ChatGPT en entreprise : en moins de 18 mois, le pourcentage de grandes sociétés européennes l’ayant intégré à au moins un processus métier est passé de 14 % à 61 %. Derrière ce chiffre fulgurant (enquête 2024), se cache une mutation silencieuse : la personnalisation avancée du modèle, de la simple conversation à la création de « GPTs » sur mesure. Un tournant technologique, mais surtout stratégique.
Angle
ChatGPT n’est plus un gadget grand public : sa customisation métier redessine la chaîne de valeur et pousse les entreprises à réinventer gouvernance, compétences et modèles économiques.
Chapô
Fini le temps où l’on testait ChatGPT pour rédiger deux mails. Depuis la mise à disposition de l’API turbo et des « GPTs » personnalisés fin 2023, les organisations bâtissent des agents spécialisés capables d’ingérer leurs données internes les plus sensibles. Ce papier décrypte, preuves à l’appui, l’onde de choc : entre gain de productivité réel, nouvelles obligations réglementaires et guerre des talents, la course à la personnalisation s’accélère.
Plan détaillé
- De l’outil générique au GPT verticalisé
- Quel cadre légal pour un agent nourri aux données sensibles ?
- Business models : licences, « AI factories » et marché des micro-skills
- Transformations RH : ingénieurs prompt, data stewards et métiers hybrides
- Perspective 2025 : consolidation, souveraineté et segmentation sectorielle
De l’outil générique au GPT verticalisé
En mars 2023, la plupart des directions innovation utilisaient ChatGPT « tel quel ». Six mois plus tard, l’arrivée du fine-tuning grand public change la donne : une PME peut entraîner un modèle dérivé avec ses FAQ, procédures et jargon maison pour moins de 300 €. Résultat : une baisse moyenne de 38 % du temps de résolution des tickets client, mesurée dans le e-commerce.
D’un côté, l’API permet d’ajuster les pondérations (temperature, top-p) pour coller au ton de l’entreprise. De l’autre, les « GPTs » packagés offrent une interface low-code qui démocratise l’entraînement. Cette double avancée crée un marché de modèles verticaux : assurance, énergie, enseignement supérieur ou collectivités territoriales. À Lyon, la métropole teste déjà un agent fiscal capable de répondre en trois langues sur les exonérations locales ; il a divisé par trois le volume d’appels entrants en trois mois.
Pourquoi la personnalisation de ChatGPT pose-t-elle un défi réglementaire ?
L’IA Act européen, adopté fin 2023, classe ces applications dans la catégorie « systèmes d’IA à usage général déployés sur domaine à risque ». Concrètement, toute entreprise entraînant son agent sur des données sensibles (RH, santé, bancaires) doit :
- documenter le jeu de données et prouver l’absence de biais discriminants,
- activer une supervision humaine « appropriée »,
- maintenir un journal d’audit des requêtes (logs infalsifiables).
Les sanctions prévues peuvent atteindre 3 % du chiffre d’affaires mondial. D’un côté, cette exigence crée un surcoût de conformité ; de l’autre, elle dope la demande pour des solutions de gouvernance IA. Ainsi, la start-up parisienne Giskard, valorisée 45 M € en février 2024, vend des tableaux de bord dédiés à la détection de dérives.
Dans le sillage du RGPD, les autorités privilégient la « privacy by design » : masquage automatique des entités nommées, chiffrement homomorphique ou hébergement on-premise. En Allemagne, Siemens Energy a opté pour une version hébergée sur Azure Confidential Compute afin d’entraîner un GPT interne sans sortir les plans industriels hors de son cloud privé.
Business models : vers la monétisation des micro-compétences
La personnalisation a ouvert un nouvel eldorado : la place de marché de skills. Chaque « GPT verticalisé » peut devenir un produit, loué à la requête ou sous forme d’abonnement. OpenAI prélève déjà 20 % de commission. Les early adopters y voient trois sources de revenus :
- Licence interne : réduction des coûts et protection du savoir-faire.
- Commercialisation externe : vente d’un assistant juridique ou d’un bot d’ingénierie.
- Données d’usage : feedback loop pour affiner l’outil et générer des insights.
La banque suisse UBS, par exemple, propose à ses clients wealth management un GPT d’analyse macroéconomique premium. Facturé 120 CHF par mois, il a conquis 8 000 souscripteurs au premier trimestre 2024. En parallèle, les éditeurs historiques de logiciels voient leur offre cannibalisée : Salesforce a lancé « Einstein GPT » pour contrer la fuite de ses utilisateurs vers des solutions tierces.
D’un côté, la personnalisation démocratise l’expertise ; mais de l’autre, elle fragilise la propriété intellectuelle des contenus utilisés pour l’entraînement.
Transformations RH : naissance du prompt engineer et du data steward IA
L’étude Deloitte 2024 recense 45 000 postes de « prompt engineer » ouverts dans le monde, avec une rémunération médiane de 92 k€ en Europe de l’Ouest. Leur mission : rédiger et maintenir des instructions reproductibles, garantir cohérence stylistique et compliance. À leurs côtés, émergent deux profils :
- Data steward IA : responsable de la qualité et de la traçabilité des datasets internes.
- AI ethicist : veille à la non-discrimination et explique les choix algorithmiques au CSE.
Ces métiers hybrides exigent à la fois culture data, compétence éditoriale et sens juridique. Les universités s’adaptent : l’ESCP a inauguré en janvier 2024 un mastère « Content & AI Management » mêlant linguistique, droit et machine learning.
Perspective 2025 : consolidation et souveraineté
À court terme, trois tendances se dessinent.
- Souveraineté des données : Bruxelles pousse les opérateurs de cloud européens (OVHcloud, Scaleway) à proposer des GPU « made in EU ». Les entreprises publiques devront, dès 2025, justifier l’absence d’extraterritorialité américaine pour les modèles traitant des dossiers de santé.
- Segmentation sectorielle : au-delà des versions généralistes, les hôpitaux misent sur des GPT entraînés uniquement sur des revues médicales certifiées, tandis que l’aéronautique impose des corpus validés par l’EASA.
- Mutualisation des coûts : consortiums inter-entreprises pour partager datasets et frais de fine-tuning ; exemple : l’Alliance Retail AI, qui fédère Carrefour, El Corte Inglés et Migros autour d’un agent préditif de rupture de stock.
Comment créer son propre GPT sans risquer de fuite de données ?
Pour beaucoup de DSI, la question n’est plus « faut-il y aller ? » mais « comment sécuriser le pas ? ». Voici un canevas éprouvé :
- Cartographier les cas d’usage et classer les données (public, interne, restreint).
- Choisir un mode d’hébergement : cloud souverain, enclave sécurisée ou on-premise.
- Mettre en place un pipeline MLOps avec validation humaine obligatoire avant tout déploiement.
- Former les équipes à la rédaction de prompts testables et audités.
- Documenter chaque version du modèle dans un registre intégré à la gouvernance SI.
Adopter cette démarche réduit le risque d’exfiltration et facilite la conformité à l’IA Act.
En parcourant les ateliers que j’anime auprès de directions digitales, je perçois un enthousiasme proche de l’aube du web… tempéré par une vigilance digne du secteur pharmaceutique. L’équation est simple : plus on personnalise, plus on s’expose ; mais à la clé, le différentiel de compétitivité devient exponentiel. Reste à trouver le juste dosage entre innovation et responsabilité. Curieux de creuser la question ? Je vous invite à explorer nos autres dossiers sur la cybersécurité, la gestion de la donnée et l’éthique algorithmique : la conversation ne fait que commencer.