Points Clés
- Lancement du produit : OpenAI a déployé le 9 juillet ChatGPT Work, un agent IA basé sur une machine virtuelle toujours active, capable de réaliser des tâches autonomes (documents, présentations, sites web) sans supervision continue.
- Architecture technique : Le système s'appuie sur GPT-5.6, disponible en trois variantes (Sol, Terra, Luna) et deux modes de raisonnement, "max" et "ultra", ce dernier capable de coordonner jusqu'à seize agents en parallèle.
- Affrontement de marché : Le lancement survient 48 heures après l'extension de Claude Cowork d'Anthropic sur mobile et web, ouvrant une compétition directe sur les benchmarks de performance et l'efficacité computationnelle.
Un agent qui travaille, ne répond pas
OpenAI a lancé le 9 juillet ChatGPT Work, redéfinissant l'interaction avec son assistant : non plus un chatbot qui génère du texte, mais un agent qui livre des résultats finis. Le système fonctionne sur une machine virtuelle constamment active sur les serveurs de l'entreprise, accessible depuis le web, le mobile et le desktop. Un utilisateur peut lancer une tâche depuis son smartphone, fermer l'application, et l'agent poursuit le travail en autonomie pendant des heures. L'intégration couvre Slack, Microsoft Teams, Google Drive, SharePoint, Salesforce, les emails et les calendriers, permettant à l'agent de collecter des données, planifier les étapes et les exécuter sans intervention humaine continue.
Trois modèles, deux modes de raisonnement
Le moteur à la base de ChatGPT Work est GPT-5.6, distribué en trois configurations : Sol, orienté vers le raisonnement complexe et le coding ; Terra, pensé pour les activités quotidiennes avec des performances comparables à GPT-5.5 ; Luna, version légère pour les scénarios à haut volume. S'y ajoutent deux modes opérationnels : "max", qui allonge les temps de traitement sur les problèmes complexes, et "ultra", qui répartit la charge sur plusieurs agents IA en parallèle, jusqu'à seize unités sur les tâches les plus lourdes.
La comparaison avec Claude Cowork
Le calendrier du lancement suit de 48 heures l'extension de Claude Cowork d'Anthropic sur mobile et web, survenue le 7 juillet. Les tests comparatifs menés sur trois scénarios opérationnels – organisation d'un événement, construction d'un site, rédaction d'une présentation – montrent que ChatGPT Work produit des résultats plus complets et prêts à l'emploi, tandis que Claude Cowork se révèle plus rapide dans l'exécution, six minutes contre dix-huit, mais avec des résultats plus standardisés.
Sur les benchmarks techniques, GPT-5.6 Sol a obtenu 80 points dans l'Artificial Analysis Coding Agent Index, dépassant le modèle concurrent Claude Fable 5 de 2,8 points avec une consommation de ressources computationnelles inférieure de moitié. Dans le test Agents' Last Exam, Sol a enregistré un score de 53,6% contre 40,5% pour Fable 5.
Les problèmes signalés par les utilisateurs
Le lancement n'a pas été sans tensions. Plusieurs utilisateurs ont signalé une consommation anormale des quotas hebdomadaires d'utilisation, avec un cas rapporté de réduction de 3% du crédit disponible après seulement deux requêtes. La nouvelle interface desktop a reçu des critiques pour avoir fait de la modalité Work l'expérience par défaut, reléguant le chat traditionnel dans un sous-menu. La disparition de fonctions préexistantes comme Projects et Memories a également été signalée.
Sam Altman a défendu ce choix, indiquant que le lancement a généré un trafic double par rapport aux pics historiques de la plateforme et qualifiant cette décision d'étape nécessaire dans le parcours vers l'AGI.
Les perspectives opérationnelles
La distinction entre les deux systèmes se déplace désormais vers le type d'activité à réaliser plutôt que vers la préférence pour un fournisseur. ChatGPT Work se positionne pour les projets qui doivent passer de la conception au produit fini, Claude Cowork pour l'organisation et la synthèse de matériaux déjà existants. Le marché des agents IA pour le milieu professionnel évolue désormais sur deux architectures concurrentes, les entreprises étant appelées à évaluer l'efficacité computationnelle aux côtés des capacités pures des modèles.
