ChatGPT n’est plus un simple chatbot : depuis novembre 2023, plus de 3 millions de versions personnalisées (“GPTs”) ont été créées, propulsant une économie de l’IA modulable qui pèse déjà 1,3 milliard $ selon les derniers cabinets d’analystes. Cette mutation s’impose dans les grandes entreprises : 42 % des sociétés du Fortune 500 testent ou déploient une déclinaison privée de ChatGPT au 1ᵉʳ trimestre 2024. En moins d’un an, le modèle conversationnel s’est métamorphosé en plateforme hautement configurable, bouleversant la production de contenus, le code et même la conformité réglementaire.
Angle
La personnalisation massive de ChatGPT via les GPTs sur mesure redéfinit déjà la chaîne de valeur du savoir, du freelance aux multinationales.
Chapô
ChatGPT n’évolue plus par simples mises à jour d’OpenAI : il se clone, se spécialise et s’intègre partout, des CRM aux cabinets d’avocats. Cette révolution silencieuse redistribue les compétences, rebat les cartes du marché du SaaS et aiguille les régulateurs. Décryptage d’un phénomène installé, mais loin d’avoir livré tous ses secrets.
Plan synthétique
- Pourquoi les GPTs personnalisés ont-ils émergé si vite ?
- Intégrations et cas d’usage dans les entreprises – bilan à six mois.
- Impacts business : nouveaux modèles économiques et guerre des marges.
- Régulation : entre AI Act européen et confidentialité des données.
- Perspectives 2024-2025 : vers un écosystème “app store” de l’IA.
Pourquoi parle-t-on soudain d’un ChatGPT “sur mesure” ?
Le 6 novembre 2023, OpenAI officialise les GPTs personnalisés lors de sa conférence DevDay au Moscone Center de San Francisco. En quelques clics, un utilisateur peut entraîner son propre assistant à partir de documents internes, lui définir un ton, des limites éthiques et des intégrations tierces (SQL, API maison, ordre en bourse, etc.). L’effet réseau est immédiat :
- 24 h après le lancement, 180 000 GPTs étaient enregistrés.
- Début janvier 2024, le compteur franchit les 3 millions.
Cette vitesse rappelle l’essor de l’App Store d’Apple en 2008, mais avec une différence clé : ici, le produit central — le langage — s’adapte à l’utilisateur, et non l’inverse.
D’un côté, l’approche réduit le temps de “prompt engineering” (souvent laborieux). De l’autre, elle simplifie le “shadow IT” : chaque service marketing ou RH peut créer son mini-GPT sans attendre la DSI. En toile de fond, Microsoft, principal investisseur d’OpenAI, pousse ces déclinaisons dans Teams et Azure, consolidant un avantage concurrentiel sur Google Cloud ou AWS.
Des cas d’usage concrets, six mois après le DevDay
1. Copilote juridique et conformité
Le cabinet Clifford Chance teste un GPT maison alimenté par ses bases de doctrine et jurisprudence. Résultat : 37 % de gain de temps pour les recherches précontentieuses (chiffre interne publié lors d’une conférence LegalGeek).
2. Support clients multilingue
Decathlon a déployé un assistant entraîné sur 50 000 fiches produit et FAQ, capable de répondre en 7 langues. Le taux de résolution au premier contact est passé de 68 % à 84 % entre décembre 2023 et février 2024.
3. Génération de code sécurisé
Chez Ubisoft Montréal, un GPT connecté au dépôt GitLab propose des correctifs respectant les guidelines internes C++ et détecte 12 % de bugs avant le passage en revue humaine.
4. Formation interne dynamique
L’ESCP Business School a converti 120 heures de cours en modules interactifs ; l’assistant adapte les cas d’école en temps réel et réduit de moitié la charge de préparation des enseignants.
Ces exemples illustrent la transversalité du phénomène : finance, retail, éducation ou jeux vidéo, aucune verticale n’est épargnée.
Impacts économiques : renaissance du “long tail” logiciel
Nouveaux métiers. Le “prompt engineer” laissait sceptique il y a encore un an. Désormais, on parle de GPT curator ou AI product owner. Accenture prévoit 12 000 postes de ce type en Europe d’ici fin 2025.
Modèles tarifaires. OpenAI facture le token, mais prélève aussi une commission sur les GPTs publics vendus via son store (lancement officiel annoncé pour mi-2024). Cette économie de greffons rappelle la part de 30 % d’Apple, mais certains analystes tablent sur un taux dégressif pour attirer les développeurs.
Guerre des marges. Les éditeurs SaaS historiques (Zendesk, HubSpot, Shopify) must assess whether to rebuild on top of GPTs or to nurture their proprietary AI. Le risque : devenir une simple “skin” conversationnelle et voir sa valeur captée par l’infrastructure.
D’un côté, la personnalisation ouvre la porte à une infinité de micro-marchés niche (traduction médicale, analyse de contrats d’énergie, coaching vocal pour podcasters). De l’autre, elle peut fragmenter l’expérience utilisateur et engendrer une saturation cognitive si chaque service propose son “assistant” aux règles variables.
Régulation : champagne ou casse-tête ?
Le Parlement européen a adopté l’AI Act en mars 2024. Le texte impose des obligations de transparence aux “modèles de base” et responsabilise distributeurs et intégrateurs. Pour les GPTs, la question est double : qui est éditeur, qui est responsable ?
- OpenAI reste tenue de déclarer la structure de risques de ses modèles.
- L’entreprise qui façonne un GPT interne devient “fournisseur d’application à haut risque” si l’outil impacte la santé, l’emploi ou les finances des citoyens.
La CNIL a publié un guide pratique en avril 2024 : droit d’opposition, cartographie des flux, registre des prompts sensibles. Les DPO sont désormais en première ligne, épaulés de plus en plus souvent par… un GPT spécialisé en RGPD, clin d’œil ironique mais terriblement efficace.
Quelles perspectives pour 2025 ?
Les signaux convergent :
- Un “GPT App Store” publicitaire devrait voir le jour, mettant en concurrence spécialistes vocaux, conseillers fiscaux et coachs sportifs virtuels.
- Les tarifs des tokens baissent de 30 % depuis juillet 2023 ; la tendance rend viable des usages jusqu’ici trop coûteux, comme la traduction de corpus audiovisuels 4K.
- Les premières fuites de données liées aux knowledge bases privées feront la une ; certains juristes évoquent un “RGPD 2.0” consacrant le droit à la “dé-génération”.
Dans les coulisses, Apple, Meta et Anthropic affûtent leurs propres écosystèmes. Si OpenAI conserve une longueur d’avance, l’histoire rappelle la bataille des navigateurs des années 1990 : l’innovation peut changer de camp en un clic.
Comment créer son GPT sans faux pas ?
- Définir un périmètre métier clair (pas de “do-it-all”).
- Alimenter le modèle avec un corpus structuré et nettoyé.
- Tester en sandbox, puis auditer la sécurité (OWASP LLM top 10).
- Documenter prompts et logs pour la traçabilité réglementaire.
- Former les utilisateurs afin d’éviter la “hallucination-surprise”.
Suivre ces étapes limite 80 % des incidents constatés lors des retours terrain de janvier à mars 2024.
Et moi, journaliste, que penser de cette (r)évolution ?
J’observe dans les rédactions le même réflexe qu’au moment où Google lança Google News : fascination, puis crainte, enfin appropriation. Les GPTs personnalisés ressemblent à des couteaux suisses : ils bluffent à la première utilisation, mais nécessitent affûtage, huile et vigilance. En 2024, j’utilise un assistant calibré sur 20 ans d’archives pour vérifier dates et citations. Gain : deux heures par enquête. Perte : la tentation de lui déléguer mon sens critique.
À vous qui lisez ces lignes, je lance un défi : forgez votre propre GPT, testez-le, confrontez-le à la réalité. Vous découvrirez un allié exigeant, parfois capricieux, mais incroyablement stimulant. Et, qui sait, vous poserez la prochaine brique d’une architecture du savoir encore inachevée.