OpenAI a lancé le 10 septembre un agent Data dans ChatGPT Work, sa plateforme entreprise. Le principe : brancher les entrepôts de données de l'entreprise (BigQuery, Snowflake, Databricks, Redshift, ClickHouse, MongoDB, Datadog) et poser ses questions en langage naturel, « pourquoi le chiffre d'affaires baisse-t-il ? », sans écrire de SQL. L'agent exécute les requêtes, construit des tableaux de bord interactifs et peut même créer ou modifier des dashboards directement dans Tableau, Power BI, Sigma, ThoughtSpot, Oracle BI et Omni. Deux jours après l'ouverture de l'Agents API, OpenAI continue de transformer ChatGPT en couche d'accès universelle au système d'information.
- L'agent Data se connecte aux entrepôts (BigQuery, Snowflake, Databricks...), aux fichiers Drive et SharePoint, et pilote les outils de BI existants (Tableau, Power BI, Sigma...) au lieu de les remplacer.
- Les requêtes héritent des permissions existantes du compte connecté, jusqu'au niveau table, ligne et colonne : l'agent ne voit que ce que l'utilisateur a le droit de voir.
- Activation par l'administrateur du workspace (Settings > Plugins), réservé à ChatGPT Work et Codex ; ni le prix ni la disponibilité par région ne sont précisés.
La couche sémantique, vrai verrou du text-to-SQL
Générer du SQL depuis une question en langage naturel n'a rien de nouveau, et c'est précisément là que les déploiements échouent. Sur le benchmark Spider 2.0, qui teste des bases d'entreprise réelles avec plus de 1 000 colonnes et des requêtes de plus de 100 lignes, GPT-4o ne résolvait que 10,1 % des tâches, contre 86,6 % sur le benchmark académique Spider 1.0. Les meilleurs agents actuels montent à 76 % sur la variante Lite et 65,6 % sur les workflows dbt. Autrement dit : sur de vraies données, l'erreur reste fréquente, et une réponse fausse mais bien formulée est plus dangereuse qu'une absence de réponse.
OpenAI attaque le problème par la couche sémantique : l'agent s'appuie sur les définitions de métriques déclarées dans dbt, Databricks Genie, Snowflake Horizon ou un dépôt GitHub, plutôt que de deviner ce que signifie « chiffre d'affaires » dans un schéma de 400 tables. La documentation d'OpenAI recommande d'ailleurs explicitement de poser un entrepôt et une couche sémantique avant d'ouvrir l'accès. C'est le même pari que Databricks avec Genie et Snowflake avec Cortex Analyst, à une différence près : ces deux-là restent chacun dans leur écosystème, quand OpenAI se place au-dessus de toute la pile, entrepôts, BI et messagerie confondus.
L'autre verrou traité, c'est la gouvernance : les requêtes respectent les permissions existantes, y compris les restrictions par ligne et par colonne, et l'administrateur contrôle par rôle qui accède à quelle connexion. C'était l'objection numéro un des DSI face aux premiers connecteurs ChatGPT.
Mon avis : notable, pas un basculement. La brique technique existait chez les concurrents ; ce qui change, c'est la distribution, car l'analyste occasionnel vit déjà dans ChatGPT. Pour une entreprise française, la question qui fâche reste entière : ni tarif, ni localisation des traitements, ni disponibilité UE ne sont documentés à ce stade, un point à éclaircir avant tout déploiement RGPD.
Ce que ça change pour vous
Si votre équipe a un entrepôt structuré avec une couche sémantique propre, l'agent Data peut réellement raccourcir le chemin entre une question métier et un chiffre fiable. Cas concret côté SEO : l'export en masse de Search Console vers BigQuery devient interrogeable en langage naturel, « quelles pages ont perdu des impressions depuis le 15 août ? », sans écrire une ligne de SQL, et le résultat part dans un dashboard partagé sur Slack.
Si vos données vivent dans des exports CSV et des Google Sheets épars, rien ne change : l'agent lit les fichiers Drive et SharePoint, mais sans définitions de métriques, il héritera des ambiguïtés de vos fichiers. Et si vous êtes sur ChatGPT Plus ou Pro à titre individuel, ce lancement ne vous concerne pas, c'est du Work uniquement.
- Vérifie dans ChatGPT Work si l'agent apparaît sous Workspace settings > Plugins > Data, et active-le d'abord pour un petit groupe pilote via les rôles.
- Teste-le sur l'export en masse Search Console vers BigQuery avec trois questions dont tu connais déjà la réponse exacte, et compare les chiffres avant d'y croire.
- Déclare tes métriques clés (sessions, conversions, CA) dans dbt ou dans la couche sémantique de ton entrepôt avant d'ouvrir l'accès aux équipes métier.
Sources
- OpenAI - Now everyone can put data to work (10 septembre 2026)
- OpenAI Help Center - Using the Data plugin in ChatGPT Work and Codex
- Techzine - ChatGPT can build Power BI and Tableau dashboards with a simple question (11 septembre 2026)
- Spider 2.0 - Leaderboard officiel du benchmark text-to-SQL d'entreprise
Source : Openai.com
Cet article a été rédigé avec l’assistance d’un modèle de langage (LLM).
