Chez Zendesk, les équipes ont elles-mêmes conçu environ 600 applications sur ChatGPT Enterprise
Chez Zendesk, ChatGPT Enterprise a été ouvert à tous les salariés, et les équipes ventes, marketing et opérations ont elles-mêmes construit environ 600 applications adaptées à leurs tâches. Exemple : un agent IA de vente rapproche les données d'utilisation du produit et le nombre de tickets par agent, et indique où le client pourrait acheter davantage. Environ 1000 personnes l'utilisent chaque jour. Conclusion : quand les équipes métier accèdent elles-mêmes aux données, elles trouvent des usages auxquels la DSI n'aurait peut-être pas pensé.
Traité par IA depuis YouTube: OpenAI ; édité par Hamidun News
Dans les entreprises, l'IA est généralement organisée ainsi : la DSI choisit un ou deux cas d'usage, obtient les accès après des semaines de validations, et les utilisateurs métier attendent pendant des années pour obtenir l'aide des analystes. Zendesk, éditeur d'une plateforme de support client, a choisi une autre voie en ouvrant ChatGPT Enterprise à chacun de ses salariés. Les résultats ont été présentés par Daniel Hamble, vice-président données d'entreprise et analytique de la société, dans une vidéo publiée par OpenAI. Selon lui, l'entreprise compte déjà environ 600 applications « construites par différentes personnes ».
Six cents applications sans commanditaire unique
Les équipes ventes, marketing et opérations conçoivent elles-mêmes les outils dont elles ont besoin au quotidien. Il ne s'agit pas d'un projet vitrine piloté par une seule équipe de développement, mais d'un ensemble d'applications opérationnelles nées chez les utilisateurs eux-mêmes.
Les salariés métier interrogent directement les données de l'entreprise. Auparavant, une question donnait lieu à une demande : un analyste rédigeait une requête, produisait un rapport et envoyait un tableau, et il arrivait souvent que la question ait changé entre-temps. Aujourd'hui, la personne qui connaît le besoin pose elle-même la question et obtient immédiatement une réponse.
Cette approche a un coût. Six cents applications développées par des auteurs différents signifient une qualité inégale, des sources de données variées et des doublons possibles. La vidéo n'en parle pas, mais quiconque a déployé des outils internes sait qu'il faudra tôt ou tard un catalogue des applications, une gestion des droits d'accès et des règles précisant les données pouvant être connectées.
Comment fonctionne l'agent de vente
L'exemple le plus concret de la vidéo est l'agent IA du service commercial. Il relie deux jeux de données : la façon dont le client utilise le produit et le nombre de tickets par agent. En les croisant, le système indique où une extension de la collaboration est possible. La description ne précise pas comment l'agent évalue ces opportunités.
L'agent a aussi une deuxième fonction : aider le commercial à expliquer au client l'intérêt qu'il retirera. Pour un manager, la différence se situe entre un constat sec « votre charge a augmenté » et un argument prêt à l'emploi pour l'échange.
Selon la vidéo, environ 1000 personnes utilisent cette application chaque jour. Pour un outil interne, le chiffre est notable : il indique que l'application s'est intégrée au rythme de travail des commerciaux, et qu'elle ne sert pas seulement de démonstration à la direction.
Ce qu'il faut retenir
Premièrement : l'IA d'entreprise est plus utile lorsqu'elle est connectée aux données réelles de l'entreprise. L'exemple de Zendesk repose sur le croisement des données d'usage du produit et des données de support. Sans accès à ces données, l'agent resterait un simple chatbot aux réponses génériques.
Deuxièmement : la délégation fonctionne. Lorsque les personnes disposent d'un accès et d'outils compréhensibles, elles trouvent d'elles-mêmes des usages auxquels une équipe centrale n'aurait peut-être pas pensé. Le rôle de la DSI et de l'équipe data évolue alors vers une autre mission : fournir la plateforme, les données et les garde-fous.
Troisièmement : il est utile de suivre le nombre de personnes qui reviennent chaque jour vers une application donnée. Le chiffre de 1000 utilisateurs quotidiens est, dans ce récit, la principale preuve que l'outil a trouvé son public. Les chefs de produit auraient intérêt à retenir ce type d'indicateur.
Limites
Le document est une vidéo d'OpenAI sur son propre client : il s'agit d'une vitrine, et non d'une étude indépendante. La description ne contient aucune donnée sur le chiffre d'affaires supplémentaire généré par l'agent de vente, sur le coût de maintenance de plusieurs centaines d'applications, ni sur la manière dont la qualité des réponses est vérifiée. Les chiffres « environ 600 » et « environ 1000 » sont donnés approximativement, sans méthodologie de comptage.
Le scénario reste néanmoins clair et reproductible : rassembler deux sources de données jusque-là séparées, les confier à un agent et intégrer le résultat directement dans le processus de travail du salarié. Si vous déployez l'IA dans une entreprise, commencez par identifier les questions sur les données auxquelles vos équipes métier attendent des réponses depuis des semaines, et ouvrez en priorité l'accès à ces données. Parallèlement, prévoyez à l'avance un catalogue d'applications et des règles d'accès, afin de ne pas vous retrouver, dans six mois, face à une centaine d'outils artisanaux disparates.
- 21 nov. 2026Les offres FDE ont été multipliées par 4,6 en un an : ce que fait un ingénieur chez le client
- 21 nov. 2026La capitaine d'une équipe de nageurs a confié trois tâches planifiées à ChatGPT et divisé sa charge de travail par plusieurs
- 21 nov. 2026OpenAI GPT-6 Cyber a trouvé une trentaine de failles dans les iPhone, Mac et autres appareils Apple
- 21 nov. 202622 agents Claude ont cherché pendant six semaines des réponses sur les trous noirs — et ont résolu deux problèmes
Questions clés sur cet article
Que sait-on sur Six cents applications sans commanditaire unique ?
Les équipes ventes, marketing et opérations conçoivent elles-mêmes les outils dont elles ont besoin au quotidien. Il ne s'agit pas d'un projet vitrine piloté par une seule équipe de développement, mais d'un ensemble d'applications opérationnelles nées chez les utilisateurs eux-mêmes. Les salariés métier interrogent directement les données de l'entreprise.
Comment fonctionne l'agent de vente?
L'exemple le plus concret de la vidéo est l'agent IA du service commercial. Il relie deux jeux de données : la façon dont le client utilise le produit et le nombre de tickets par agent. En les croisant, le système indique où une extension de la collaboration est possible. La description ne précise pas comment l'agent évalue ces opportunités. L'agent a aussi une deuxième fonction : aider le commercial à expliquer au client l'intérêt qu'il retirera.
Que sait-on sur Ce qu'il faut retenir ?
Premièrement : l'IA d'entreprise est plus utile lorsqu'elle est connectée aux données réelles de l'entreprise. L'exemple de Zendesk repose sur le croisement des données d'usage du produit et des données de support. Sans accès à ces données, l'agent resterait un simple chatbot aux réponses génériques. Deuxièmement : la délégation fonctionne. Lorsque les personnes disposent d'un accès et d'outils compréhensibles, elles trouvent d'elles-mêmes des usages auxquels une équipe centrale n'aurait peut-être pas pensé.
Ship AI Faster with Founders, Engineers & Weekly Architecture Reviews
Inside Vibe Club (hamidun.com/club) — weekly live masterminds with Zhemal Khamidun, Tech Radar, full LMS access, and 370+ production Claude Code skills.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.
