ChatGPT se relie aux données d’entreprise pour exploiter les savoirs internes

Les entreprises ne manquent pas toujours d’informations, elles peinent surtout à les retrouver au bon moment. Un compte rendu dans un espace partagé, une décision dans une conversation, le signalement d’un client dans un ticket de support : ces fragments peuvent être décisifs, mais restent souvent enfermés dans des outils séparés. En octobre 2025, OpenAI veut faire de ChatGPT une porte d’entrée conversationnelle vers ce patrimoine informationnel.

La nouveauté ne consiste pas seulement à déposer un document dans une fenêtre de discussion. ChatGPT peut désormais être connecté à des applications utilisées par les organisations, notamment Slack, SharePoint, Google Drive et GitHub, afin de rechercher, croiser et résumer des données auxquelles la personne qui pose la question est déjà autorisée à accéder. L’ambition est de transformer l’assistant généraliste en analyste adapté au contexte de chaque entreprise.

Cette promesse intéresse autant les directions métier, qui cherchent à accélérer la préparation d’un dossier, que les responsables informatiques et sécurité, qui doivent empêcher qu’un outil d’IA ne devienne une nouvelle voie d’accès incontrôlée à des informations sensibles. L’utilité réelle de cette fonction se jouera donc autant dans ses usages que dans sa gouvernance.

Pourquoi les données d’entreprise restent difficiles à exploiter

Dans une organisation, l’information utile est rarement rangée dans une base unique et parfaitement tenue. Une équipe commerciale travaille dans son outil de relation client, le support traite les incidents dans un système de tickets, les développeurs documentent leur travail dans leurs dépôts de code et les décisions se prennent parfois dans des fils de discussion. Même lorsqu’une entreprise possède beaucoup de données, leur dispersion crée une friction quotidienne.

Cette situation limite les assistants d’IA lorsqu’ils ne connaissent que des informations générales ou les fichiers explicitement fournis dans une conversation. Ils peuvent rédiger un message, reformuler une note ou expliquer une notion, mais ne peuvent pas répondre de façon fiable à une question telle que : « Quels problèmes reviennent le plus souvent chez ce client ? » sans accéder aux échanges, aux tickets et aux documents pertinents.

OpenAI cherche à combler ce manque avec une fonction de connaissance d’entreprise. L’utilisateur formule une demande en langage naturel et ChatGPT consulte les sources connectées pour construire sa réponse. La fonctionnalité vise notamment les cas où une réponse exige de rapprocher plusieurs éléments plutôt que de retrouver un seul fichier.

L’intérêt est particulièrement fort pour les tâches de synthèse. Les collaborateurs passent souvent du temps à collecter des éléments avant même de pouvoir réfléchir au fond d’un sujet. Un assistant capable de retrouver ces éléments peut réduire cette étape de recherche, à condition que les données soient correctement organisées et que la réponse soit relue.

Comment ChatGPT rassemble les informations internes

La fonctionnalité s’appuie sur des connecteurs, c’est-à-dire des passerelles entre ChatGPT et des applications métier. OpenAI cite Slack, SharePoint, Google Drive et GitHub parmi les services accessibles. D’autres intégrations, pour des outils tels qu’Asana et ClickUp, sont appelées à étoffer cet écosystème. L’entreprise mentionne aussi des usages avec HubSpot et Linear.

Lorsqu’elle est activée, la connaissance d’entreprise permet à une version avancée de GPT-5 d’analyser des éléments provenant de plusieurs sources. ChatGPT ne se contente donc pas de résumer le dernier document consulté : il peut rapprocher un échange récent avec une fiche client, des retours de support et une note de planification, dès lors que ces contenus sont disponibles dans les applications connectées.

Un point est essentiel pour l’utilisateur : les réponses comportent des références vers les informations dont elles sont issues. Cette traçabilité ne rend pas automatiquement une conclusion exacte, mais elle donne un moyen concret de revenir à la source, de vérifier le contexte et de détecter une interprétation hasardeuse. Dans une entreprise, où une phrase sortie de son contexte peut conduire à une mauvaise décision, cette possibilité de contrôle est déterminante.

Des usages concrets, du briefing à la stratégie

Le cas d’usage le plus immédiat est le briefing. Avant un appel avec un client, un responsable peut demander à ChatGPT de réunir les messages récents, les éléments issus des e-mails et les tickets de support pertinents. Au lieu d’ouvrir successivement plusieurs outils, il obtient un point de départ structuré pour préparer l’échange. Il lui reste toutefois à vérifier les faits importants et à compléter la synthèse avec les informations qu’il juge nécessaires.

La planification constitue un deuxième terrain d’application. Les équipes produit, marketing ou direction peuvent avoir besoin de comprendre ce qui ressort d’un grand volume de retours. Réunir les réponses à des enquêtes, les thèmes des tickets et les observations des clients aide à préparer une feuille de route. ChatGPT peut rendre visibles des sujets récurrents, ou au contraire mettre en évidence que les équipes ne décrivent pas la même priorité.

Cette capacité à repérer les divergences mérite une attention particulière. Interrogé sur les objectifs de l’entreprise pour l’année à venir, l’assistant peut synthétiser les discussions et signaler que certains services ne partagent pas la même lecture. Ce n’est pas une décision stratégique automatisée. C’est un outil de mise en évidence, qui peut éviter qu’un désaccord important reste noyé dans des dizaines de conversations et de documents.

Enfin, l’outil peut servir à accélérer le reporting. Pour une campagne, il devient possible de rassembler des données issues de HubSpot avec les points saillants d’échanges par e-mail. Pour un projet technique, la connexion à GitHub ou Linear peut aider à restituer l’état d’avancement et les problèmes recensés. Les bénéfices attendus sont moins la production de texte à tout prix que la réduction du temps passé à reconstituer un contexte dispersé.

Les permissions existantes restent la première barrière de sécurité

Connecter un modèle d’IA aux informations de l’entreprise soulève une question directe : qui peut voir quoi ? Les données concernées peuvent contenir de la propriété intellectuelle, des informations commerciales, des échanges avec des clients ou des éléments relatifs à la sécurité. Une recherche conversationnelle trop large pourrait exposer un contenu qui n’aurait jamais dû être accessible à son auteur.

OpenAI indique que son système respecte les permissions déjà définies dans l’entreprise. En pratique, ChatGPT ne doit voir que les données auxquelles l’utilisateur dispose lui-même d’un droit d’accès dans les applications connectées. Cette logique est fondamentale : l’assistant ne doit pas devenir un moyen de contourner les autorisations configurées dans SharePoint, Google Drive, Slack ou un autre service.

Les administrateurs de ChatGPT Enterprise peuvent gérer l’accès aux applications et définir des rôles personnalisés. OpenAI met également en avant le chiffrement et l’authentification unique, souvent désignée par le sigle SSO, comme éléments de sa protection. L’authentification unique permet à une organisation de centraliser l’accès des salariés aux services autorisés, plutôt que de multiplier les identifiants et les règles isolées.

OpenAI précise par ailleurs que les données d’entreprise ne servent pas, par défaut, à entraîner ses modèles. C’est une distinction importante pour les organisations qui envisagent d’interroger ChatGPT sur des informations confidentielles. Elle ne dispense pas de vérifier les réglages contractuels, les règles internes et les obligations applicables à chaque secteur.

Ce que les entreprises doivent vérifier avant le déploiement

Le principal travail ne se limite pas à activer des connecteurs. Avant un déploiement, une entreprise doit connaître les sources qu’elle veut ouvrir à l’assistant, les catégories d’utilisateurs concernées et les tâches pour lesquelles l’outil apportera une valeur claire. Déployer largement un système de recherche sur des contenus désorganisés risque de produire des réponses confuses et de nourrir une défiance évitable.

La première étape consiste à examiner les permissions existantes. Les droits appliqués à des espaces SharePoint, à des dossiers Google Drive ou à des canaux Slack doivent correspondre aux besoins réels. Cela suppose aussi de retirer les anciens accès qui ne sont plus justifiés. La fonction de connaissance d’entreprise repose sur ces droits, elle en hérite donc les forces comme les défauts.

Il est ensuite prudent de commencer par des flux de travail limités. La préparation des rendez-vous clients, la synthèse de tickets de support ou le suivi d’un projet sont des cas mesurables : les équipes peuvent comparer le temps nécessaire avant et après l’usage de l’outil, évaluer la qualité des réponses et relever les informations manquantes. Ce test permet aussi d’identifier les sources insuffisamment documentées.

Enfin, les utilisateurs doivent savoir que certaines fonctions doivent être activées manuellement. Ils doivent également comprendre les limites de leur session. Lorsque la connaissance d’entreprise est utilisée, l’absence de recherche sur le web peut limiter l’accès à des informations externes récentes. Une réponse interne peut donc être bien étayée sur l’entreprise tout en ne tenant pas compte d’un changement survenu hors de ses outils.

Face à Microsoft et Google, l’enjeu est celui de l’écosystème

OpenAI n’est pas seul à vouloir rapprocher un assistant d’IA des données de travail. Microsoft et Google développent également des offres visant à intégrer l’IA aux environnements numériques des entreprises. Dans cette compétition, la qualité d’un modèle compte, mais elle n’est qu’un élément de l’équation. Un assistant ne peut être utile que s’il se connecte aux services réellement employés par les équipes, dans des conditions jugées acceptables par les responsables de la sécurité.

La liste des connecteurs devient donc un critère stratégique. Une entreprise très dépendante de SharePoint, Slack, GitHub et HubSpot n’a pas les mêmes attentes qu’une organisation structurée autour d’autres outils. Les directions informatiques doivent comparer leur infrastructure existante avec les intégrations prises en charge, plutôt que de choisir une solution uniquement sur la qualité apparente de ses démonstrations.

L’autre enjeu est celui de la confiance. Pour s’imposer dans les usages quotidiens, un assistant doit fournir des réponses utiles, mais aussi indiquer d’où elles viennent, respecter les autorisations et laisser des possibilités d’administration. La recherche conversationnelle dans les données de l’entreprise n’est pas seulement une fonction de productivité : elle devient un sujet de gouvernance de l’information.

Ce qu’il faut surveiller

La promesse d’OpenAI est claire : réduire les silos de connaissances en donnant aux collaborateurs un accès conversationnel aux informations qu’ils sont autorisés à consulter. Si cette approche fonctionne dans les pratiques quotidiennes, ChatGPT pourrait prendre une place plus centrale dans la préparation de décisions, le suivi des clients et la coordination entre équipes.

Son efficacité dépendra toutefois de trois conditions. Les connecteurs devront couvrir les outils réellement indispensables. Les droits d’accès devront être propres et régulièrement contrôlés. Et les utilisateurs devront conserver un réflexe de vérification, surtout lorsqu’une synthèse sert de base à une décision commerciale, technique ou stratégique.

L’évolution est révélatrice d’un changement plus large dans l’IA en entreprise. La question n’est plus uniquement de savoir si un modèle peut écrire un texte convaincant. Elle devient : peut-il restituer, de façon sécurisée et vérifiable, ce que l’organisation sait déjà mais peine à retrouver ? Pour OpenAI, la réponse passe désormais par la connexion de ChatGPT au cœur documentaire et conversationnel des entreprises.