OpenAI lance ChatGPT Work à 20 $ pour élargir son usage
Les données soutenues par OpenAI montrent que Codex est presque universel en interne mais en dessous de 1 % parmi les abonnés individuels.
OpenAI utilise ChatGPT Work, un produit à 20 $ par mois dans son niveau d'abonnement le plus bas, pour intégrer des agents IA dans les flux de travail des cols blancs. Les données d'adoption soutenues par OpenAI suggèrent que les habitudes internes de l'entreprise en matière d'agents ne se traduisent pas encore pour les clients, avec des permissions et des frictions UX émergeant comme le goulot d'étranglement.
Points clés
- ChatGPT Work a été lancé en juillet 2026 et se situe dans le niveau d'abonnement le plus bas d'OpenAI à 20 $/mois.
- Une étude soutenue par OpenAI a mesuré l'utilisation de Codex en juin 2026 à 98 % parmi les employés d'OpenAI, 17 % parmi les abonnés organisationnels, et moins de 1 % parmi les abonnés individuels.
- OpenAI n'a pas divulgué combien d'utilisateurs sont sur Work par rapport à Codex, tout en décrivant l'application combinée comme utilisée par 20 millions de personnes contre « plus d'un milliard » d'utilisateurs interagissant avec ChatGPT en ligne.
- Le personnel d'OpenAI a décrit l'utilité des agents comme étroitement liée à la connexion des boîtes de réception et des outils de travail, une configuration qui nécessite des permissions larges et crée des compromis en matière de confidentialité et de contrôle.
ChatGPT Work : l'initiative d'OpenAI à 20 $ pour aller au-delà des développeurs
ChatGPT Work est la tentative d'OpenAI de prendre le flux de travail agentique que les développeurs tolèrent déjà et de le vendre à tout le monde.
Lancé « le mois dernier » par rapport au 24 août 2026, Work est disponible dans le niveau d'abonnement le plus bas d'OpenAI pour 20 $ par mois, et il est positionné comme un moyen pour les cols blancs de faire fonctionner des agents capables de réaliser des projets en plusieurs étapes plutôt que de simplement répondre à des questions.
Mécaniquement, Work est une version modifiée de Codex, l'outil de codage d'OpenAI, reconditionné pour que les non-ingénieurs puissent utiliser la même boucle « faire la tâche » que les développeurs obtiennent du codage agentique. Dans le cadre d'OpenAI, le produit est censé connecter un LLM au logiciel qui gère réellement la journée d'un travailleur, puis lui permettre d'exécuter à travers ces systèmes avec une supervision minimale.
Le responsable produit principal d'OpenAI, Thibault Sottiaux, a décrit l'objectif comme des agents qui « effectuent des tâches entières et très compliquées pour vous de manière autonome, d'une manière agréable et sûre », et l'a lié à la distribution plutôt qu'à l'exclusivité : « C'est la mission même d'OpenAI — d'amener tout le monde avec nous. » L'incitation commerciale est simple.
Les agents qui fonctionnent plus longtemps consomment plus de tokens, l'unité de texte traitée qui détermine souvent les coûts d'utilisation et les revenus, donc convertir des demandes routinières en exécutions d'agents soutenues est un levier de monétisation direct.
L'écart d'adoption en chiffres : 98 % d'utilisation interne contre <1 % d'utilisation individuelle
Le signal le plus clair dans le paquet est que la propre main-d'œuvre d'OpenAI se comporte comme si l'avenir était déjà là, tandis que les clients, pour la plupart, ne le font pas. Une étude soutenue par OpenAI a révélé qu'en juin 2026, 98 % des employés d'OpenAI utilisaient Codex, contre 17 % des abonnés organisationnels et moins de 1 % des abonnés individuels.
Cette différence est importante car elle implique que le goulot d'étranglement n'est pas la sensibilisation. C'est la conversion à travers un seuil d'utilisabilité que les employés d'OpenAI sont prêts à franchir pour le travail, mais que les abonnés typiques ne le sont pas. Les équipes internes d'OpenAI ont également dû être poussées au-delà de cette ligne.
Andrew Ambrosino, ingénieur principal de l'application de bureau d'OpenAI, a déclaré que les équipes non techniques ont commencé à utiliser Codex lorsqu'il était "activement hostile" envers elles, y compris des invites sur le code et un affichage de "diff vide".
Il a dit que l'équipe l'a rendu "plus polyvalent entre février et maintenant", ce qui place l'actuelle poussée de Work dans le contexte d'une refonte interne de plusieurs mois, passant d'outils orientés développeurs à des flux de travail de connaissance générale.
OpenAI a refusé de divulguer combien de personnes utilisaient Work par rapport à Codex. La société a décrit l'application combinée comme étant utilisée par 20 millions de personnes, contre "plus d'un milliard" d'utilisateurs sollicitant ChatGPT en ligne. La comparaison esquisse l'entonnoir qu'OpenAI essaie de monétiser, mais ce n'est pas une métrique d'adoption claire.
Le paquet ne définit pas si "20 millions" correspond à des utilisateurs actifs quotidiens, mensuels ou cumulés, et "plus d'un milliard" n'est pas daté ou défini comme enregistré par rapport à actif.
Néanmoins, la lecture directionnelle est difficile à manquer. OpenAI place Work au niveau le plus bas de 20 $, ce qui ressemble à un pari de distribution pour établir une formation d'habitude plutôt qu'une vente premium. Sans une distinction entre Work et Codex, il est également difficile de dire si le nouvel emballage fait bouger les choses ou s'il ne fait que renommer le même groupe d'utilisateurs avancés.
Le problème du harnais : autorisations, confidentialité et découvrabilité
Le personnel d'OpenAI revient sans cesse au même mécanisme : le harnais. Un harnais est la couche logicielle autour d'un modèle qui détermine quelles informations il peut accéder, quels outils il peut utiliser et comment il exécute des tâches. Les agents ne sont pas juste "un meilleur chat".
Ils sont un modèle plus un harnais qui peut prendre des mesures à travers plusieurs étapes, ce qui signifie que le harnais doit être à la fois puissant et compréhensible pour les utilisateurs non techniques.
Le problème est que l'utilité et le risque évoluent ensemble. Ambrosino a déclaré que l'application de bureau a accès à et contrôle sa boîte de réception, Slack, son téléphone et des applications comme Notion et Figma.
Il a également expliqué le mode d'échec de la confidentialité en termes simples : "Si je lui demande d'écrire un document, y a-t-il une possibilité qu'il tire d'un DM privé sur ce sujet et ne sache pas qu'il ne doit pas partager certaines informations ? Oui," ajoutant, "Je le ferai pour le travail. Je prendrai le coup personnel ici et là si je dois. Et je n'ai pas eu à le faire."
C'est le goulot d'étranglement de l'adoption en une citation. Les lieux de travail traditionnels n'ont pas seulement besoin d'un meilleur modèle. Ils ont besoin d'une surface d'autorisation et de contrôle qui leur permet d'accorder l'accès sans avoir l'impression de remettre les clés de tout.
Le paquet décrit également la friction de configuration qui ressemble à une taxe produit pour les utilisateurs non techniques. Les autorisations pour les disques cloud étaient décrites comme déroutantes, avec des tentatives d'accorder un accès "lecture" produisant des erreurs jusqu'à ce qu'un dialogue mobile indique que seul un accès complet fonctionnerait.
De nombreux paramètres importants n'étaient disponibles que sur l'application web, obligeant les utilisateurs à passer de l'application web à mobile. Même lorsqu'ils étaient connectés, l'outil avait des limites, comme la possibilité de créer des événements Google Calendar mais pas de créer de nouveaux calendriers.
La découvrabilité est l'autre moitié du problème du harnais. Les employés d'OpenAI ont décrit des débats internes sur la nécessité de boutons si les utilisateurs peuvent simplement poser des questions au modèle. Ambrosino a réagi en disant : « La découvrabilité est importante à ce stade, et à un moment donné, nous n'aurons plus le bouton.
» Joe Gershenson, responsable de l'ingénierie du harnais chez OpenAI, a également reconnu que les contrôles d'effort et de raisonnement ne sont pas encore intuitifs, en disant « il y a des choses que nous pouvons améliorer pour les aider à obtenir le bon niveau de raisonnement... » et en ajoutant, « Surveillez cet espace. »
OpenAI essaie également de rendre la performance du travail de connaissance suffisamment mesurable pour pouvoir itérer. L'entreprise a déclaré qu'elle utilise un indicateur appelé GDPval, tiré de 44 professions et de centaines de tests de travail de connaissance, complété par des retours d'utilisateurs.
C'est un signal qu'OpenAI s'attend à ce que la performance des agents en dehors de la programmation soit évaluée et améliorée comme les indicateurs de programmation, ce qui est une condition préalable à la vente d'agents dans des organisations non techniques qui exigeront de la répétabilité.
Signaux que les traders devraient suivre : Tirage d'entreprise, fossés modèle contre fossés de protection, et pression concurrentielle
La question à court terme est de savoir si Work peut transformer une large base d'utilisateurs de ChatGPT en une utilisation connectée d'outils sous permission qui consomme des tokens de manière significative sans provoquer de réaction négative de la part des entreprises. Le premier signal est la divulgation.
Toute future répartition des utilisateurs de Work par rapport aux utilisateurs de Codex, ou des estimations crédibles de tiers, clarifierait si le placement au niveau de 20 $ convertit réellement des abonnés grand public en utilisateurs agents.
Le deuxième signal est de savoir si OpenAI réduit la friction de configuration sans affaiblir les contrôles. Cela signifie des flux de permission plus simples, moins d'écarts entre le web et le mobile, et des paramètres d'effort ou de raisonnement plus clairs afin que les utilisateurs novices ne vivent pas une expérience de "pire stagiaire" à faible effort et ne quittent pas.
La concurrence évolue également de la qualité des modèles vers la distribution des flux de travail. Le document décrit des concurrents spécifiques à des secteurs verticaux comme Harvey (droit) et Clay (ventes) comme étant agnostiques au modèle, ce qui signifie qu'ils peuvent remplacer le modèle qui performe le mieux. Christian Catalini a averti que « si les laboratoires ne peuvent pas rapidement se procurer les éléments complémentaires clés...
»actifsnécessaire pour faire évoluer l'IA sur le marché, la valeur s'accumulera ailleurs", ce qui constitue une menace directe pour les laboratoires qui supposent que les améliorations des modèles suffiront à sécuriser la relation client.
L'équipe d'OpenAI est divisée sur l'emplacement de la barrière. Ambrosino a soutenu : « La réponse frustrante est que, souvent, c'est le modèle, et une chose que nous avons essayé de bien faire avec cette application est de tirer pleinement parti du modèle.
» Gershenson a minimisé la défense de l'outil, en disant : « Vous pourriez obtenir de bons résultats à court terme en ajoutant toute une série d'extras — des "si" et des "alors" et des outils — mais, allez, le prochain modèle va sortir dans quelques mois et rendre cela obsolète. »
Une demande pratique dans le paquet suggère que la course des agents de codage est toujours en cours. En utilisant les statistiques de téléchargement comme indicateur d'intérêt, Claude Code était plus demandé jusqu'en avril 2026, après quoi Codex a pris une légère avance, et les enquêtes auprès des entreprises ont suggéré qu'OpenAI rattrapait son retard.
Le paquet ne nomme pas les ensembles de données ni les chiffres des enquêtes, il est donc utile en termes de direction mais pas comme un tableau de score clair.
Ma lecture : Le potentiel de monétisation du travail dépend de la conversion de l'entonnoir ChatGPT en actions fiables et autorisées
Le seuil qui compte n'est pas de savoir si les agents peuvent réaliser des démonstrations impressionnantes. Il s'agit de savoir si OpenAI peut amener des utilisateurs non techniques à accorder les autorisations qui rendent les agents utiles sans avoir l'impression de céder le contrôle de leur boîte de réception, Slack et fichiers.
Les chiffres d'adoption soutenus par OpenAI illustrent le propos : 98 % d'utilisation interne contre moins de 1 % parmi les abonnés individuels est un problème de conversion, pas un problème de marketing.
Si OpenAI peut simplifier la couche de contrôle et rendre les gains d'évaluation de style GDPval visibles dans des flux de travail non codants, le travail commence à ressembler à un moteur de consommation de jetons durable plutôt qu'à un ensemble de fonctionnalités réservé aux développeurs.
Si les autorisations et la découvrabilité restent la taxe, les outils verticaux indépendants du modèle continueront à dominer la distribution des flux de travail même si la qualité du modèle converge.
