+150 XP

ChatGPT · Partage, gouvernance et Custom GPTs en entreprise

Un Custom GPT dispose d'un petit nombre d'options de visibilité : privé, partagé avec des personnes précises ou par lien, ou publié dans un store (le GPT Store public, ou le store interne de votre workspace). C'est en choisissant la mauvaise option qu'un GPT de sales enablement finit par indexer vos tarifs non annoncés, ou qu'un « petit assistant interne » devient une charge de support dont personne n'est responsable. Cette leçon porte sur les bons choix à faire avant qu'une équipe ne dépende de l'outil.

Les options de visibilité, précisément

Quand vous construisez un GPT dans l'éditeur, la boîte de dialogue Share vous propose :

  • Only me (privé) : l'option par défaut. Le GPT n'existe que dans votre compte.
  • Specific people or groups : disponible dans un workspace Business ou Enterprise. Vous désignez qui peut l'utiliser (et, lorsque c'est autorisé, qui peut le modifier).
  • Anyone with the link : utilisable par toute personne disposant de l'URL. Sur un abonnement personnel, cela peut être public. Dans un workspace Business ou Enterprise, « lien » signifie lien *au sein du workspace*, sauf si votre admin autorise le partage externe.
  • GPT Store : publié et visible dans la recherche. Sur Business/Enterprise, vous pouvez publier dans le store interne de votre workspace plutôt que dans le store public.

La distinction qui piège les utilisateurs : dans un workspace, le partage est borné par le workspace. Un GPT partagé par lien est accessible à vos collègues, pas à l'internet ouvert, lorsque votre admin a verrouillé le partage externe. Vérifiez cette hypothèse avant de considérer que « lien uniquement » veut dire « interne uniquement ». Consultez la présentation d'OpenAI sur les Custom GPTs dans Business et Enterprise.

(ChatGPT Team a été renommé ChatGPT Business en 2025. Les anciennes documentations et captures d'écran d'administration peuvent encore mentionner « Team ».)

Ce qui circule réellement quand vous partagez

C'est le point sur lequel la plupart des créateurs se trompent. Quand vous partagez un GPT, vous partagez sa configuration : les instructions, les conversation starters, les capacités activées (recherche web, Code Interpreter, génération d'images), les éventuelles Actions (appels d'API qu'il peut effectuer) et tous les fichiers que vous avez chargés dans sa Knowledge.

Ces fichiers de Knowledge comptent. Si vous avez chargé un tableur de marges internes pour que le GPT puisse raisonner dessus, chaque utilisateur de ce GPT peut en extraire le contenu. Un utilisateur obstiné peut demander au GPT d'afficher ses instructions ou de restituer ses fichiers de Knowledge mot pour mot, et il le fait souvent. Considérez que tout ce qui figure dans la configuration d'un GPT est lisible par tous ceux qui peuvent l'utiliser.

Un scénario de déploiement concret

Prenons un cas réel. Votre équipe RevOps veut un GPT « Deal Desk Assistant » qui aide les account executives à rédiger des demandes d'approbation de devis. Il doit :

  1. Répondre aux questions à partir d'une politique interne de remises (un PDF).
  2. Consulter les données de deals en temps réel dans votre CRM.
  3. Rédiger une demande d'approbation structurée.

Voici comment le partage, la gouvernance et la sécurité des données interviennent dans ce projet.

Étape 1 : définir l'audience en premier, pas en dernier

L'audience, ce sont « les AE de notre workspace », pas le public. Il s'agit donc d'un GPT publié dans le workspace (ou partagé avec un groupe d'AE), détenu par le compte admin RevOps, et non par une personne susceptible de quitter l'entreprise. La propriété relève de la gouvernance : un GPT détenu par un salarié parti est un GPT que personne ne peut mettre à jour.

Dans Enterprise, un admin peut définir qui a le droit de *créer* et de *publier* des GPTs, et peut contrôler ce qui est publié dans le store interne. Si vous êtes le créateur, renseignez-vous sur la politique de votre workspace avant d'investir une semaine dans un outil que l'IT bloquera.

Étape 2 : la politique de remises (Knowledge, pas copier-coller)

Vous joignez le PDF de la politique en Knowledge. Deux questions de sécurité se posent aussitôt :

  • Ce PDF peut-il être lu en intégralité par chaque AE ? S'il contient des seuils réservés à la direction, scindez le document. Ne mettez dans le GPT que les règles destinées aux AE.
  • Le GPT va-t-il divulguer le fichier ? Ajoutez une instruction qui décourage la restitution mot pour mot, mais ne comptez pas dessus comme mesure de contrôle. Le vrai contrôle consiste à *ne rien charger que l'audience ne devrait pas avoir.*

Étape 3 : les données CRM en temps réel (c'est une Action)

Un PDF statique, c'est simple. Les données en temps réel, c'est là que la gouvernance devient sérieuse. Pour récupérer des fiches de deals, le GPT a besoin d'une GPT Action : un schéma OpenAPI décrivant un endpoint que le GPT peut appeler, plus une méthode d'authentification.

Voici un schéma d'Action minimal pour une consultation de deal en lecture seule :

yaml
openapi: 3.1.0
info:
  title: Deal Lookup
  version: "1.0.0"
servers:
  - url: https://api.internal.example.com
paths:
  /deals/{dealId}:
    get:
      operationId: getDeal
      summary: Fetch a single deal by ID
      parameters:
        - name: dealId
          in: path
          required: true
          schema: { type: string }
      responses:
        "200":
          description: Deal record
          content:
            application/json:
              schema:
                type: object
                properties:
                  id: { type: string }
                  amount: { type: number }
                  stage: { type: string }
                  discountPct: { type: number }

Trois règles de gouvernance pour les Actions comptent davantage que le schéma :

  • Authentifiez correctement. Les GPT Actions prennent en charge les clés d'API et OAuth. Pour un accès par utilisateur (afin que le GPT ne voie que les deals qu'un AE donné peut voir), utilisez OAuth pour que la requête s'exécute au nom de l'utilisateur connecté, et non avec une clé de service partagée. Une clé partagée signifie que chaque AE interroge avec les mêmes droits, ce qui revient en général à accorder trop d'accès.
  • Limitez l'endpoint à la lecture seule. Ce GPT ne doit jamais appeler un endpoint qui *modifie* un deal. Exposez GET, pas POST/DELETE. Plus la surface d'API est étroite, plus le blast radius est réduit.
  • Surveillez la sortie des données. Quand le GPT appelle votre Action, il envoie les données de la requête aux serveurs d'OpenAI pour générer la réponse. Vérifiez que ce flux est acceptable au regard de votre politique de données. Sur Business/Enterprise, les données métier du workspace ne servent pas par défaut à entraîner les modèles d'OpenAI, mais « pas utilisées pour l'entraînement » n'est pas la même chose que « ne quittent jamais votre réseau ». Elles quittent bien votre réseau. Consultez les engagements de confidentialité Enterprise.

Étape 4 : le brouillon structuré (capacités)

La tâche « rédiger une demande d'approbation » gagne à suivre une forme constante. Dans les instructions du GPT, précisez le modèle de sortie exact. Vous ne disposez pas des structured outputs imposés par JSON schema de l'API dans un Custom GPT (c'est une fonctionnalité de l'API), mais une instruction bien rédigée et un conversation starter vous donnent une mise en forme fiable pour des brouillons destinés à des humains.

Si l'équipe a besoin plus tard d'une sortie lisible par machine *garantie* (par exemple pour enregistrer automatiquement les approbations), c'est le signal qu'il faut passer d'un Custom GPT à une intégration API avec la Responses API et les structured outputs. Nous revenons sur cette frontière plus bas.

Les questions de gouvernance à trancher avant le lancement

Parcourez cette checklist avec le responsable des risques. Aucun de ces points n'est facultatif pour un GPT dont une équipe dépend.

Classification des données. Quelle est la donnée la plus sensible que ce GPT peut toucher, via les fichiers de Knowledge *et* via les Actions ? Classez-le à ce niveau et appliquez vos règles de traitement existantes. Le GPT ne bénéficie d'aucune dérogation.

Identité et accès. Qui peut l'utiliser ? Dans Business et Enterprise, l'accès à un GPT peut être limité à des personnes ou à des groupes, et le SSO détermine qui fait partie du workspace. Vérifiez que l'offboarding (le départ d'une personne) supprime bien son accès. C'est le cas si l'accès passe par le workspace, mais vérifiez-le pour les GPTs partagés par lien.

Auditabilité. Les workspaces Enterprise offrent des contrôles d'administration, une visibilité sur l'usage et la Compliance API pour récupérer les données de conversation et d'audit. Si vous devez pouvoir répondre à « qui a interrogé le Deal Desk Assistant sur le deal X », ce dispositif doit être en place *avant* le lancement, pas après un incident. Consultez les fonctionnalités de conformité et d'administration Enterprise.

Memory et Projects. Sachez où l'état est stocké. Memory et les custom instructions constituent un contexte personnel propre à chaque utilisateur, ils ne font pas partie de la configuration partagée du GPT et ne fuient donc pas d'un utilisateur à l'autre. En revanche, si votre équipe travaille dans un Project partagé, les fichiers et instructions ajoutés à ce Project sont partagés avec ses membres. Ne confondez pas un Project (un espace partagé de conversations et de fichiers) avec un Custom GPT (un assistant configuré). Leurs modèles de partage diffèrent.

La frontière des hallucinations. Un Deal Desk Assistant qui *paraît* faire autorité sur la politique de remises peut inventer un seuil avec aplomb. Décidez de ce pour quoi il a le droit d'être la source de référence. Bonne pratique : demandez-lui de citer la section de la politique concernée et de refuser plutôt que de deviner lorsque la politique ne dit rien.

Vérification des acquis

1. Quand vous partagez un Custom GPT avec des collègues, qu'est-ce qui devient réellement accessible à tous ceux qui peuvent l'utiliser ?

2. Pourquoi est-il risqué de considérer que « Anyone with the link » signifie automatiquement « interne uniquement » dans un workspace Team ou Enterprise ?

3. Un créateur charge un tableur de marges internes dans la Knowledge d'un GPT pour qu'il raisonne sur ces données, puis partage le GPT avec l'équipe élargie. Quelle est la bonne façon de considérer ces données ?

CHOIX MULTIPLES

4. Sélectionnez TOUS les états de visibilité valides pour un Custom GPT tels que décrits dans la leçon.

Sélectionnez toutes les réponses correctes.

CHOIX MULTIPLES

5. Sélectionnez TOUTES les affirmations qui relèvent d'un raisonnement de gouvernance solide lors du déploiement d'un GPT partagé en entreprise comme le « Deal Desk Assistant ».

Sélectionnez toutes les réponses correctes.

Quand un Custom GPT n'est pas le bon outil

Les Custom GPTs excellent pour les workflows conversationnels avec un humain dans la boucle au sein de ChatGPT. Ce n'est pas le bon outil quand :

  • Vous devez l'intégrer dans un autre produit. Les GPTs vivent dans ChatGPT. Pour intégrer un comportement d'assistant dans votre propre application, construisez sur l'API.
  • Vous avez besoin d'une sortie structurée garantie ou d'un contrôle programmatique. Utilisez la Responses API avec les structured outputs et le function calling.
  • Vous avez besoin d'autonomie en plusieurs étapes, sur plusieurs outils, avec votre propre orchestration. C'est le terrain de l'Agents SDK, ou de ChatGPT agent pour les tâches autonomes dans le produit.

Le chemin de migration pour notre scénario : si RevOps veut plus tard que les approbations soient enregistrées automatiquement, le même outil OpenAPI devient une function/tool que le modèle appelle de manière programmatique. Voici sa forme dans la Responses API :

python
from openai import OpenAI

client = OpenAI()

response = client.responses.create(
    model="gpt-5",
    input="Draft an approval for deal D-8842 and flag if discount exceeds policy.",
    tools=[{
        "type": "function",
        "name": "getDeal",
        "description": "Fetch a single deal by ID",
        "parameters": {
            "type": "object",
            "properties": {"dealId": {"type": "string"}},
            "required": ["dealId"],
        },
    }],
)

print(response.output_text)

Même logique métier, mais c'est désormais *votre* code qui gère l'authentification, exécute l'appel getDeal réel et peut appliquer la politique dans le code au lieu d'espérer que le prompt tienne. La documentation de la Responses API couvre toute la boucle de tool calling.

La règle empirique : un Custom GPT est une configuration partagée, pas une application contrôlée. Dès que vous avez besoin d'un vrai contrôle d'accès, de garanties d'audit ou d'un comportement déterministe, vous êtes passé sur le terrain de l'API.

Points clés

  • Choisissez l'option de visibilité délibérément, et rappelez-vous que tout ce qui est dans la configuration est lisible par chaque utilisateur. Ne chargez jamais de fichiers de Knowledge, et n'inscrivez jamais de secrets en dur, que l'audience ne devrait pas voir en intégralité.
  • Rattachez les GPTs au niveau du workspace ou de l'admin, pas à un compte personnel. Un outil dont dépend une équipe et qui appartient à un seul salarié disparaît avec son départ.
  • Utilisez OAuth pour les Actions qui touchent des données propres à chaque utilisateur, et gardez les endpoints en lecture seule sauf si une modification est réellement nécessaire. Réduisez la surface d'API pour limiter le blast radius.
  • Passez une checklist avant le lancement : classification des données, identité/offboarding, audit/Compliance API, et une frontière claire de « source de référence » pour limiter les hallucinations assurées.
  • Sachez quand passer à l'API. Quand vous avez besoin d'une structure garantie, d'une intégration dans votre propre produit ou d'un contrôle d'accès effectif, passez d'un Custom GPT à la Responses API ou à l'Agents SDK.

Questions fréquentes

Quelles sont les options de partage d'un Custom GPT ?

Un Custom GPT peut être privé ("Only me"), partagé avec des personnes ou des groupes précis au sein d'un workspace Business ou Enterprise, partagé avec toute personne disposant du lien, ou publié dans un store (le GPT Store public ou le store interne de votre workspace). Au sein d'un workspace, le partage par lien reste en général limité au workspace, sauf si un administrateur a activé le partage externe. Vérifiez ce paramètre avant de considérer que "lien uniquement" signifie "interne uniquement".

Les utilisateurs peuvent-ils voir les fichiers de connaissance et les instructions d'un Custom GPT partagé ?

Oui, en pratique. Un utilisateur insistant peut demander à un Custom GPT d'afficher ses instructions ou de reproduire mot pour mot ses fichiers de connaissance, et le GPT s'exécute souvent. Considérez que tout ce qui figure dans la configuration, instructions, conversation starters, Actions et fichiers chargés, est lisible par toute personne qui peut utiliser le GPT. Le seul contrôle fiable consiste à ne pas charger ce que le public ne doit pas voir.

Un Custom GPT utilisé par une équipe doit-il appartenir à un compte individuel ?

Non. Un GPT dont dépend une équipe doit appartenir à un compte administrateur ou à un compte de workspace, pas à un salarié. Quand le propriétaire quitte l'entreprise, plus personne ne peut mettre à jour ni corriger le GPT, et l'équipe se retrouve bloquée. La propriété est une décision de gouvernance, pas un détail administratif.

Quelle est la différence entre un Project et un Custom GPT dans ChatGPT ?

Un Project est un espace de travail partagé pour des conversations et des fichiers : tout ce qui y est ajouté est partagé avec les membres du Project. Un Custom GPT est un assistant configuré dont les instructions, les capacités, les Actions et les connaissances sont transmises à toutes les personnes avec qui il est partagé. Les deux suivent des modèles de partage différents : ne supposez pas que ce qui est sûr dans l'un l'est dans l'autre. La mémoire et les instructions personnalisées, en revanche, restent propres à chaque utilisateur et ne fuient pas par un GPT partagé.

Une Action de GPT doit-elle utiliser une clé API ou OAuth pour interroger des données internes ?

Utilisez OAuth dès que l'Action touche des données propres à l'utilisateur, afin que chaque requête s'exécute au nom de l'utilisateur connecté, avec ses propres droits. Une clé API partagée fait interroger chaque utilisateur avec des droits identiques, ce qui accorde presque toujours trop d'accès. Gardez les endpoints exposés en lecture seule (GET plutôt que POST ou DELETE), sauf si une modification est réellement nécessaire, pour limiter le rayon d'impact.

Quand passer d'un Custom GPT à l'API OpenAI ?

Passez à l'API quand vous avez besoin d'une sortie structurée garantie, d'un comportement intégré à votre propre produit, d'un contrôle d'accès appliqué ou d'une orchestration en plusieurs étapes entre outils. Un Custom GPT est une configuration partagée, pas une application maîtrisée : il ne peut rien imposer dont un prompt ne puisse le détourner. La Responses API avec function calling et structured outputs, ou l'Agents SDK pour l'autonomie, couvre ces cas tout en laissant l'authentification et l'application des règles dans votre propre code.

À faire, tiré de cette leçon

Ces actions sont compilées dans le plan d'action du rôle.

  • Faites porter les GPT de l'équipe au niveau workspace/admin et publiez-les en workspace-only
  • Passer une checklist pré-lancement couvrant la classification des données, l'identité, l'audit et la source de vérité
  • Utilisez OAuth pour les Actions à portée utilisateur ou en écriture ; les clés d'API uniquement pour les accès partagés en lecture seule
Voir le plan d'action complet →

Articles liés

Les articles récents du blog qui s'appuient sur cette leçon.