Data Agent : ChatGPT transforme vos données en tableaux de bord

Le 10 septembre 2026, OpenAI a ajouté un agent « Data » à ChatGPT Work, son offre destinée aux entreprises. On lui pose une question de gestion en langage courant, il va chercher la réponse dans les bases de l’entreprise, cite ses sources et construit un tableau de bord partageable dans la même conversation, sans qu’on écrive une seule requête. Pour une PME, la nouveauté n’est pas l’outil en soi : c’est que l’analyse de données cesse d’être un métier à part.

Ce qu’OpenAI a annoncé

L’agent se branche sur les entrepôts et bases de données déjà en place : Amazon Redshift, Google BigQuery, ClickHouse, Databricks, MongoDB, Snowflake, ainsi que Datadog pour les données de supervision. Il peut aussi tirer des fichiers de Google Drive et de SharePoint dans une analyse. Il lit les définitions métier existantes, celles de dbt, de Snowflake Horizon, de Genie chez Databricks ou des tableaux de bord déjà construits, pour appliquer les calculs de l’entreprise plutôt que les siens. Et il crée ou modifie des tableaux de bord dans Power BI, Tableau, Sigma, Omni, Oracle BI et ThoughtSpot, détaille Unite.AI.

Les exemples donnés par OpenAI sont volontairement banals : pourquoi les ventes ralentissent, où les dépenses augmentent, quels problèmes menacent le renouvellement des plus gros comptes. On affine ensuite par questions successives, comme on le ferait avec un analyste. Côté installation, l’agent est un plugin nommé « Data » que l’administrateur active dans les réglages de l’espace de travail, puis chaque utilisateur l’appelle en tapant @Data. Aucun tarif séparé n’a été annoncé : il fait partie de ChatGPT Work, dont l’abonnement Business démarre à 20 dollars par utilisateur et par mois en engagement annuel, l’offre Enterprise restant sur devis, selon le relevé d’eesel.

Un outil rodé en interne avant d’être vendu

OpenAI utilise cet agent chez lui depuis janvier 2026 : plus de 3 500 employés s’en servent, sur quelque 70 000 jeux de données et plus de 600 pétaoctets, rapporte All Weather Finance. La quasi-totalité de l’équipe produit et plus des deux tiers des équipes commerciales l’ont adopté. Huit clients l’ont testé en avant-première, dont NTT DATA, Thermo Fisher Scientific, ServiceTitan et Zipline, précise Data Studios.

Le même jour, OpenAI a lancé ChatGPT for Financial Services, une déclinaison de ChatGPT Work conçue avec Morgan Stanley et Evercore, qui embarque des données de marché de Daloopa, PitchBook et LSEG, selon CNBC. Le signal est cohérent avec ce que nous décrivions sur la montée des IA de métier : OpenAI ne vend plus seulement un assistant, il vend un assistant branché sur des données précises.

Ce que ça change pour votre PME

Vous n’avez probablement ni Snowflake ni Databricks, et ce n’est pas grave. Ce que l’annonce déplace, c’est la façon de travailler avec ses chiffres.

• Le goulot change de place. Aujourd’hui, une question de gestion attend le tableur du comptable ou le rapport du prestataire. Demain, elle attend surtout que quelqu’un sache la poser correctement. Formuler une bonne question devient la compétence clé.
• Vos définitions doivent exister. L’agent applique les règles de calcul qu’il trouve. Si « client actif » ou « marge brute » n’ont pas de définition écrite chez vous, il en choisira une, et deux personnes obtiendront deux chiffres. Écrire ces définitions est le vrai travail préparatoire.
• Les droits d’accès deviennent le réglage central. L’agent respecte les permissions existantes, par table, ligne et colonne. C’est rassurant, à condition que ces permissions existent : si tout le monde voit tout aujourd’hui, l’agent aussi.
• Sans entrepôt de données, commencez par vos dossiers. Google Drive et SharePoint sont connectés. Un dossier de fichiers propres, tenus à jour, est une porte d’entrée réaliste pour une structure de dix personnes.
• Les concurrents arrivent avec la même promesse. Cowork chez Anthropic, dont nous avons décrit la mémoire partagée, Copilot chez Microsoft, Gemini chez Google. Le choix de l’outil comptera moins que la propreté de ce qu’on lui donne.

Ce qui reste à vérifier

OpenAI n’a publié aucun benchmark d’exactitude : on ne sait pas à quelle fréquence l’agent se trompe de table, de période ou de définition. All Weather Finance souligne que la vraie difficulté des données d’entreprise n’est pas de répondre à une question, mais de choisir la bonne source quand plusieurs se contredisent. Un tableau de bord obtenu en une phrase mérite la même relecture qu’un tableur reçu d’un stagiaire : recalculer un chiffre à la main avant de le présenter.

Deux inconnues pratiques ensuite. Aucune date de disponibilité générale n’a été donnée, et rien n’est dit sur le lieu de traitement des données. Pour une entreprise suisse, la question « où sont traitées mes données quand @Data interroge ma base ? » doit être posée à OpenAI avant tout branchement, comme pour n’importe quel sous-traitant.

Faut-il un entrepôt de données pour utiliser le Data Agent ?

Pour en tirer tout le potentiel, oui : les connecteurs annoncés visent Snowflake, BigQuery, Databricks et leurs semblables, des outils de grandes entreprises. Sans cela, l’agent lit les fichiers partagés dans Google Drive et SharePoint. C’est par là qu’une PME commence, et c’est souvent suffisant pour les premières questions utiles.

Le Data Agent remplace-t-il Power BI ou Tableau ?

Non. Il s’y branche et y crée ou modifie des tableaux de bord. Ce qu’il remplace, c’est l’étape où l’on demande à quelqu’un d’écrire la requête. Les outils de visualisation restent, ce sont les allers-retours qui disparaissent.

Poser la bonne question à ses chiffres, écrire ses définitions, décider qui voit quoi : ces trois gestes ne dépendent d’aucun logiciel, et ce sont ceux que travaillent les formations IA de Vincent Lévi, à partir des données réelles de votre entreprise. Si vous voulez savoir ce qu’un agent verrait aujourd’hui dans vos fichiers, et ce qu’il faudrait ranger avant de l’y laisser entrer, écrivez à l’équipe.