Le cabinet Gilbert + Tobin porte l'usage actif de ChatGPT à 87 % sans aucun KPI

La plupart des déploiements d'IA en entreprise butent sur le même problème : les licences ont été achetées, mais seule une poignée de personnes les utilise. Le cabinet d'avocats australien Gilbert + Tobin, qui intervient sur des IPO, des opérations de M&A et des litiges, a expliqué dans un entretien accordé à OpenAI comment il a obtenu 87 % d'utilisateurs actifs parmi les personnes ayant reçu l'accès à ChatGPT. C'est plus du double de ce que l'on observe pour les autres outils du cabinet. Réserve importante : il s'agit d'une publication sur le blog d'un éditeur, et ces chiffres doivent donc être lus comme des déclarations de l'entreprise elle-même.

Trois phases plutôt qu'un simple interrupteur

Le cabinet a avancé en trois étapes : expérimentation, productivité individuelle, productivité de l'organisation. Dans un premier temps, les collaborateurs ont été autorisés à essayer ChatGPT, mais avec une règle stricte : aucune donnée client ni information confidentielle. Cela a offert un bac à sable sûr sans étouffer la curiosité.

La deuxième étape est un canal sécurisé. Le cabinet a connecté ChatGPT Enterprise dans un environnement contrôlé et élargi l'accès progressivement. La résidence des données en Australie, les garanties contractuelles, l'accès par rôle et les paramètres d'administration se sont révélés décisifs. Pour des juristes, il ne s'agit pas de bureaucratie, mais d'une condition sans laquelle les clients n'auraient pas accepté l'IA dans leur dossier.

La troisième étape, c'est Codex et ChatGPT Work : le passage d'une aide ponctuelle à des scénarios agentiques en plusieurs étapes, où l'humain reste responsable de la vérification et de la validation. Le principe est simple : l'IA n'est pas de la triche, c'est un outil. Mais c'est le collaborateur qui fixe la tâche, contrôle le résultat et en répond.

Pourquoi les gens l'utilisent réellement

Aucun objectif d'utilisation n'a été imposé. À la place, l'équipe de transformation métier a présenté des scénarios adaptés à des fonctions précises, lancé des vidéos, des démos, des défis et même un « bounty » précoce pour récompenser les idées. Les dirigeants ont eux-mêmes travaillé avec l'IA pour donner le ton.

Pour un product manager, cette logique est familière : l'adoption progresse quand le produit résout un problème propre à un rôle précis, pas quand la hiérarchie exige d'« utiliser l'IA ». Montrer à un juriste une technique prête à l'emploi pour sa journée de travail est plus efficace qu'une présentation générale des capacités d'un modèle.

Jumeau numérique et facture de 62 $

Le CEO Sam Nickless a créé un « jumeau numérique » dans un custom GPT (qu'il migre désormais vers Plugins) : il y a chargé ses textes, les retours reçus, le contexte du cabinet et une description de son style de travail. D'abord outil personnel, il a ensuite été ouvert à ses collaborateurs. Ceux-ci testent leurs idées sur son contexte avant de le rencontrer. Le jumeau ne prend aucune décision et ne parle pas au nom du CEO : il aide seulement à entamer la conversation en position plus solide.

Notez l'ordre : l'assistant a d'abord été testé sur son créateur, puis distribué à l'équipe. La même approche fonctionne dans les équipes produit : construisez un assistant à partir de documents réels, éprouvez-le sur vos propres tâches, puis partagez-le.

Second exemple : la revue confidentielle annuelle de 120 associés. ChatGPT Work a mis à jour les fichiers avec les données d'un tableur, généré des PDF et assemblé le dossier final. Cela a pris quelques minutes. Selon le tableau de bord d'utilisation, le coût s'est élevé à environ 62 $, alors qu'auparavant plusieurs personnes auraient travaillé plusieurs jours sur une telle tâche. Cette somme n'inclut ni le temps de vérification du résultat ni celui de la mise en place du processus, et il s'agit d'une estimation du CEO lui-même.

Limites et conclusion

Il s'agit d'une étude de cas, pas d'une recherche. On n'y trouve aucune donnée sur la qualité, les erreurs, la part du travail à refaire, ni sur l'évolution de la charge des juristes. La thèse selon laquelle l'IA ne réduit pas les effectifs est la position publique du dirigeant. La métrique des « utilisateurs actifs » renseigne sur la fréquence, pas sur l'utilité. De plus, les custom GPT sont remplacés par Plugins, les scénarios devront donc être reconstruits : la dépendance aux fonctionnalités d'un seul éditeur est un risque à intégrer dans les plans.

Ce qu'il faut retenir. Premièrement : commencez par un bac à sable sûr et des règles claires sur les données, puis passez à un accès d'entreprise avec rôles et audit. Deuxièmement : au lieu de KPI d'usage, proposez des scénarios prêts à l'emploi par rôle. Troisièmement : calculez le coût des tâches agentiques via le tableau de bord et comparez-le aux heures-homme : la discussion sur le retour sur investissement devient concrète. Quatrièmement : gardez l'humain responsable du résultat, surtout là où une erreur coûte cher.