OpenAI franchit une nouvelle étape dans l’utilisation de l’intelligence artificielle en entreprise. Le 10 septembre 2026, l’entreprise a présenté Data Agent, un nouvel agent intégré à ChatGPT Work capable d’interroger les données d’une organisation, d’analyser leurs évolutions et de générer des tableaux de bord interactifs à partir de questions formulées en langage naturel.
L’objectif est ambitieux : permettre à davantage de salariés d’exploiter les données de leur entreprise sans nécessairement connaître SQL, maîtriser un outil de Business Intelligence ou solliciter systématiquement une équipe Data. Cette évolution pourrait modifier en profondeur la manière dont les entreprises accèdent à leurs indicateurs et réalisent leurs analyses quotidiennes.
Qu’est-ce que Data Agent dans ChatGPT Work ?
Data Agent est un agent spécialisé disponible dans ChatGPT Work par l’intermédiaire du plugin Data. Une fois connecté aux sources autorisées par l’entreprise, il devient possible de lui poser directement des questions comme : « Pourquoi notre chiffre d’affaires a-t-il diminué ce mois-ci ? » ou « Quels sont les principaux facteurs expliquant la baisse de notre taux de fidélisation ? ».
L’agent peut alors rechercher les données pertinentes, comparer différentes périodes, identifier des évolutions et présenter les résultats sous une forme compréhensible. Il peut également transformer une analyse en tableau de bord interactif, que l’utilisateur pourra ensuite modifier, partager ou actualiser.
Nous avions déjà présenté la différence entre le mode Chat et le mode Work de ChatGPT. Data Agent illustre précisément l’évolution apportée par Work : l’intelligence artificielle ne se contente plus de répondre à une question ou de rédiger un texte, elle devient progressivement capable de mobiliser plusieurs outils et plusieurs sources pour accomplir une véritable mission d’analyse.
ChatGPT peut se connecter directement aux données de l’entreprise
La principale nouveauté ne réside donc pas uniquement dans la génération de graphiques ou de tableaux. Data Agent peut accéder à différentes sources de données déjà utilisées dans l’entreprise et OpenAI cite notamment Amazon Redshift, Google BigQuery, ClickHouse, Databricks, MongoDB ou Snowflake, mais aussi des environnements documentaires comme Google Drive ou Microsoft SharePoint.
L’agent peut ainsi croiser des données structurées provenant d’un entrepôt de données avec d’autres informations disponibles dans l’organisation. Il peut également travailler avec plusieurs outils de Business Intelligence existants, parmi lesquels Microsoft Power BI, Tableau, Sigma, ThoughtSpot, Oracle BI ou Omni.
L’idée n’est donc pas nécessairement de remplacer toute l’infrastructure Data déjà en place. ChatGPT pourrait plutôt devenir une nouvelle interface conversationnelle permettant d’interagir plus facilement avec cette infrastructure, tout en s’appuyant sur les outils et les données que l’entreprise utilise déjà.
De SQL au langage naturel
Traditionnellement, répondre à une question métier à partir de données peut nécessiter plusieurs étapes. Un responsable commercial qui souhaite comprendre pourquoi les ventes ont ralenti doit parfois demander à une équipe Data d’extraire les données, construire une requête SQL, vérifier les indicateurs, préparer un rapport puis produire les graphiques correspondants.
Avec une interface conversationnelle comme Data Agent, une partie de ce processus pourrait être réalisée directement par l’utilisateur. Celui-ci pourrait demander : « Compare les ventes des quatre dernières semaines avec la période précédente et identifie les trois facteurs ayant le plus contribué à leur évolution. »
L’intérêt vient ensuite de la possibilité de poursuivre naturellement l’analyse. L’utilisateur peut demander de ne conserver que la France, de distinguer les nouveaux clients des clients existants, puis de transformer le résultat en tableau de bord hebdomadaire. Il n’est plus nécessaire de repartir de zéro à chaque nouvelle question.
OpenAI recommande d’ailleurs de préciser autant que possible la source, la métrique, la période étudiée et le type de comparaison souhaité. Comme avec beaucoup d’outils d’intelligence artificielle, la qualité de la réponse dépend donc aussi de la précision de la demande initiale.
La Business Intelligence ne disparaît pas
À première vue, une telle évolution pourrait laisser penser que les outils traditionnels de Business Intelligence vont devenir inutiles. La réalité est cependant plus nuancée, notamment parce que Data Agent s’intègre justement avec Power BI, Tableau, ThoughtSpot et d’autres plateformes existantes.
Cela met en évidence un point essentiel : rendre l’accès aux données plus simple ne supprime pas le besoin de disposer de données correctement organisées et de définitions métier cohérentes.
Si un utilisateur demande à l’IA « Quelle est notre marge commerciale ce trimestre ? », l’entreprise doit déjà avoir défini ce que signifie exactement « marge commerciale ». Selon les organisations, le même indicateur peut utiliser des formules, des sources ou des périmètres différents. Une intelligence artificielle peut rendre l’interrogation plus simple, mais elle ne peut pas automatiquement résoudre toutes les incohérences présentes dans les données.
La couche sémantique devient encore plus importante
OpenAI recommande explicitement aux entreprises utilisant Data Agent de disposer d’une couche sémantique contenant les définitions de référence utilisées dans l’organisation. Cette couche doit notamment permettre de préciser la définition des KPI, les formules utilisées, les relations entre les données et les règles de calcul considérées comme officielles.
L’intelligence artificielle ne résout donc pas automatiquement les problèmes classiques de qualité ou de gouvernance de la donnée. Une entreprise disposant de trois définitions différentes de son « client actif » risque toujours d’obtenir des analyses incohérentes, même si l’interface permettant de poser la question devient beaucoup plus simple.
En revanche, lorsque les données sont correctement structurées et documentées, l’IA peut considérablement faciliter leur exploitation. C’est probablement l’un des enseignements les plus importants de cette évolution : l’arrivée de l’IA générative rend une bonne gouvernance de la donnée encore plus stratégique, et non moins nécessaire.
Un exemple concret dans une PME
Prenons le cas d’une PME disposant d’un CRM, d’un logiciel de facturation et de plusieurs tableaux de suivi. Si la direction constate une baisse du chiffre d’affaires, elle peut aujourd’hui devoir exporter plusieurs fichiers Excel, consolider les informations puis demander une analyse à une personne disposant des compétences nécessaires.
Avec une architecture Data correctement connectée à ChatGPT Work, la demande pourrait devenir beaucoup plus directe : « Analyse l’évolution du chiffre d’affaires sur les six derniers mois et identifie les produits, régions ou catégories de clients responsables des principales variations. »
L’utilisateur pourrait ensuite demander de comparer les résultats avec la même période de l’année précédente, puis de vérifier si la baisse provient davantage d’une diminution du nombre de clients ou d’un recul du panier moyen. Enfin, il pourrait demander à l’agent de créer un tableau de bord mensuel permettant de surveiller ces indicateurs.
Le gain potentiel ne vient donc pas uniquement de la génération automatique d’un graphique. Il vient surtout de la capacité à enchaîner plusieurs investigations sans devoir reconstruire manuellement chaque analyse.
De l’analyse à l’action
Data Agent ne s’arrête pas nécessairement à l’observation. Selon les outils connectés et les autorisations accordées, ChatGPT Work peut également préparer la diffusion de résultats par Slack ou par e-mail et effectuer certaines actions après validation de l’utilisateur.
Cette évolution illustre le passage progressif d’une logique classique, dans laquelle les données servent principalement à produire des rapports, vers une logique plus intégrée : les données sont analysées, interprétées puis peuvent conduire à une action.
C’est précisément ce qui distingue de plus en plus les agents IA des simples assistants conversationnels. Un assistant répond à une question ; un agent cherche à accomplir une mission en mobilisant plusieurs ressources.
Mais peut-on faire confiance aux résultats ?
C’est probablement la question la plus importante. OpenAI recommande lui-même de vérifier les sources employées, la période analysée, les filtres appliqués et la définition des métriques avant d’utiliser une analyse dans un contexte professionnel.
Lorsqu’un résultat diffère d’un rapport existant, l’utilisateur est encouragé à demander à Data Agent de comparer les sources et les définitions utilisées. Cette précaution est essentielle, car une intelligence artificielle peut faciliter l’analyse sans transformer automatiquement une donnée incorrecte, incomplète ou mal définie en information fiable.
La validation humaine restera donc particulièrement importante lorsque les résultats influencent une décision financière, un budget, une prévision commerciale ou plus largement une décision sensible pour l’entreprise.
Et la confidentialité des données ?
Connecter une intelligence artificielle aux données internes d’une entreprise implique naturellement des questions de gouvernance et de sécurité. OpenAI indique que les administrateurs déterminent les connexions disponibles ainsi que les utilisateurs ou rôles autorisés à les utiliser.
Les requêtes respectent également les permissions du compte connecté, notamment les restrictions pouvant être appliquées au niveau des tables, des lignes ou des colonnes. Cela ne dispense cependant pas l’entreprise de définir ses propres règles concernant les informations accessibles, les collaborateurs autorisés à les consulter et les actions qui nécessitent une validation.
Cette gouvernance devient même plus importante à mesure que l’intelligence artificielle simplifie l’accès aux données. Nous avions déjà évoqué cet enjeu avec le phénomène de Shadow IA en entreprise : faciliter l’usage de l’intelligence artificielle doit aller de pair avec un cadre clair concernant les données auxquelles elle peut accéder.
Une démocratisation de l’analyse plutôt qu’une disparition des experts Data
L’arrivée de Data Agent pourrait surtout modifier la répartition du travail au sein des entreprises. Les équipes Data consacrent encore beaucoup de temps à répondre à des demandes relativement simples, comme ajouter une métrique à un tableau, comparer une période avec la précédente ou filtrer les données sur une région particulière.
Si les utilisateurs métiers deviennent capables de réaliser eux-mêmes une partie de ces analyses, les spécialistes Data pourraient consacrer davantage de temps à l’architecture, à la qualité des données, à la gouvernance, aux modèles statistiques ou encore à la sécurité.
L’expertise Data ne disparaît donc pas. Elle pourrait au contraire se déplacer progressivement de la production de rapports vers la construction d’un environnement de données fiable permettant aux utilisateurs et aux agents IA de travailler correctement.
Une évolution importante pour l’IA en entreprise
Data Agent illustre une tendance beaucoup plus large. Les assistants IA évoluent progressivement d’outils capables de rédiger ou résumer du contenu vers des plateformes capables de travailler directement avec les systèmes de l’entreprise.
Pour les organisations, la question pourrait bientôt ne plus être seulement de savoir quel outil de Business Intelligence utiliser, mais plutôt de déterminer comment les collaborateurs peuvent interroger les données simplement tout en conservant leur gouvernance, leur qualité et leur fiabilité.
Avec Data Agent, OpenAI propose une réponse : utiliser le langage naturel comme nouvelle interface d’accès aux données.
La technologie reste récente et devra être évaluée sur des cas d’usage réels, notamment en matière de fiabilité, de contrôle et de gouvernance. Mais si cette approche se généralise, l’analyse de données pourrait devenir accessible à beaucoup plus de collaborateurs.
Et paradoxalement, plus l’IA rendra les données faciles à interroger, plus les entreprises auront besoin d’une base Data propre, documentée et correctement gouvernée.
À retenir
Data Agent dans ChatGPT Work marque une étape importante dans l’évolution des outils d’intelligence artificielle en entreprise. L’objectif n’est pas seulement de générer des graphiques, mais de permettre aux utilisateurs d’interroger directement les données de leur organisation, d’enchaîner plusieurs analyses et de créer des tableaux de bord à partir de demandes exprimées en langage naturel.
Cette approche ne signifie pas pour autant la disparition des outils Data ou Business Intelligence existants. Elle pourrait plutôt ajouter une nouvelle couche conversationnelle au-dessus de solutions telles que Snowflake, Databricks, Power BI ou Tableau.
Pour que cette évolution soit réellement utile, trois éléments resteront cependant déterminants : des données fiables, des indicateurs correctement définis et des règles d’accès maîtrisées. C’est probablement sur ces fondations que se jouera une grande partie de la réussite des futurs projets d’IA appliqués aux données d’entreprise.
Sources
OpenAI — Now everyone can put data to work, 10 septembre 2026.
OpenAI Help Center — Using the Data plugin in ChatGPT Work and Codex.
