ChatGPT Work reçoit un Data Agent : l’analyse de données sans SQL devient un champ de bataille
OpenAI a publié le 10 septembre 2026 une annonce officielle autour d’un nouveau Data Agent dans ChatGPT Work. Sa promesse : permettre aux équipes d’interroger leurs données d’entreprise, d’analyser des variations, de créer des dashboards interactifs et de déclencher des actions simplement en langage naturel.
Cette nouveauté doit être lue dans la continuité des offres professionnelles de ChatGPT. Si vous souhaitez situer cette annonce dans la gamme OpenAI, notre comparatif ChatGPT Go vs ChatGPT Plus, Pro ou Business permet déjà de comprendre les différences d’usage entre les plans grand public, avancés et professionnels.
Que permet concrètement ChatGPT Data Agent dans ChatGPT Work ?
Le Data Agent se connecte à des sources de données approuvées comme Amazon Redshift, Datadog, Google BigQuery, ClickHouse, Databricks, MongoDB, Snowflake et d’autres. Il peut aussi intégrer des fichiers et documents provenant de Google Drive ou SharePoint.
OpenAI précise que l’agent utilise les termes métiers, définitions de métriques, calculs personnalisés et relations de données de l’organisation. Ce contexte peut provenir de couches sémantiques et de sources comme Databricks Genie Ontology, dbt, GitHub, Snowflake Horizon ou des dashboards BI existants.
L’agent peut ensuite produire des dashboards interactifs et travailler avec des outils de BI comme Omni, Oracle BI, Power BI, Sigma, Tableau et ThoughtSpot. OpenAI indique aussi que le système peut recommander les prochaines étapes, identifier les personnes à impliquer, partager les résultats via Slack ou email et exécuter des actions approuvées via des outils connectés.
Cette logique rejoint les sujets déjà abordés sur notre site autour des agents de données, notamment avec Snowflake CoCo et la gouvernance des budgets IA, où l’enjeu n’est pas seulement de générer des réponses, mais de contrôler les coûts, les accès et les décisions.
Pourquoi OpenAI vise-t-il le marché de la BI avec ChatGPT Work ?
Cette annonce place OpenAI sur un terrain très sensible : celui de la business intelligence. Jusqu’ici, beaucoup d’entreprises utilisaient ChatGPT pour résumer des exports, expliquer des tableaux ou générer des formules. Avec Data Agent, OpenAI veut se placer directement au-dessus des entrepôts de données, des couches sémantiques et des outils BI.
La promesse est puissante : une personne non technique pourrait demander pourquoi les ventes ralentissent, où les dépenses augmentent, quels comptes risquent de churner ou quels segments performent mieux. L’agent pourrait ensuite explorer les données, produire une visualisation et proposer des actions.
Mais la comparaison avec un analyste SQL reste délicate. Un analyste ne se contente pas d’écrire une requête. Il vérifie les définitions, comprend les biais, challenge les métriques, documente les hypothèses et sait quand une corrélation ne prouve rien.
Quelles zones d’ombre ChatGPT Data Agent cache-t-il derrière le langage naturel ?
Le langage naturel peut donner une fausse impression de simplicité. Une question comme “Pourquoi les ventes baissent ?” peut cacher des dizaines de choix : période de comparaison, segmentation, devise, retours, remises, attribution marketing, saisonnalité, pipeline, cohorte, source CRM ou définition du chiffre d’affaires.
OpenAI insiste sur les couches sémantiques, ce qui est rassurant. Mais cela confirme aussi une limite : sans couche sémantique fiable, le Data Agent risque de produire des analyses propres en apparence, mais fragiles sur le fond.
Autre zone sensible : les permissions. OpenAI indique que les administrateurs choisissent les connexions disponibles et les rôles qui peuvent les utiliser, avec application des permissions existantes au niveau table, ligne et colonne. C’est indispensable, mais cela ne règle pas tout. Un agent peut révéler indirectement des informations sensibles par agrégation, résumé ou croisement de sources.
Ces enjeux rejoignent ceux traités dans notre analyse sur OpenAI et l’AI Act européen : dès qu’un outil IA touche aux données professionnelles, la question n’est plus seulement technique. Elle devient juridique, organisationnelle et éditoriale.
Quelles équipes peuvent vraiment utiliser ChatGPT Data Agent sans se tromper ?
Les équipes go-to-market, marketing, finance, produit et support sont les premières concernées. Elles ont souvent besoin d’analyses rapides sans attendre un analyste data.
Les PME avec une stack data propre peuvent aussi en tirer profit, surtout si elles utilisent déjà Snowflake, BigQuery, Power BI, Tableau ou Databricks. En revanche, les petites structures qui gèrent encore leurs métriques dans des exports CSV dispersés risquent d’obtenir des résultats peu fiables.
Les analystes data ne disparaissent pas. Leur rôle évolue : ils devront davantage définir les métriques, construire les couches sémantiques, contrôler les résultats, créer des garde-fous et auditer les analyses générées par l’agent.
Quels risques ChatGPT Data Agent crée-t-il pour les décisions business ?
Le risque numéro un est l’erreur silencieuse. Un dashboard peut être techniquement correct mais répondre à la mauvaise question. C’est particulièrement dangereux pour les décisions commerciales, financières ou RH.
Le deuxième risque concerne la confidentialité. Un agent connecté à des données d’entreprise doit être gouverné comme un outil critique : accès, logs, audits, permissions, conservation, export, partage et validation.
Le troisième risque est l’effet “boîte noire”. Si l’agent recommande une action, l’entreprise doit pouvoir comprendre sur quelles données, quelles requêtes, quelles hypothèses et quelles définitions cette recommandation repose.
Cette difficulté n’est pas propre à OpenAI. CritiquePlus l’a aussi relevée dans l’analyse sur Agent-lens et ApsaraDB Data Agent d’Alibaba : plus les agents deviennent capables de piloter des données, plus leur contrôle devient stratégique.
Faut-il adopter ChatGPT Data Agent dans l’entreprise ?
CritiquePlus voit dans ChatGPT Data Agent une annonce majeure. Ce n’est pas seulement une nouvelle fonction de ChatGPT Work. C’est une tentative de faire de ChatGPT l’interface conversationnelle des données d’entreprise.
Mais l’outil ne remplacera pas une stratégie data. Il la rendra plus visible. Une entreprise avec des métriques fiables gagnera du temps. Une entreprise avec des données mal gouvernées obtiendra surtout des réponses rapides à de mauvaises questions.
À tester dans un périmètre limité. À adopter seulement avec une couche sémantique claire, des permissions strictes et une revue humaine des décisions importantes.
Que retenir sur ChatGPT Data Agent et la BI conversationnelle ?
ChatGPT Data Agent connecte ChatGPT Work aux données d’entreprise et aux outils BI.
L’outil peut créer des dashboards, analyser des variations et recommander des actions.
La valeur dépendra fortement de la qualité des données et des définitions métiers.
Le risque principal est l’analyse convaincante mais trompeuse.
