Quand un email devient un événement métier : ChatGPT entre dans les processus de l’entreprise

Depuis le 25 août 2026, ChatGPT Work peut lancer une tâche lorsqu’un événement pris en charge survient dans Gmail, Slack ou GitHub. L’évolution pourrait sembler mineure : les plateformes d’automatisation réagissent depuis longtemps à des webhooks. Elle marque pourtant une frontière importante. L’IA n’attend plus nécessairement qu’un collaborateur formule une demande ; elle peut être mobilisée par un événement de l’entreprise, en interpréter le contenu, rechercher du contexte et préparer une action.

La technique ne suffit pas à rendre ce mouvement utile. Encore faut-il savoir ce qu’un message signifie, quelle information fait autorité, jusqu’où l’IA peut agir et quand une personne doit reprendre la main. Le changement important n’est donc pas que ChatGPT sait réagir à un email. Il est qu’un événement informationnel peut entrer directement dans une chaîne d’interprétation, de contextualisation, de décision et d’action.

ChatGPT ne se contente plus d’attendre qu’on lui parle

Le 25 août 2026, OpenAI a fait passer certaines tâches de ChatGPT Work d’une logique principalement planifiée à une logique événementielle. Selon les notes de version officielles, un nouveau message Gmail, un message publié dans un canal Slack ou une activité prise en charge sur une pull request GitHub peut déclencher une tâche. La documentation des tâches précise que l’utilisateur examine alors trois éléments : le déclencheur, la condition et l’instruction.

Dans Gmail, la tâche peut réagir à un nouveau message et filtrer l’expéditeur ou l’objet. Dans Slack, elle peut suivre les nouveaux messages d’un canal auquel @ChatGPT a été ajouté. Dans GitHub, elle peut répondre à certaines activités de pull request sur un dépôt autorisé. Les tâches événementielles sont documentées pour les utilisateurs éligibles de Plus, Pro, Business, Enterprise et Edu ; elles requièrent Work, une connexion à l’application concernée et les autorisations nécessaires. OpenAI indique aussi qu’une action demandant une approbation peut suspendre l’exécution.

Ces éléments constituent le fait vérifié. L’analyse de l’Observatoire commence avec leur conséquence : l’interface conversationnelle n’est plus le seul point d’entrée. La chaîne devient conversation → contexte → événement → interprétation → décision → action → mémoire. Toutes ces étapes ne sont pas nécessairement automatisées, mais elles peuvent désormais être conçues comme un même processus informationnel.

Le véritable changement n’est pas le webhook, mais l’interprétation

Un déclencheur détecte qu’un événement s’est produit ; une IA peut tenter de comprendre ce que cet événement signifie avant de décider quoi en faire. C’est cette couche interprétative qui distingue une automatisation événementielle assistée par l’IA d’un simple enchaînement de règles.

Une IA que l’on consulte répond à une sollicitation : un collaborateur apporte la question et souvent une partie du contexte. Une automatisation déterministe applique une règle connue : si un formulaire est validé, créer une ligne dans un CRM et envoyer un accusé de réception. Un processus événementiel avec IA ajoute une étape cognitive : le système doit qualifier un message, mobiliser la connaissance pertinente, apprécier une condition et proposer ou réaliser l’action autorisée.

Un email entrant peut être une demande commerciale, un incident, un engagement à suivre, un document attendu ou un message sans conséquence opérationnelle. Détecter son arrivée est simple ; interpréter sa portée suppose du contexte. Qui est l’expéditeur ? Quelle relation existe déjà ? Une promesse a-t-elle été formulée ? Quel dossier est en cours ? Quelle personne est responsable ? Le workflow devient utile lorsque l’organisation peut répondre à ces questions de manière suffisamment fiable.

Cette évolution ne signifie pas que ChatGPT Work remplace n8n, Make ou Zapier. Elle déplace la frontière à partir de laquelle une entreprise a besoin d’un orchestrateur spécialisé. Une plateforme comme n8n reste pertinente pour relier de nombreux systèmes, gérer des transformations précises, exécuter du code, construire des chaînes déterministes complexes ou répondre à des contraintes particulières de contrôle et d’hébergement. ChatGPT Work devient particulièrement intéressant quand une étape doit d’abord comprendre le sens d’un événement.

Le 10/20/70 devient un problème très concret

Plus la technologie devient simple à mettre en œuvre, plus la qualité de l’organisation devient déterminante. Le principe 10/20/70 de BCG prend ici une forme très matérielle : définir les événements importants, les sources d’autorité, les responsabilités, les exceptions et les actions qui exigent une validation.

BCG présente le 10/20/70 comme un principe directeur d’allocation des efforts : 10 % pour les algorithmes, 20 % pour la technologie et les données, 70 % pour les personnes et les processus. Ce ratio est une grille de transformation issue de l’expérience du cabinet, pas une loi scientifique universelle. Son intérêt est de rappeler qu’une connexion technique ne produit pas, à elle seule, un processus fiable.

L’article de l’Observatoire du 26 août, « IA en entreprise : le vrai chantier commence quand il faut réorganiser le travail », analysait l’écart entre gains individuels et transformation collective. L’automatisation événementielle en constitue une application directe. Le « 70 % » oblige ici à répondre à des questions concrètes : qu’est-ce qu’un signal prioritaire ? Qui peut modifier la règle ? Quelle donnée prévaut en cas de contradiction ? Quel niveau de risque impose une approbation ? Comment apprend-on d’une erreur de qualification ?

Le Baromètre France Num 2025 donne la mesure du décalage. Parmi 11 021 TPE-PME interrogées entre le 26 mars et le 18 avril 2025, 26 % déclaraient recourir à des solutions d’IA, mais 5 % seulement à des solutions permettant d’automatiser des tâches. Ce chiffre ne mesure pas l’automatisation événementielle de ChatGPT ; il montre simplement que l’adoption de l’IA et son entrée structurée dans l’exécution restent deux réalités différentes.

Retour d’expérience : quand Gmail rejoint la mémoire de l’entreprise

Le test conduit dans le laboratoire numérique iSDO le 27 août 2026 montre surtout que le déclenchement n’est que le début du problème. Ce retour d’expérience interne ne constitue ni une validation scientifique ni une preuve généralisable. Il permet d’observer, à petite échelle, ce qu’une organisation doit clarifier lorsque Gmail devient une source d’événements métier.

Dans cet environnement, Influence est développé comme un CRM et un cœur de mémoire relationnelle. Il est mis en relation avec plusieurs espaces de travail et d’information : emails, Drive, contacts, agendas, gestionnaire de tâches, Slack et Mnemory. WhatsApp et les SMS relèvent d’extensions envisagées ou encore travaillées, pas de fonctionnalités généralisées. L’objectif n’est pas de brancher chaque canal pour multiplier les automatisations, mais de préserver la continuité d’une relation et les motifs des décisions prises.

Le schéma fonctionnel expérimenté est le suivant : événement entrant → qualification par l’IA → récupération du contexte → proposition ou prise de décision selon les règles définies → action dans le système d’information → notification ou validation humaine si nécessaire → conservation de l’information utile. Un email peut ainsi être identifié comme un engagement à suivre, rapproché d’une relation existante, transformé en proposition de tâche puis conservé avec son contexte, sous réserve des permissions et validations prévues.

Le retour d’expérience fait apparaître une distinction décisive. Sans mémorisation, le workflow exécute. Avec une mémoire correctement structurée, l’organisation peut préserver le contexte et la continuité. L’enjeu n’est plus seulement de terminer une tâche, mais d’éviter qu’une équipe redécouvre, quelques semaines plus tard, la raison pour laquelle cette tâche existait.

Une IA ne peut exploiter que la connaissance que l’entreprise sait rendre mobilisable

Une entreprise n’est pas facilement automatisable parce qu’elle possède beaucoup de données, mais parce qu’elle sait transformer certaines données en informations fiables, puis en connaissances mobilisables pour décider. La chaîne donnée → information → connaissance → décision dépend de la date, de la source, du contexte, des relations entre les éléments et de la responsabilité attachée à leur usage.

Une organisation dont la connaissance reste essentiellement enfermée dans les cerveaux individuels reste difficile à automatiser. « Demande à Sophie », « Paul sait pourquoi cette décision avait été prise », « c’était dans un ancien email » ou « le client l’avait expliqué lors d’une réunion » ne décrivent pas un défaut des salariés. Ces phrases révèlent une organisation qui dépend de mémoires personnelles pour assurer sa continuité.

Avant d’autoriser un processus à interpréter un événement, l’entreprise doit identifier ses sources fiables, les informations importantes, leurs relations, leur date et leur contexte. Elle doit expliciter les responsabilités, les règles de décision, les exceptions et ce qui doit rester humain. Une IA ne corrige pas une entreprise mal organisée : elle peut au contraire accélérer la circulation d’une ambiguïté, d’une information obsolète ou d’une décision sans responsable.

La prospective de l’Observatoire tient dans une hypothèse : l’entreprise agentique sera d’abord une entreprise capable de se souvenir collectivement. Cette mémoire n’est pas une accumulation indistincte de messages. Elle suppose de conserver ce qui permet à une autre personne — ou à un système autorisé — de comprendre une situation, de vérifier une source et de reprendre une décision sans perdre son histoire. Le travail déjà engagé autour de la mémoire organisationnelle entre les cycles de l’IA devient ainsi une condition de l’exécution, pas seulement de l’archivage.

Gouverner le mouvement plutôt que bloquer l’expérimentation

Lorsqu’un système peut lire des informations et éventuellement agir, la confidentialité, les permissions, la supervision et la responsabilité deviennent des paramètres normaux de conception. Ils ne doivent être ni un angle mort ni un prétexte pour repousser indéfiniment toute expérimentation.

La documentation d’OpenAI indique que les tâches partagées utilisent les connexions et permissions propres à chaque destinataire. Les applications dans ChatGPT peuvent proposer recherche, synchronisation ou actions selon leur configuration ; certaines actions exigent une confirmation et les administrateurs peuvent contrôler celles qui sont permises. Company Knowledge respecte les droits existants dans les sources connectées et fournit des citations vers les documents retrouvés. OpenAI indique par ailleurs que, par défaut, les données de Business, Enterprise et Edu ne sont pas utilisées pour entraîner ou améliorer ses modèles. Ces engagements ne dispensent pas l’entreprise d’évaluer ses propres données, contrats, obligations et configurations.

Un pilote gouverné doit répondre avant son lancement à quelques questions simples : quelles données sont accessibles, avec quelles permissions, quelles actions sont possibles, qui autorise la connexion, quelles opérations requièrent une validation, quelle trace est conservée et quelle personne reste responsable ? Les conditions d’un usage professionnel administré ne doivent pas être confondues avec celles d’une expérimentation individuelle : les plans, les réglages, les applications connectées et les politiques de traitement peuvent différer.

Le choix du dirigeant n’oppose donc pas immobilisme et délégation totale. Il consiste à définir un périmètre réversible, des droits minimaux, une supervision proportionnée au risque et un mécanisme d’arrêt. L’expérimentation devient utile lorsqu’elle produit aussi de la connaissance sur le processus : quels signaux sont réellement pertinents, quelles exceptions reviennent, où le contexte manque et où la décision humaine apporte une valeur irremplaçable.

Jusqu’ici, l’entreprise choisissait surtout les logiciels dans lesquels ses collaborateurs travaillaient. Elle devra désormais décider quels événements peuvent mobiliser automatiquement sa connaissance, déclencher un raisonnement et provoquer une action. Ce futur « système d’exploitation informationnel » des organisations n’est pas un concept scientifique établi, mais une manière de nommer le déplacement qui s’amorce.

Lorsque l’IA commence à réagir au réel, qui décide de ce qui mérite une réaction ?