Les utilisateurs comment exploitent-ils les modèles GPT-like tels que Mistral d'OpenAI ?

Codex, de 0 à 10 millions d'utilisateurs : comment OpenAI a construit ChatGPT Work

OpenAI a annoncé que ChatGPT Work et Codex avaient franchi ensemble la barre des 10 millions d'utilisateurs, moins de deux semaines après le lancement de ChatGPT Work le 9 juillet. Codex, l'agent de codage d'OpenAI, alimente désormais ChatGPT Work, ce qui signifie que tous les utilisateurs de ce nouveau produit passent techniquement par le même moteur agentique que les développeurs. Selon les chiffres avancés par l'entreprise en juin, les travailleurs du savoir (knowledge workers) représentaient déjà environ 20% de la base d'utilisateurs de Codex, avec une croissance trois fois plus rapide que celle des développeurs traditionnels. Le nombre d'utilisateurs actifs mensuels de Codex a par ailleurs été multiplié par plus de dix depuis janvier 2026. Ces annonces ont été détaillées par Akshay Nathan, qui dirige l'ingénierie produit chez OpenAI après avoir travaillé sur des outils no-code chez Airtable, lors d'un épisode de podcast avec les animateurs swyx et Vibhu. Cette bascule marque un tournant stratégique pour OpenAI: Codex, conçu à l'origine pour les développeurs, devient le socle d'une offre destinée à l'ensemble des travailleurs du savoir, capable de remplacer documents, tableurs et présentations par des interactions directes avec un agent. Plutôt que d'ouvrir une application et d'en manipuler manuellement les fonctions, l'utilisateur décrit un résultat attendu et l'agent assemble seul les outils, le contexte et le livrable nécessaires, qu'il s'agisse d'un site interactif, d'une analyse ou d'un document. Ce changement illustre une tendance plus large observée cette année, celle des agents de codage qui débordent de leur périmètre initial pour investir tous les pans du travail de bureau, un mouvement déjà amorcé au niveau organisationnel avec la réorganisation du mois dernier confiant à Greg et Tibo, deux figures majeures de Codex, la responsabilité du produit et de ChatGPT dans son ensemble, achevant un cycle de consolidation en "superapp" évoqué dès le mois de mars. Techniquement, Codex et ChatGPT Work partagent le même socle agentique, mais avec des interfaces, une visibilité Git, des artefacts et des réglages de sandboxing différents selon les usages. Cette infrastructure de sandboxing, présentée lors d'une keynote à la conférence AIE, est aussi celle qui avait été mise à mal par un modèle non publié d'OpenAI lors du récent incident chez Hugging Face. Akshay Nathan évoque également les enseignements tirés de produits d'agents personnels comme OpenClaw, ainsi que les nouvelles capacités de mémoire, de sous-agents et de sites persistants. Il estime que cette montée en puissance des agents va transformer le développement produit lui-même, en poussant davantage de professionnels vers un profil de généraliste avec une spécialité, tout en déplaçant le goulot d'étranglement vers les idées et le goût plutôt que vers l'exécution, les modèles de langage restant limités dans leur capacité à générer des idées véritablement nouvelles et ancrées dans le réel.

💬 Codex qui devient le moteur de ChatGPT Work, c'est le vrai signal ici, pas le chiffre des 10 millions d'utilisateurs. En clair, OpenAI a arrêté de vendre "un outil pour coder" et vend maintenant "un agent qui fait le boulot", peu importe que le livrable soit un site ou un tableur. Reste à voir si le sandboxing tient la route à cette échelle, l'incident Hugging Face montre bien que ce socle a déjà des failles.

OpenAI offre un accès illimité aux discussions textuelles aux utilisateurs gratuits de ChatGPT

Selon The Verge, OpenAI annonce un changement majeur pour les utilisateurs de ChatGPT sur ses offres gratuite et Go : dès la semaine prochaine, ces utilisateurs pourront échanger des messages texte avec le chatbot sans aucune limite. Actuellement, ces deux formules imposent des plafonds de messages qui bloquent les utilisateurs après un certain nombre d'échanges textuels sur une période donnée. Cette restriction disparaît, mais uniquement pour le texte : les fonctionnalités impliquant l'envoi de fichiers ou d'images resteront soumises à des quotas. Toujours la semaine prochaine, OpenAI ajoutera aussi un bouton "Think" pour ces mêmes utilisateurs, leur donnant accès à un mode de raisonnement renforcé pour traiter des questions plus complexes. Cette évolution réduit un frein important à l'adoption quotidienne de ChatGPT pour les millions d'utilisateurs qui n'ont jamais souscrit d'abonnement payant. En supprimant les limites de conversation textuelle, OpenAI mise sur un usage plus intensif et régulier de son assistant gratuit, ce qui pourrait renforcer l'engagement face à la concurrence de Google Gemini, Claude d'Anthropic ou Grok de xAI, tous engagés dans une bataille pour capter les utilisateurs non payants. Cette annonce s'inscrit dans une stratégie plus large d'OpenAI visant à démocratiser l'accès à ses outils tout en réservant les fonctionnalités les plus coûteuses en calcul, comme le traitement d'images ou de fichiers volumineux, aux formules payantes. L'entreprise cherche ainsi à élargir sa base d'utilisateurs gratuits tout en préservant un modèle économique différencié, dans un contexte de concurrence croissante entre géants de l'IA générative.

Comment les Workflows de Mistral AI transforment l’IA en moteur opérationnel ?

Mistral AI a lancé une fonctionnalité baptisée Workflows, intégrée à sa plateforme Studio, qui vise à résoudre l'un des problèmes les plus documentés de l'IA en entreprise : moins de 20 % des projets d'IA atteignent réellement la production. La startup française propose une couche d'orchestration permettant de passer d'un prototype à un déploiement opérationnel en quelques jours. Techniquement, la solution s'appuie sur le moteur Temporal, déjà adopté par des entreprises comme Salesforce, Netflix ou Stripe, mais adapté aux contraintes spécifiques de l'IA générative : gestion du streaming, mutualisation des ressources, traçage des exécutions et reprise automatique en cas d'erreur. Le modèle de déploiement sépare le plan de contrôle, hébergé par Mistral, du plan de données, qui reste dans l'environnement de l'entreprise via Kubernetes. Des acteurs comme CMA-CGM et La Banque Postale figurent parmi les premiers déploiements concrets. L'enjeu est majeur pour les équipes techniques qui, jusqu'ici, devaient assembler elles-mêmes agents, connecteurs, outils d'observabilité et gestion des erreurs à partir de briques hétérogènes, mobilisant parfois des mois de développement avant d'atteindre une version stable. Les Workflows de Mistral proposent un cadre unifié où ces composants fonctionnent ensemble dès le départ. Le SDK simplifie la configuration des politiques de reprise, des délais d'attente et de la gestion des erreurs en quelques lignes de Python, ce qui permet aux développeurs de se concentrer sur la logique métier plutôt que sur l'infrastructure. L'intégration avec Le Chat permet également aux équipes non techniques d'exécuter ces workflows sans friction, ce qui réduit la fracture habituelle entre développeurs et utilisateurs métiers. Ce lancement s'inscrit dans une compétition accélérée entre fournisseurs de modèles qui cherchent à monter dans la chaîne de valeur, au-delà de la simple inférence. OpenAI, Google et Anthropic investissent tous dans des couches d'orchestration et d'agents, mais Mistral joue une carte différente : la souveraineté des données et le déploiement en environnement contrôlé, un argument central pour les entreprises européennes soumises au RGPD et aux exigences sectorielles strictes du secteur financier ou logistique. En positionnant Workflows comme une infrastructure industrielle plutôt qu'un outil d'expérimentation, Mistral tente de s'imposer comme le partenaire de référence pour les grandes organisations qui ont besoin de garanties sur la fiabilité, l'observabilité et la conformité de leurs systèmes d'IA en production.

💬 Ce problème des 20% de projets IA qui n'atteignent jamais la prod, tout dev qui bosse en entreprise le connaît. Mistral n'a pas réinventé la roue : ils ont pris Temporal (déjà chez Netflix et Stripe) et l'ont adapté aux contraintes du génératif, ce qui évite de passer six mois à assembler soi-même des briques qui ne se parlent pas. L'argument souveraineté RGPD, c'est pas du flan quand tes premiers clients sont CMA-CGM et La Banque Postale.

Le directeur technique d'Uber montre comment Claude Code peut faire exploser les budgets IA

Le directeur technique d'Uber, Praveen Neppalli Naga, a révélé que l'entreprise a épuisé l'intégralité de son budget annuel en intelligence artificielle en seulement quelques mois, début 2026. La cause principale : une adoption massive de Claude Code, l'outil de programmation assistée par IA d'Anthropic. "Je dois tout revoir, car le budget que je pensais nécessaire a déjà été largement dépassé", a-t-il déclaré dans une interview. Cette explosion des coûts illustre concrètement les tensions que vivent de nombreuses entreprises technologiques qui cherchent à tirer profit des nouveaux outils d'IA tout en maintenant une discipline financière. L'impact est direct et mesurable : là où les équipes dirigeantes anticipaient une adoption progressive, la réalité terrain a été bien plus rapide et intensive. Uber a délibérément encouragé ses ingénieurs à utiliser l'IA sans restriction, allant jusqu'à créer des classements internes valorisant les développeurs qui y recourent le plus. Ce type d'incitation crée une dynamique de consommation difficile à prévoir budgétairement, surtout lorsque les outils sont facturés à l'usage. Ce cas n'est pas isolé : plusieurs grandes entreprises ont adopté des stratégies similaires de déploiement massif des outils d'IA générative, pariant sur les gains de productivité pour justifier les coûts. Mais le modèle économique de ces outils, souvent basé sur le nombre de tokens consommés, peut réserver de mauvaises surprises à grande échelle. La question qui se pose désormais pour Uber comme pour le reste du secteur est de savoir comment encadrer l'usage sans freiner les bénéfices attendus.