Créer un GPT personnalisé : instructions, connaissances et capacités

Construisons pas à pas un assistant d'onboarding interne sous forme de Custom GPT, en configurant ses instructions, en chargeant des fichiers de connaissances et en activant exactement les capacités dont il a besoin. Un Custom GPT est une configuration de ChatGPT enregistrée et partageable : un system prompt, des fichiers optionnels, des outils optionnels et des Actions optionnelles, regroupés sous un même nom. Vous n'entraînez pas un modèle. Vous empaquetez un comportement.

Nous appellerons le nôtre Onboard Buddy, le GPT qui répond aux questions de première semaine d'une nouvelle recrue sur les avantages sociaux, les outils et qui fait quoi.

Où le crcrLe pourcentage de visiteurs ou de prospects qui réalisent une action attendue (achat, inscription, formulaire de contact), calculé en divisant les conversions par le nombre total d'opportunités.Voir la définition complète →éererLe rapport entre les interactions (likes, commentaires, partages) et le reach d'un contenu, utilisé pour mesurer la réaction de l'audience au regard du nombre de personnes touchées.Voir la définition complète → et qui peut l'utiliser

Les Custom GPTs se trouvent sur chatgpt.com/gpts, et vous en créez un via le bouton Create ou le Builder à l'adresse chatgpt.com/gpts/editor. Il faut un plan payant (Plus, Pro, Team ou Enterprise/Edu) pour en créer.

Une décision conditionne tout le reste : la distribution. Pour un assistant interne, vous voulez presque à coup sûr un workspace Team ou Enterprise, où vous pouvez publier un GPT pour « Only people in [workspace] » plutôt que « Anyone with the link » ou le GPT Store public. Cela évite que votre PDF d'avantages sociaux se retrouve sur l'internet ouvert. Voir les notes d'OpenAI sur les Custom GPTs pour les options de partage actuelles.

L'onglet Configure, c'est là que tout se passe

Le builder a deux onglets : Create (un assistant conversationnel) et Configure (le formulaire). L'assistant convient pour un premier jet, mais tout GPT sérieux se règle dans Configure. Cet onglet contient :

• Name et Description
• Instructions (le system promptsystem promptLes instructions cachées qui définissent le comportement d'un assistant IA avant toute question : son rôle, son ton, ses limites et ses règles.Voir la définition complète →)
• Conversation starters (premiers messages suggérés)
• Knowledge (fichiers chargés)
• Capabilities (Web Search, Canvas, Image Generation, Code Interpreter & Data Analysis)
• Actions (appels APIAPIApplication Programming Interface : une interface standardisée qui permet aux applications de communiquer et d'échanger des données sans connaître leur fonctionnement interne respectif.Voir la définition complète → personnalisés)

Passons en revue ceux qui comptent.

Instructions : écrivez-les comme une procédure

Les instructions sont les consignes permanentes du GPT. Elles sont ajoutées en amont de chaque conversation, donc traitez-les comme un contrat, pas comme une intention vague. Pour Onboard Buddy :

You are Onboard Buddy, the onboarding assistant for new hires at Acme Co.

SCOPE
- Answer questions about benefits, IT setup, tooling, policies, and team ownership.
- Use ONLY the uploaded knowledge files for any factual claim about Acme.
- If the answer is not in the files, say so and point to #ask-people-ops in Slack.
  Never guess about policy, salary, or legal topics.

STYLE
- Concise. Lead with the answer, then a short "why" if useful.
- New hires are non-technical by default. Avoid internal jargon or define it once.

BEHAVIOR
- When asked "who owns X", cite the team and the named contact from team-directory.md.
- For step-by-step setup, output a numbered checklist.
- End answers that touch HR or payroll with: "Confirm with People Ops before acting."

Trois habitudes qui distinguent de bonnes instructions de mauvaises :

Ancrez explicitement aux connaissances. La ligne « Use ONLY the uploaded knowledge files » plus une porte de sortie (« If the answer is not in the files, say so ») est ce qui empêche votre GPT d'inventer avec assurance une politique de congé parental.

Précisez le comportement de refus. Dites-lui ce qu'il ne doit PAS répondre. Pour un bot proche des RH, « never guess about salary or legal topics » est une fonction de sécurité, pas une coquetterie.

Définissez le format là où ça compte. « Output a numbered checklist » produit des guides d'installation cohérents et scannables au lieu de pavés de prose.

Gardez les instructions focalisées. La limite de caractères est généreuse, mais un brief serré de 300 mots fait mieux qu'un texte décousu de 2 000 mots, parce que le modèle pondère mieux des règles claires et non contradictoires.

Les conversation starters sont utiles

Ce sont les prompts cliquables sur l'écran d'accueil du GPT. Faites-les correspondre aux vraies questions de première semaine :

• « Comment configurer mon ordinateur portable et le VPN ? »
• « Quelle est notre mutuelle et quand démarre-t-elle ? »
• « Qui est responsable du pipelinepipelineL'ensemble des opportunités commerciales actives réparties selon les étapes du processus de vente, avec leur valeur potentielle cumulée et leur probabilité de conclusion.Voir la définition complète → de déploiement ? »
• « Explique-moi les notes de frais. »

De bons starters documentent discrètement l'usage du GPT et réduisent la friction du « qu'est-ce que tu sais faire ? ».

Knowledge : des fichiers, pas du fine-tuningfine-tuningLe fine-tuning adapte un modèle pré-entraîné à une tâche ou un domaine précis en poursuivant son entraînement sur un jeu de données plus petit et ciblé, ce qui améliore la précision et le style pour ce cas d'usage.Voir la définition complète →

La section Knowledge est l'endroit où vous chargez des documents de référence. En coulisses, cela donne au GPT une capacité de retrieval sur vos fichiers, le même pattern RAGRAGMéthode qui permet à un modèle d'IA de répondre à partir de vos propres documents, en récupérant les passages pertinents avant de générer une réponse.Voir la définition complète → que vous connaissez déjà, sans aucune configuration de votre part. Chargez le matériau source réel :

• benefits-2026.pdf
• it-onboarding.md
• team-directory.md
• pto-and-leave-policy.pdf
• expense-policy.pdf

Quelques réalités à intégrer dans votre conception :

La structure compte plus que le volume. Un fichier Markdown propre avec des titres clairs se récupère mieux qu'un PDF scanné de 90 pages. Si un document est brouillon, convertissez-le en Markdown ou découpez-le par thème avant de le charger.

Un concept par fichier est plus facile à maintenir. Quand les avantages 2026 changent, vous remplacez un fichier au lieu de réécrire un monolithe.

Les fichiers sont visibles si Code Interpreter est activé. C'est un enjeu de confidentialité. Si vous activez Code Interpreter & Data Analysis, un utilisateur avisé peut parfois amener le GPT à lister ou restituer les fichiers chargés. Ne mettez pas de secrets, de PII brutes ou de grilles de rémunération non publiées dans Knowledge. Considérez que tout ce que vous chargez est lisible par quiconque peut utiliser le GPT.

Knowledge est statique. C'est un instantané pris au moment du chargement. Pour des données qui changent chaque jour (postes ouverts, statut de ticket), il vous faut plutôt une Action ou un Connector, abordés ci-dessous.

Capacités : n'activez que ce que le travail exige

Chaque capacité est une case à cocher. Plus d'outils signifie plus de surface pour que le GPT s'égare, alors activez à bon escient.

Web Search

Permet au GPT de puiser sur l'internet en direct. Pour Onboard Buddy, désactivez-le. Vous voulez des réponses ancrées dans vos fichiers, pas une supposition trouvée sur le web public à propos d'une « politique de congés standard ». Web Search convient à un GPT de recherche concurrentielle, pas à une autorité de politique interne qui doit rester interne.

Canvas

Ouvre un espace d'édition côte à côte pour des documents plus longs et du code. Utile si votre GPT aide à rédiger (un plan 30-60-90 jours, un e-mail de bienvenue). Pour un pur assistant de questions-réponses, facultatif. Activez-le si vous prévoyez que les nouvelles recrues co-rédigent des documents d'onboarding avec l'assistant.

Image Generation

Permet au GPT de créer des images. Pour un assistant d'onboarding, off. Aucune raison qu'un bot d'avantages sociaux génère des images, et le désactiver garde le GPT focalisé.

Code interpreter & data analysis

Aussi appelé Advanced Data Analysis : un environnement Python en sandbox capable d'exécuter du code, de lire des tableurs et de produire des graphiques. Pour Onboard Buddy, off par défaut, à la fois parce que c'est inutile et à cause du problème d'exposition des fichiers évoqué plus haut. Vous l'activeriez pour, par exemple, un GPT analytique qui traite un CSV de réponses à une enquête.

Pour notre assistant d'onboarding, la bonne configuration est : toutes les capacités désactivées, fichiers de connaissances activés, instructions serrées. Une config ennuyeuse est souvent la bonne.

Actions et Connectors : quand les connaissances statiques ne suffisent plus

Les fichiers de connaissances répondent à « quelle est la politique ». Ils ne peuvent pas répondre à « mon ticket pour l'ordinateur portable est-il validé ». Pour des données en direct et propres à chaque utilisateur, il vous faut les GPT Actions : le GPT appelle une API externe en cours de conversation, à partir de votre schémamaUtiliser un logiciel pour automatiser les tâches et campagnes marketing répétitives, afin de personnaliser à grande échelle sur des canaux comme l'email, le web et le social.Voir la définition complète → OpenAPI, et intègre la réponse à la sienne. C'est la même idée que le function calling dans l'API, exposée à l'intérieur de ChatGPT.

Vous définissez une Action en collant une spécification OpenAPI et en paramétrant l'authentification (clé API ou OAuth). Supposons que votre système IT expose un endpoint « statut de ticket ». Un schéma minimal ressemble à ceci :

openapi: 3.1.0
info:
  title: Acme IT Tickets
  version: "1.0"
servers:
  - url: https://it.acme.internal/api
paths:
  /tickets/{ticketId}:
    get:
      operationId: getTicketStatus
      summary: Get the status of an onboarding IT ticket
      parameters:
        - name: ticketId
          in: path
          required: true
          schema:
            type: string
      responses:
        "200":
          description: Ticket found
          content:
            application/json:
              schema:
                type: object
                properties:
                  status: { type: string }
                  assignee: { type: string }
                  eta: { type: string }

Avec cela en place, une nouvelle recrue peut demander « quel est le statut du ticket IT-4821 ? » et le GPT appelle getTicketStatus, puis répond en langage clair. Le operationId et le summary ne sont pas décoratifs : le modèle les lit pour décider quand et comment appeler l'endpoint, donc rédigez-les de façon descriptive.

Le guide officiel mérite d'être mis en favori : [Actions in GPTs](https://platform.openai.com/docs/actions/introduction).

Les Connectors sont le cousin moins coûteux en effort. Dans Team et Enterprise, OpenAI propose des Connectors gérés vers des sources comme Google Drive, SharePoint et d'autres, pour que le GPT puisse chercher dans les documents de l'entreprise sans que vous écriviez de schéma. Si vos documents d'onboarding vivent déjà dans Google Drive, un Connector peut valoir mieux que recharger des fichiers dans Knowledge, parce qu'il reste synchronisé. Utilisez Knowledge pour des PDF de référence stables, les Connectors pour des bases documentaires vivantes, et les Actions pour des consultations transactionnelles, propres à chaque utilisateur.

Testez, puis publiez à bon escient

Avant de partager, utilisez le volet Preview à droite du builder. Faites des tests adverses, pas seulement les cas idéaux :

• Posez une question absente des fichiers : admet-il le manque et renvoie-t-il vers Slack, ou fabrique-t-il ?
• Posez une question hors périmètre (« quel est notre chiffre d'affaires du T3 ? ») : refuse-t-il ?
• Posez une question RH : ajoute-t-il la ligne « Confirm with People Ops » ?

Si le comportement dérive, corrigez les instructions, pas les connaissances. La plupart des écarts viennent d'une règle manquante.

Quand ça passe, cliquez sur Create / Update et choisissez l'audience. Pour Onboard Buddy, sélectionnez l'option limitée à votre workspace. Évitez « Anyone with a link » pour tout ce qui contient des documents internes, et évitez totalement le GPT Store public pour des outils internes.

Une remarque de cadrage

Un Custom GPT est l'extrémité no-code du spectre OpenAI. Quand vous le dépassez (besoin de versioning, d'évaluations automatisées, d'orchestration multi-étapes, ou d'intégrer l'assistant dans votre propre application), la même logique se déplace vers l'API : les instructions deviennent un system message, les Actions deviennent du function calling ou des tools, et Knowledge devient votre propre pipeline de retrieval ou un outil hébergé de file search. Le Custom GPT est souvent le prototype que vous validez avant de le reconstruire avec la Responses API et l'Agents SDK.

Points clés

• Écrivez les instructions comme une procédure : définissez le périmètre, un ancrage explicite « use only the knowledge files » avec une porte de sortie, des règles de refus et un format de sortie. La plupart des mauvais comportements viennent d'une règle manquante, donc corrigez les instructions avant de toucher aux fichiers.
• Considérez Knowledge comme public pour votre audience. Ne chargez jamais de secrets ni de PII brutes, surtout si Code Interpreter est activé, puisque les fichiers chargés peuvent être exposés.
• Activez les capacités à bon escient. Pour un GPT interne de questions-réponses, la bonne config est généralement tout désactivé plus des instructions serrées. Chaque outil ajouté est une marge de dérive supplémentaire.
• Faites correspondre la source à la nature de la donnée : Knowledge pour des PDF stables, Connectors pour des bases documentaires vivantes qui doivent rester synchronisées, Actions pour des consultations en direct propres à chaque utilisateur via un schéma OpenAPI.
• Publiez dans votre workspace, pas dans le Store public, pour tout ce qui est interne, et voyez le Custom GPT comme un prototype rapide que vous pourrez reconstruire plus tard sur la Responses API quand vous aurez besoin d'échelle et de contrôle.