OpenAI : l'écart d'usage de l'IA agentique a triplé en cinq mois

Pourquoi l'écart se creuse : infrastructure, pas volume

L'écart entre entreprises « frontières » et entreprises « typiques » est passé de 2,6× à 8,3× en cinq mois. Deux définitions à poser d'emblée, car elles conditionnent la lecture de tous les chiffres qui suivent.

Chaque mois, OpenAI classe ses clients entreprise selon le nombre de tokens générés en sortie (output tokens) par utilisateur actif. Les entreprises frontières (frontier firms) sont les 10 % de tête de ce classement. Les entreprises typiques se situent entre le 45e et le 55e percentile, autrement dit la médiane. Le critère n'est ni la taille, ni le secteur, ni le budget IA : uniquement l'intensité d'usage, mesurée sur les propres outils d'OpenAI.

Trois nuances en découlent. Les entreprises typiques ne sont pas des retardataires : ce sont des entreprises moyennes, qui utilisent réellement l'IA. Le classement est recalculé tous les mois, rien ne garantit qu'il s'agisse des mêmes entreprises d'une période à l'autre. Et le volume de tokens générés reste un proxy — il mesure la profondeur d'usage (fréquence, complexité des tâches, nombre d'étapes enchaînées), pas la valeur produite.

OpenAI précise par ailleurs que l'écart se retrouve dans tous les secteurs et toutes les tailles d'entreprise : l'usage intensif de l'IA n'est pas l'apanage des entreprises tech.

Ce qui sépare les deux groupes n'est pas l'accès aux modèles — tous sont clients OpenAI Enterprise — mais la connexion des agents aux outils internes. Les Plugins regroupent skills (instructions réutilisables) et apps (connexions CRM, docs, actions). Un Plugin commercial peut combiner le playbook de l'équipe et l'accès au CRM pour préparer une proposition personnalisée à partir de l'historique client.

Parmi les utilisateurs actifs hebdomadaires, 21 % dans les entreprises frontières utilisent les Plugins et 19 % les skills, contre 9 % et 3 % dans les entreprises typiques. En interne chez OpenAI, 95 % des employés actifs utilisent les Plugins chaque semaine. L'écart se creuse parce que certaines organisations investissent dans permissions, gouvernance et connexion aux systèmes métier, et d'autres non.

Codex sort de l'ingénierie, le juridique et la vente accélèrent

Depuis février, le nombre d'utilisateurs Codex actifs chaque semaine a été multiplié par 108 dans le juridique, 41 dans la vente, 41 dans le recrutement et 26 dans le marketing, contre seulement 5 en ingénierie. L'ingénierie logicielle a été le premier terrain d'adoption, mais la croissance la plus rapide se produit désormais dans les autres fonctions du knowledge work.

En juin 2026, Codex a généré 64 % des tokens de sortie combinés Codex + ChatGPT chez les clients entreprise. Les workflows agentiques produisent davantage de tokens parce qu'ils enchaînent plusieurs étapes : recherche d'information, rédaction, mise en forme. Ce ratio traduit à la fois l'adoption de Codex et la nature des tâches confiées — ce qu'OpenAI appelle le passage de l'assistance (répondre à des questions) à l'exécution (produire un livrable pour validation).

Virgin Atlantic illustre cette diffusion : les équipes ingénierie utilisent Codex pour refactoriser du code legacy en 30 minutes au lieu de deux semaines ; les équipes produit s'appuient sur ChatGPT Work pour condenser plusieurs semaines de veille concurrentielle en quelques heures, alimentant la stratégie digitale sur cinq ans.

Les juniors utilisent l'IA 13 messages/semaine de plus que les dirigeants

Contrairement aux enquêtes déclaratives qui placent les dirigeants en tête, les données administratives d'OpenAI montrent l'inverse. Six mois après l'adoption, les employés en début de carrière envoient 13 messages de plus par semaine que les cadres dirigeants.

OpenAI y voit une opportunité pour les directions : identifier les collaborateurs aux pratiques les plus efficaces et rendre leurs workflows visibles, pour accélérer la diffusion à tous les niveaux. Pour les agences et équipes internes, cela signifie que les ateliers de formation gagnent à inclure des sessions de partage de workflows réels plutôt que des démos produit descendantes.

Ce qu'OpenAI recommande pour réduire l'écart

L'accès aux mêmes modèles ne suffit pas. Les entreprises frontières connectent les agents au contexte et aux outils internes, définissent permissions et gouvernance, et transforment les cas d'usage individuels en pratiques partagées.

L'agenda proposé : connecter les agents aux données et outils nécessaires, établir des règles claires de validation humaine et de gouvernance, et aider les employés à transformer leurs workflows efficaces en méthodes collectives.

Les clients OpenAI Enterprise peuvent demander un benchmarkJeu de référence public ou interne pour comparer des modèles (MMLU, HumanEval, etc.) — à lire avec prudence hors domaine. personnalisé pour comparer leur usage à celui des entreprises frontières. Les deux études complètes sont disponibles : Enterprise Signals sur le site OpenAI et le working paper How Organizations Use AI: Evidence from ChatGPT en PDF.

Ce que l'étude ne couvre pas

OpenAI mesure l'adoption chez ses propres clients entreprise. Les chiffres ne couvrent ni les autres fournisseurs (AnthropicLaboratoire d’IA américain à l’origine des modèles Claude, accessibles par API et non téléchargeables., Google, Azure hors OpenAI) ni les usages hors abonnement entreprise. L'écart 8,3× est réel dans ce périmètre, mais ne dit rien de la répartition globale de l'adoption IA en entreprise.

Enterprise Signals s'appuie sur un échantillon de plus de 10 millions de messages issus des clients entreprise d'OpenAI, tandis que le working paper examine la diffusion de l'adoption à travers les entreprises, les métiers et les niveaux hiérarchiques. Parmi les sociétés cotées américaines étudiées, celles qui ont adopté ChatGPT en mode entreprise détiennent plus d'actifs, emploient plus de salariés et investissent davantage en R&D que les non-adoptantes — mais la causalité reste à établir.