IA en entreprise : 8,3× plus de sorties pour le top 10%

Un récent état des lieux d'OpenAI décrit un passage de l'assistance à l'exécution, avec un écart qui se creuse entre pionniers et suiveurs. Trois cas concrets — Basis, Clay et Exa Labs — montrent comment des agents deviennent des capacités opérationnelles, avec des points de contrôle humains et des métriques précises. Des étapes d'expérimentation et de transfert de modèle sont proposées pour industrialiser ce qui fonctionne.

Mesurer, gouverner et répliquer les flux dopés à l’IA

La mise à l’échelle passe par des essais visibles et mesurables, puis par la conversion des plus probants en pratiques réutilisables. Les recommandations incluent le choix d’un flux de travail stratégique et fréquent, la définition d’un résultat, d’un responsable et d’indicateurs, et la rédaction d’une fiche de poste précise pour l’agent, avec déclencheurs, preuves à produire et points d’arrêt pour revue humaine. La construction du système humain autour de l’agent est détaillée : responsabilités de l’issue business, de la logique métier, des accès et contrôles, de l’adoption et de l’usage quotidien, avec des droits de décision formalisés à mesure que le périmètre grandit. L’expérimentation doit être capturée et empaquetée en compétences, plugins ou espaces partagés, en s’appuyant sur des modes complémentaires (Chat pour l’échange rapide, Work pour le travail en plusieurs étapes et Codex pour l’exécution technique). Six mois après l’adoption, des salariés en début de carrière ont envoyé 13 messages de plus par semaine que des dirigeants, selon OpenAI, ce qui traduit une dynamique d’appropriation. Les tests, les points de révision et la gestion des autorisations, des preuves et des droits de décision rendent le travail des agents visible et auditable, et facilitent les ajustements avant chaque nouvelle exécution. Enfin, le transfert du modèle opérationnel demande de préserver contexte, contrôles, métriques et rôles qui ont fait leurs preuves pour les appliquer à une nouvelle surface de valeur.

Intégration accélérée chez Basis, sans sacrifier la cohérence

Chez Basis, l’intégration des nouveaux arrivants est passée à 30 minutes au lieu de deux heures. Les ressources humaines peuvent réallouer du temps à la culture et au support, tandis que les collaborateurs accèdent dès le premier jour à Codex et à une compétence d’intégration dédiée. Cette compétence regroupe les instructions et ressources nécessaires ; Codex accueille l’employé, présente les notions clés et finalise la configuration en arrière-plan. Les RH mettent la compétence à jour au fil des questions récurrentes ou exceptions, ce qui rend le processus moins dépendant des disponibilités individuelles. Formalisé avec déclencheur, étapes, outils et définition de fin, le parcours devient répétable et améliorable, tout en fournissant dès l’entrée un modèle concret de collaboration avec l’IA.

Chez Clay, un contexte de vente maintenu par des sous-agents

Clay fait face à un contexte de vente dispersé entre CRM, messageries et échanges multiples. Un ingénieur go-to-market a instauré un espace de travail persistant et un sous-agent par compte, qui agrègent chaque nuit les sources clés et mettent à jour un dossier d’affaires. Le matin, un agent coordinateur convertit ces mises à jour en une courte liste de priorités, par exemple répondre à une question client ou relancer un prospect. Selon l’entreprise, ce dispositif économise environ une heure de tri nocturne des e-mails et facilite le suivi des micro-actions sur des cycles de vente longs. Les recommandations sont assorties de preuves consultables, et l’approche pourrait être étendue à d’autres rôles commerciaux, sous réserve des autorisations de compte. Clay résume ainsi les besoins d’un travail évolutif : structure stable, rafraîchissement régulier, preuves partagées et jugement humain au moment d’agir.

Chez Exa Labs, des opportunités converties en artefacts testés

Exa Labs, qui vise « Exa partout » pour son API de recherche, a formalisé un chemin auparavant géré par les équipes DevRel et comptes. Le passage de la phase de découverte à celle d’implémentation a été structuré dans un flux Codex, intégrant des priorités explicites, l’accès aux sources adéquates et une validation humaine avant chaque envoi. Codex assure à présent le suivi des intégrations jugées prioritaires, collecte le contexte, crée des pull requests, effectue des tests et génère des bilans hebdomadaires à partir de Slack et Notion ; si nécessaire, il anticipe la rédaction de l’étape suivante, jusqu’à la première annonce, pour une relecture. Le dispositif réduit les transferts entre fonctions et transforme un signal en artefact testé. Les choix d’opportunités, les engagements et la relation externe restent humains, tandis que tests et revues rendent le travail de l’agent visible et ajustable. Quand l’enjeu croît, autorisations, preuves et droits de décision pèsent d’autant plus dans la conception du flux.

Un fossé qui s’élargit entre pionniers et suiveurs

Les organisations du top 10 % génèrent 8,3 fois plus de jetons de sortie par utilisateur actif que la moyenne, contre 2,6 fois en janvier, d’après OpenAI. Cette dynamique traduit un passage de l’assistance à l’exécution, où les leaders connectent agents, contexte et outils, déléguent plus largement et répliquent les parcours gagnants. Le défi consiste à rendre ce travail fiable, mesurable et perfectible, tout en conservant un espace d’essai, y compris pour des cas dont la valeur ne saute pas aux yeux au premier test. Les mises en œuvre de Basis, Clay et Exa illustrent une trajectoire commune : apprendre un processus stable à l’agent, maintenir un contexte persistant puis convertir les signaux en actions éprouvées. Elles montrent qu’il est possible d’intégrer des agents au cœur d’activités existantes et d’améliorer les flux au fil des itérations.