ChatGPT Work en pratique :
6 modèles Prompt par métier + recettes Scheduled Tasks (2026)

Pourquoi « savoir utiliser » compte plus que « savoir que ça existe » :

• Décrire les étapes au lieu du résultat : Écrire « ouvrir Salesforce, exporter, puis… » dans le Prompt fait prendre à Work le chemin long et consomme vite le quota.
• Assigner des tâches avant d'autoriser les plugins : Sans Gmail, Slack ou Drive connectés, l'agent devine — et les sorties sont difficiles à valider.
• Sauter Plan Mode sur les tâches à enjeu : Emails externes, rapports financiers et livrables clients exécutés sans relecture du plan créent un risque incontrôlé.
• Choisir le mauvais mode : Utiliser Work pour une simple Q&R ou Chat pour un job cross-app complexe peut multiplier le coût plusieurs fois.

Quel que soit le métier, faites passer chaque tâche Work par ce flux :

1. Connecter les plugins
2. Énoncer l'objectif et le format de sortie
3. Relire Plan Mode
4. Intervenir en cours d'exécution pour corriger
5. Valider les livrables et itérer

Formule Prompt en mode Work :

[Rôle] + [Source de données @plugin] + [Tâche précise] + [Format de sortie] + [Contraintes] + [Critères d'acceptation]

Exemple squelette :
Vous êtes [rôle métier]. Récupérez [type de données] depuis @Salesforce et @Gmail pour [période].
Réalisez [action précise] et produisez en [Google Docs / Excel / PPT / Sites].
Contraintes : [ne pas modifier les données sources / arrondir à deux décimales / ne pas envoyer d'email externe].
À la fin, [me notifier sur Slack / sauvegarder dans un dossier précis].

Checklist de relecture Plan Mode (à confirmer avant exécution) :

• Les sources de données sont-elles correctes (mauvais client ou mauvais mois) ?
• Y a-t-il des actions à haut risque comme « envoyer à l'extérieur », « supprimer » ou « écraser des fichiers » ?
• Le format de sortie correspond-il au modèle de l'équipe ?
• Peut-on supprimer des étapes intermédiaires pour économiser l'usage ?
• Faut-il un point de confirmation humain ?

Ces modèles s'appuient sur les exemples officiels OpenAI, les retours des premiers testeurs (Zapier, Nvidia, Virgin Atlantic) et le Workspace Agent Cookbook. Remplacez les noms @plugin selon votre stack.

3.1 Ventes (Sales)

Scénario A : Briefs réunion client automatiques (planification quotidienne) — Point de friction : les commerciaux passent 1 à 2 heures par jour à assembler le contexte compte. Cas interne OpenAI : conversations de discovery transformées en propositions PoC personnalisées en 24 heures (traditionnellement des semaines).

Créer une tâche planifiée qui s'exécute chaque jour ouvré à 16h00.

1. Vérifier mes réunions client de demain dans @Google Calendar (exclure les réunions internes)
2. Pour chaque réunion client :
   - Récupérer notes de compte et activité depuis @SharePoint / @Salesforce sur les 30 derniers jours
   - Rechercher actualités publiques et mouvements de dirigeants de chaque entreprise sur 30 jours
   - Rédiger un résumé de contexte de 2–3 phrases pour chaque participant externe
3. Générer un brief de 2–3 pages par réunion et sauvegarder en docs @Google Drive
4. M'envoyer un email récapitulatif @Gmail avec liens vers chaque brief

Format de sortie : objet email « Briefs réunions client de demain — [date] »,
corps en tableau (Client | Heure réunion | Sujets clés | Lien brief)

Scénario B : Centre de commande compte (Sites + rafraîchissement quotidien)

À partir de toutes les opportunités, contacts et activité récente pour [nom du compte] dans @Salesforce :

1. Construire un centre de commande compte interactif (Sites) avec :
   - Vue d'ensemble du pipeline (étape, montant, date de clôture prévue)
   - Signaux clés des 7 derniers jours (email, réunions, tickets support)
   - Actions recommandées (triées par priorité)
2. Configurer une Scheduled Task pour rafraîchir le Site chaque jour ouvré à 8h00
3. M'envoyer un DM @Slack en cas de changement significatif

Contraintes : ne pas envoyer automatiquement d'email externe ; les montants doivent correspondre aux données CRM sources.

Scénario C : Revue des leads et réparation du pipeline (adapté du cas Zapier)

Analyser les nouveaux leads @Salesforce des 30 derniers jours et les suivis, croisés avec les emails commerciaux dans @Gmail.

Identifier :
1. Les leads sans suivi depuis plus de 48 heures (groupés par source)
2. Les points de rupture dans la chaîne de suivi (où le taux de réponse chute fortement)
3. La perte de pipeline estimée en montant

Sortie :
- Feuille Excel détaillée (ID lead | Source | Dernier suivi | Type de rupture | Action recommandée)
- PPT résumé exécutif d'une page mettant en avant un risque d'opportunité à sept chiffres
- Un workflow de revue hebdomadaire adapté aux Scheduled Tasks

3.2 Marketing

Scénario A : Recherche → brief → assets multi-marchés (pipeline bout en bout)

J'ai téléversé les matériaux de recherche client suivants : [pièce jointe / lien @Google Drive]

Exécuter un workflow marketing bout en bout :

Phase 1 — Brief :
- Extraire audience cible, pain points centraux, positionnement concurrentiel
- Produire un Campaign Brief (Google Docs) avec piliers de message et recommandations de canaux

Phase 2 — Génération d'assets :
- À partir du brief, créer : 1 email d'acquisition, 3 posts LinkedIn, 1 outline de copy landing page
- Sauvegarder dans le dossier @Google Drive « Campaign / [nom produit] »

Phase 3 — Adaptation régionale :
- Adapter les assets centraux pour US, Europe et APAC (langue, références culturelles, formulations conformes)
- Signaler les formulations sensibles nécessitant une relecture humaine dans chaque version

Pause après chaque phase et attendre ma confirmation avant de continuer.

Scénario B : Activité Slack / Teams synchronisée vers l'ordre du jour (Scheduled Task)

Configurer une tâche planifiée chaque lundi à 7h00 :

1. Résumer les discussions importantes de @Slack #product-launch et du canal @Microsoft Teams « Go-to-Market » sur les 7 derniers jours
2. Extraire : décisions prises, questions ouvertes, blockers à aligner en réunion
3. Mettre à jour le doc « Ordre du jour hebdomadaire » sur @Google Drive (conserver l'historique des versions)
4. Publier un résumé de 5 puces maximum dans @Slack #leadership

Contraintes : ne citer que les discussions publiques ; ne pas divulguer les messages marqués confidentiels.

3.3 Finance

Scénario A : Analyse d'écarts de clôture mensuelle (scénario validé en interne OpenAI — jours compressés en heures)

Aider à réaliser l'analyse d'écarts budgétaires de clôture [mois] :

1. Récupérer les tableaux correspondants depuis @Google Drive « Finance / Actuals » et « Finance / Forecast »
2. Créer un classeur de rapprochement dans @Google Sheets :
   - Résumer les écarts réel vs prévision par département
   - Signaler les postes avec écart >5 % ou >50 K$
   - Conserver toutes les formules originales ; ne pas écraser les fichiers sources
3. Rédiger une narrative de performance (Google Docs) expliquant les causes probables par Revenus / COGS / OpEx
4. Produire un PPT management de 5–8 pages (avec graphiques, style du modèle joint)
5. Lister 3 jugements clés nécessitant une validation humaine finance

Contraintes : ne modifier aucune donnée source ; citer la cellule source pour chaque chiffre.

Scénario B : Rapprochement factures et paiements (première porte d'automatisation AP)

Vous êtes spécialiste comptes fournisseurs. Comparez ces deux jeux de données :
- Registre des paiements : [lien @Google Drive]
- Liste des factures : [lien @Google Drive]

Signaler les exceptions suivantes (retour en tableau) :
| Type de problème | Fournisseur | N° facture | Montant | Action recommandée |
- Écart de montant >2 %
- Numéro fiscal manquant
- Numéro de facture en doublon
- Nom fournisseur non concordant

Ne pas initier de paiements ; produire uniquement une feuille de revue pour approbation humaine.

3.4 Opérations

Scénario A : Surveillance quotidienne des changements de tableau de bord (Scheduled Task)

Exécution automatique chaque jour ouvré à 6h30 :

1. Visiter [URL tableau de bord interne / page rapport @SharePoint]
2. Comparer à l'instantané d'hier ; extraire les changements significatifs (variation >10 % ou nouveaux indicateurs rouges)
3. Générer un brief matinal d'une page (Google Docs) avec :
   - TOP 3 à surveiller aujourd'hui
   - Tableau des variations de métriques
   - Responsables recommandés pour le suivi
4. Envoyer via @Gmail à ops-leads@company.com

Si le tableau de bord est inaccessible, m'en informer en Plan Mode — ne pas inventer de données.

Scénario B : Clustering feedback client → priorités produit

Surveiller les nouveaux feedbacks clients de ces sources sur les 14 derniers jours :
- @Slack #customer-feedback
- Libellé @Gmail « NPS-Detractor »
- @Google Drive « Support Tickets Export »

1. Regrouper les feedbacks en 5–8 thèmes (avec citations représentatives)
2. Prioriser par Fréquence × Impact × Difficulté d'implémentation
3. Produire un backlog de revue produit (format Notion / Google Docs)
4. Configurer une Scheduled Task pour rafraîchir ce doc chaque vendredi

Contraintes : anonymiser les citations ; aucun nom de client.

3.5 Produit

Scénario A : Revue de readiness lancement cross Jira + GTM (adapté du cas Nvidia)

Réaliser une revue de readiness lancement pour [nom produit/fonctionnalité] :

1. Récupérer l'état de complétion Epic / Story liés et les blockers ouverts depuis @Jira
2. Récupérer le plan GTM correspondant depuis @Google Drive « GTM Plans » et vérifier les jalons clés
3. Extraire les discussions non résolues de @Slack #product-launch sur les 7 derniers jours
4. Produire un rapport Launch Readiness (Google Docs) :
   - Score de readiness (Rouge / Jaune / Vert)
   - Liste des blockers (Responsable | Échéance | Niveau de risque)
   - Recommandation Go / No-Go avec justification

Ne pas mettre à jour automatiquement le statut Jira ; signaler les items à haut risque pour décision humaine.

3.6 Ingénierie — Work et Codex ensemble

Pour l'ingénierie, utilisez le mode Codex pour le code et le mode Work pour les documents cross-équipe — basculez dans la même app desktop.

Scénario A : Review PR + notes de release

En mode Codex :
1. Reviewer la PR #123 dans [repo/name], en ciblant [sécurité / performance / couverture de tests]
2. Laisser des commentaires de review ligne par ligne dans le panneau latéral PR
3. Si approuvée, rédiger un brouillon de Release Notes

Puis basculer en mode Work :
4. Formater les Release Notes pour @Confluence
5. Rédiger une annonce pour @Slack #engineering (ne pas envoyer automatiquement)

Scénario B : Résumé hebdomadaire issues multi-repo (capacité multi-repo Codex)

En mode Codex, sur [frontend-repo] et [backend-repo] :
1. Résumer les PR fusionnées cette semaine et les issues P0/P1 ouvertes
2. Générer un rapport hebdomadaire ingénierie en Markdown

Basculer en mode Work :
3. Convertir en Google Docs et insérer le burndown chart de la semaine (depuis @Jira)
4. Configurer une Scheduled Task pour générer automatiquement chaque vendredi à 17h00

Formulation Prompt pour configurer les Scheduled Tasks :

Configurer une Scheduled Task :
- Fréquence : [quotidien / chaque lundi / 1er du mois / quand un mot-clé apparaît dans un canal @Slack]
- Heure : [fuseau horaire + heure précise]
- Action : [description précise du workflow]
- Notification : [canal Slack / email / aucune]
- Validation humaine : [quelles étapes nécessitent mon approbation d'abord]

Checklist de sécurité avant exécutions sans surveillance :

• Accès plugins limité aux outils nécessaires uniquement
• « Envoi automatique à l'extérieur » désactivé sauf besoin explicite
• Chemin d'archivage des sorties défini pour éviter d'écraser les fichiers d'autrui
• Enterprise : confirmer les politiques réseau agent approuvées par l'admin
• Valider avec 2–3 exécutions uniques avant de passer en planifié

Six étapes pour livrer votre première tâche Work :

1. Installer l'app desktop : Télécharger depuis chatgpt.com/download (mettre à jour une ancienne install Codex fonctionne aussi).
2. Connecter les plugins essentiels : Autoriser les 2–3 outils les plus utilisés dans votre métier — Gmail, Slack, Google Drive — dans le Plugins Directory.
3. Choisir une tâche familière : Utiliser le modèle métier ci-dessus en mode Work pour une exécution unique (écarts de clôture ou brief commercial sont de bons points de départ).
4. Relire Plan Mode : Vérifier sources de données, actions à haut risque et format de sortie ; supprimer les étapes inutiles.
5. Valider et itérer les Prompts : Contrôler les livrables selon votre standard manuel ; intégrer les contraintes dans le Prompt suivant.
6. Passer en Scheduled Task : Après 2–3 exécutions uniques stables, configurer planification, déclencheurs et notifications selon les recettes ci-dessus.

ChatGPT Work partage un pool d'usage avec Codex. Le même workflow, conçu différemment, peut coûter 5 fois plus.

Sept pratiques pour économiser :

1. Brouillonner d'abord en mode Chat, puis confier une version épurée à Work pour l'exécution
2. Supprimer les étapes redondantes en Plan Mode, surtout les récupérations répétées depuis la même source
3. Réutiliser le même doc modèle dans les Scheduled Tasks pour bénéficier des remises cache
4. Demander une sortie concise : « tableau + 3 puces résumé » bat « rapport narratif complet »
5. Découper les gros jobs : Phase 1 confirme la direction → Phase 2 génère les livrables, évitant les refontes coûteuses
6. Utilisateurs gratuits : lancer d'abord de petites tâches sur desktop ; mesurer la consommation avant de scaler
7. Équipes Enterprise : définir des quotas workspace / groupe / individu dans Admin Console

Estimation d'usage en cinq étapes avant mise en production : Choisir une tâche réelle avec temps manuel connu → exécuter une fois en Plan Mode et compter les étapes → vérifier la consommation de cette exécution → estimer quotidien/hebdo/mensuel vs budget → optimiser selon ci-dessus et relancer pour comparer.

Faits citables (EEAT) :

• Compression clôture mensuelle : OpenAI a validé en interne l'analyse d'écarts de clôture de « jours » à « heures » (blog OpenAI, 2026-07-09).
• Multiplicateur tokens de sortie : Les tokens de sortie en mode Work coûtent environ 6× l'entrée — privilégier les sorties tabulaires pour les longs rapports.
• Remise cache : Les Scheduled Tasks relisant le même doc modèle paient environ 1/10 de l'entrée fraîche pour les lectures en cache.

FAQ :

• Quel workflow métier pratiquer en premier ? Choisissez une tâche que vous connaissez assez pour juger la qualité de sortie. OpenAI recommande : écarts de clôture, brief marketing ou préparation réunion commerciale.
• Quelle longueur pour un Prompt ? Concentrez-vous sur source de données + format de sortie + contraintes — 150–400 mots suffisent en général. N'écrivez pas chaque étape manuelle.
• Les tâches planifiées peuvent-elles tourner laptop éteint ? Les Scheduled Tasks desktop nécessitent l'appareil en ligne. Pour une exécution de fond vraiment sans surveillance, utilisez Workspace Agent web sur Plus ou au-dessus.
• Mode Work vs Workspace Agent ? Work est le mode agent que vous utilisez directement dans ChatGPT ; Workspace Agent est construit, partagé et gouverné par les équipes sur Business/Enterprise.
• Les PPT/Excel générés peuvent-ils aller directement aux parties prenantes ? Traitez-les comme un « brouillon à 80 % ». Chiffres financiers, noms clients et déclarations externes nécessitent une relecture humaine.
• Quels modèles les utilisateurs gratuits peuvent-ils exécuter ? Work desktop est disponible avec limites. Commencez par des tâches légères comme le rapprochement de factures ; évitez l'automatisation long cycle avant de connaître votre quota.

Sources primaires — revérifier les liens après mises à jour upstream :

https://openai.com/index/chatgpt-for-your-most-ambitious-work/

https://developers.openai.com/cookbook/articles/chatgpt-agents-sales-meeting-prep

https://learn.chatgpt.com/docs/whats-new

ChatGPT Work excelle quand il élimine les workflows manuels dont vous avez assez — mais faire tourner des agents sur un laptop personnel heurte des limites dures : le sommeil tue les jobs longs, les agents parallèles se disputent CPU/RAM, et les équipes manquent de frontières d'audit uniformes. Pour des configurations de production nécessitant des gateways 24/7, CI Codex multi-repo ou nœuds OpenClaw, la location bare metal Mac Mini CALMVPS convient mieux : Apple Silicon dédié, accélération Metal native, facturation mensuelle flexible, provisionnement ~120 s — déléguer les runs agents lourds au cloud tout en validant les plans localement. Tarifs : page tarifs.