle s'insère dans un processus. Dans le cas observé, l'agent a d'abord appris le style de la maison à partir des vingt images téléchargées au cas 2, puis produit trois propositions par titre d'article (neuf images au total, en douze minutes), normalisées au bon format, avec les prompts de génération sauvegardés dans un fichier pour comprendre et ajuster.

Demander plusieurs variantes est la bonne pratique : la première image est rarement la bonne, et choisir parmi trois coûte quelques secondes. Les usages vont bien au-delà du blog : variantes de visuels publicitaires, illustrations d'e-mails, supports de formation.

Garde-fou : relisez chaque texte présent dans un visuel généré, mot à mot. C'est le point de faute le plus fréquent.

8. Piloter un agent long depuis votre téléphone

Les tâches d'agent se mesurent en dizaines de minutes, parfois en heures. La fonction Remote de l'application mobile affiche vos sessions Work lancées sur l'ordinateur : depuis votre téléphone, vous consultez l'avancement et vous relancez la suite (« parfait, fais maintenant la même chose pour les vidéos de l'an dernier ») sans être à votre bureau.

Contrainte pratique : l'ordinateur qui détient les fichiers doit rester allumé. C'est un détail qui change l'organisation : on lance la grosse tâche le matin, on la supervise entre deux rendez-vous, on valide le livrable en rentrant.

Garde-fou : la validation finale d'un livrable qui partira à l'extérieur se fait sur écran, au calme, pas depuis une file d'attente.

Ce qui change concrètement par rapport au ChatGPT web

Trois bascules expliquent pourquoi ces cas étaient impossibles dans le navigateur.

L'accès aux fichiers locaux. Un export de 35 Mo ne passe pas par le téléversement du ChatGPT web ; l'application de bureau lit directement le dossier de travail que vous lui désignez. Toute la logistique des exports disparaît.

Le navigateur intégré et les skills. L'agent agit sur le web comme un opérateur, et vous pouvez lui enseigner vos outils une fois pour toutes : comment se connecter à votre entrepôt de données, comment créer un lien tracké dans votre outil, quels champs extraire d'un justificatif. Une skill s'écrit une fois et se réutilise à chaque tâche.

Les niveaux d'effort et la planification. Pour une recherche exigeante, on monte le niveau d'effort du modèle (au prix d'une consommation plus élevée) ; pour une tâche récurrente, on la planifie plutôt qu'on ne s'en souvient. L'agent devient un processus, pas une conversation.

La méthode en cinq étapes pour déléguer sans perdre le contrôle

Étape 1 : choisir la bonne première tâche. Prenez la tâche que vous refaites le plus souvent et dont le résultat se vérifie en un coup d'œil. Répétitive, vérifiable, réversible : il faut les trois.

Étape 2 : écrire la consigne complète. Une consigne d'agent a trois blocs : le contexte (ce que l'agent trouve dans le dossier, vos outils, vos exclusions), le livrable précis (nature, format, nom du fichier, structure) et les critères de vérification (ce que vous contrôlerez). Une consigne d'une ligne donne un livrable d'une ligne.

Étape 3 : borner l'essai. Dossier de travail dédié, lot réduit (20 à 30 éléments), sauvegarde exportée avant toute modification. Le premier essai sert à calibrer, pas à produire.

Étape 4 : vérifier comme un livrable professionnel. Chiffres contre la source, trois cellules de formules ouvertes, URLs des signaux cliquées, textes des visuels relus. Notez le temps que prend cette vérification : c'est le vrai coût de la délégation.

Étape 5 : généraliser puis planifier. Quand le lot témoin est propre, étendez au volume complet, puis transformez la tâche en rendez-vous planifié. C'est à cette étape seulement que le gain devient structurel.

Les erreurs fréquentes (pour vous auto-diagnostiquer)

Déléguer sans sauvegarde. Toute action de masse sans export préalable est une faute de méthode, pas une malchance. L'export coûte deux minutes ; la reconstruction coûte une semaine.

Confier une tâche à critères flous. « Améliore nos descriptions » ne veut rien déléguer. Si vous ne savez pas dire comment vous vérifierez le résultat, la tâche n'est pas prête pour un agent.

Brancher les données sensibles dès le premier jour. Un agent qui lit vos fichiers et vos outils doit rencontrer une politique de données : ce qui entre dans le dossier de travail, ce qui n'y entre jamais, qui décide. Nos repères sur les données confidentielles et ChatGPT au travail et les recommandations de la CNIL s'appliquent ici mot pour mot.

Mesurer la vitesse de l'agent au lieu du gain net. Une tâche qui tourne une heure n'est pas un problème si votre vérification prend dix minutes et que le travail manuel en prenait cinq. Le gain net est le temps manuel évité moins le temps de contrôle.

Adopter le premier livrable. La valeur de Work est dans l'itération rapide : la remarque qui transforme la version 1 en version utile prend quelques minutes. Prévoyez-la dans votre planning au lieu de juger l'outil sur sa première sortie.

La checklist avant de lancer votre premier pilote

• ☐ La tâche choisie est répétitive, vérifiable et réversible.
• ☐ L'application de bureau est installée et le mode Work accessible sur votre offre.
• ☐ Un dossier de travail dédié est créé, sans données sensibles non validées.
• ☐ La consigne écrite contient contexte, livrable précis et critères de vérification.
• ☐ La sauvegarde des données existantes est exportée avant toute modification.
• ☐ Le premier essai porte sur un lot de 20 à 30 éléments maximum.
• ☐ Le temps de vérification est chronométré pour calculer le gain net.
• ☐ Une personne est nommée responsable de la validation finale des livrables.

Conclusion

ChatGPT Work déplace la frontière de l'usage de l'IA au bureau : on ne demande plus une réponse, on confie un travail. Les huit cas présentés montrent que la valeur n'est pas dans la démonstration spectaculaire mais dans l'enchaînement sobre de trois disciplines : une consigne complète, un essai borné, une vérification sérieuse.

La bonne stratégie de départ tient en une phrase : trouvez la tâche que vous refaites chaque semaine, écrivez sa consigne comme vous brieferiez un collaborateur exigeant, et gardez la validation. Les heures économisées suivront, et elles financeront la montée en compétence de votre équipe, par exemple avec une formation IA adaptée à vos métiers.

FAQ

Qu'est-ce que ChatGPT Work et comment y accéder ?

ChatGPT Work est le mode agent de l'application de bureau ChatGPT, lancé par OpenAI le 9 juillet 2026. Là où le ChatGPT classique répond à des questions, Work exécute des tâches complètes : il lit vos fichiers, pilote un navigateur intégré et produit des livrables (tableurs, sites, rapports). Il est accessible depuis l'application de bureau Mac et Windows, dans l'onglet Work, sur les offres payantes de ChatGPT.

Quelle est la différence entre ChatGPT Work et le ChatGPT que j'utilise déjà ?

Le ChatGPT web répond dans une conversation : il conseille, rédige, explique. ChatGPT Work agit : il ouvre votre navigateur, lit les fichiers d'un dossier de votre ordinateur, enchaîne des dizaines d'actions sans supervision et livre un fichier fini. La différence pratique : vous décrivez un résultat (« construis ce tableau de bord avec nos données ») plutôt qu'une question, et vous repassez en fin de tâche pour vérifier le livrable.

Quelles tâches confier en premier à ChatGPT Work ?

Commencez par des tâches répétitives à résultat vérifiable : consolider des exports dans un tableur à formules, trier des justificatifs, mettre à jour des descriptions en masse après sauvegarde, produire un premier tableau de bord interne. Évitez en premier pilote tout ce qui touche aux paiements, aux données personnelles de clients ou aux envois externes sans relecture. Le bon premier cas est celui où une erreur se voit et se corrige sans conséquence.

ChatGPT Work peut-il accéder à mes fichiers et à mes outils ?

Oui, c'est son principe : l'application de bureau accède aux dossiers que vous lui désignez et à un navigateur intégré, et OpenAI annonce une quinzaine d'intégrations (Google Drive, Slack, Salesforce, GitHub, entre autres) activables par mention. C'est précisément pour cela qu'il faut un dossier de travail dédié, des sauvegardes avant toute action de masse et une politique claire sur ce qui peut y passer, en particulier pour les données couvertes par le RGPD.

Combien de temps prend une tâche confiée à ChatGPT Work ?

Comptez de quelques minutes pour une automatisation web simple à plus d'une heure pour un modèle Excel complexe construit à partir de plusieurs exports volumineux. C'est le principe de la délégation : la tâche tourne pendant que vous faites autre chose, et les sessions peuvent être reprises depuis l'application mobile. La bonne métrique n'est pas la durée de l'agent mais votre temps de vérification par rapport au temps que la tâche vous aurait pris.

Quels sont les risques et les limites de ChatGPT Work en entreprise ?

Trois risques dominent : une action de masse mal spécifiée (d'où la sauvegarde préalable et les tests sur un petit lot), des données sensibles exposées à un service cloud (d'où un dossier de travail dédié et des règles RGPD), et un livrable adopté sans vérification (d'où des critères de contrôle écrits avant de lancer). La fonction Auto-Review d'OpenAI signale les actions risquées avant exécution, mais la responsabilité du contrôle final reste humaine.

Sources

• OpenAI, ChatGPT is now a partner for your most ambitious work, 9 juillet 2026 : présentation officielle de ChatGPT Work, intégrations et Auto-Review.
• ZDNET, I loved ChatGPT Desktop until OpenAI gutted it to make room for Codex and Work, 13 juillet 2026 : structure de l'application de bureau en trois modes.
• TechCrunch, OpenAI's new voice mode makes it to the ChatGPT desktop app, 24 juillet 2026 : pilotage vocal des agents.
• Learnijoy, OpenAI Launches ChatGPT Work and New Desktop App with GPT-5.6, 9 juillet 2026 : calendrier de déploiement par offre.
• CNIL, recommandations sur l'intelligence artificielle, consultées le 8 août 2026 : cadre de protection des données applicable aux agents qui lisent des fichiers.