ChatGPT au travail. OpenAI ouvre des données sur 165 activités
Les nouvelles données rapprochent des messages ChatGPT d’activités professionnelles. Elles décrivent des demandes et pas des emplois remplacés.
Quelles activités les utilisateurs apportent-ils à ChatGPT quand ils travaillent ? Le 26 octobre, OpenAI a publié une nouvelle version de ses données Signals. Elle permet de suivre ces usages par pays et par trimestre. L’intérêt se trouve dans cette finesse nouvelle. Une demande adressée au chatbot ne devient pas pour autant une tâche achevée ni une mesure d’emploi.
Des catégories de travail plutôt que des métiers entiers
OpenAI rapproche les messages de la nomenclature O*NET. Celle-ci décrit des activités qui peuvent traverser plusieurs professions. Préparer un support pédagogique et analyser des données ne désignent donc pas deux métiers remplacés. Ce sont des types d’activité auxquels les demandes peuvent être rattachées. L’annonce couvre près de cent pays entre le premier trimestre 2025 et le troisième trimestre 2026.
Le fichier téléchargeable contient une table par pays et trimestre. Nous y avons contrôlé les colonnes et les périodes. Elle comporte 165 catégories publiées, dont une catégorie de regroupement nommée Other IWA. La France figure dans le fichier. Cette vérification porte sur la structure des données. Elle ne constitue pas une enquête indépendante sur les salariés français.
Ce que contient réellement l’échantillon
La page de présentation des données précise le périmètre des offres individuelles Free et Go ainsi que Plus et Pro. Les échanges des espaces professionnels et l’utilisation de Codex sont exclus. Les pratiques techniques ou les usages d’entreprise peuvent donc être sous-représentés. Un compte personnel utilisé pour le travail appartient à cette observation. Un déploiement institutionnel ne s’y retrouve pas automatiquement.
Le dictionnaire de données v3 décrit un échantillon d’un million de messages par mois pour l’ensemble du dispositif. Il retient des comptes associés à un âge déclaré d’au moins 18 ans. Il exclut les utilisateurs qui ont supprimé leur compte ou refusé l’usage de leurs données pour l’entraînement. Le volume global du dispositif ne correspond donc pas au nombre de messages disponibles dans chaque cellule pays-activité.
Une classification automatique avec des protections statistiques
Des modèles classent les messages après retrait des informations identifiantes. OpenAI indique que les chercheurs ne lisent pas les textes bruts. La publication agrège les résultats et ajoute du bruit statistique. Des seuils écartent les groupes trop petits. Le dictionnaire distingue notamment le seuil de la table O*NET par pays et trimestre des seuils des autres séries. Ces protections réduisent la précision possible dans les découpages fins.
Pourquoi ces chiffres ne mesurent pas la productivité
L’unité observée reste le message. Elle ne renseigne directement ni le temps gagné ni la qualité du livrable. Une personne peut reformuler plusieurs fois la même demande. Une autre peut obtenir une réponse puis abandonner son projet. Ces cas illustrent une limite de lecture des données. Ils ne constituent pas des comportements que nous aurions mesurés dans l’échantillon.
L’annonce compare aussi la répartition des usages avec celle des activités dans l’emploi américain. Les deux distributions diffèrent. OpenAI précise qu’environ 43 % de l’ensemble des tâches pondérées par l’emploi des professions américaines cartographiées tombe dans les autres catégories. Des activités physiques y figurent notamment. On ne peut donc pas transformer la distribution des messages en carte complète du travail réel.
La comparaison dans le temps demande également de conserver la version de la série. La version 3 augmente l’échantillon et recalcule des périodes antérieures. Mélanger un ancien téléchargement avec les nouveaux chiffres pourrait faire passer un changement de méthode pour une évolution des usages. La source et sa date font partie du résultat à comparer.
Une base pour poser de meilleures questions
Je retiens surtout la possibilité de parler d’activités précises plutôt que d’annoncer la disparition d’un métier à partir d’un graphique. Ça rejoint une distinction abordée dans notre article sur les travaux d’Anthropic et les attentes pour 2030. Les observations d’usage et les scénarios économiques répondent à des questions différentes.