Ce que sont les GPT personnalisés et le GPT Store

Un GPT personnalisé est une version configurée de ChatGPT que vous paramétrez une fois pour une tâche que vous répétez, puis que vous réutilisez (ou publiez) sans refaire le paramétrage à chaque fois. Voyez-le comme ChatGPT plus un system prompt fixe, un ensemble de fichiers, des connexions à des outils en option et un nom, le tout réuni dans une unité partageable qui vit dans le GPT Store.

Vous savez déjà écrire un bon prompt. Un GPT personnalisé, c'est ce vers quoi vous vous tournez quand un bon prompt ne suffit pas : quand les instructions sont longues, quand les mêmes fichiers de référence comptent à chaque fois, ou quand d'autres personnes doivent exécuter la tâche sans voir la mécanique.

Anatomie d'un GPT personnalisé

Ouvrez le builder sur chatgpt.com/gpts/editor (Plus, Pro, Team ou Enterprise). Un GPT personnalisé se compose de quelques éléments :

• 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 → persistant. C'est le contrat de comportement, pas une demande ponctuelle.
• Knowledge : les fichiers que vous chargez (PDF, documents, tableurs) et que le GPT peut lire à chaque conversation.
• Capabilities : les interrupteurs pour Web Search, Canvas, Advanced Data Analysis (Code Interpreter) et la génération d'images.
• Actions : les connexions à des 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 → externes pour que le GPT puisse récupérer ou envoyer de vraies données.
• Conversation starters : des exemples de prompts affichés sur l'écran de lancement.

Le builder propose un mode de configuration conversationnel, mais pour tout ce qui est sérieux, éditez directement l'onglet Configure. Le mode conversationnel est pratique et vague ; l'onglet Configure est l'endroit où vous contrôlez exactement ce que disent les instructions.

L'exemple concret : un rédacteur au ton de la marque

Admettons que votre entreprise dispose d'un guide de ton : chaleureux, direct, sans esbroufe, orthographe britannique, ne jamais utiliser le mot « leverage ». Le marketing, les ventes et le support doivent tous écrire dans ce ton. Coller le guide dans chaque conversation est fragile et inconstant.

Construisez plutôt un GPT « Acme Brand Voice Writer ».

Instructions (le contrat) :

You are Acme's brand voice writer. Rewrite or draft copy in Acme's
voice: warm, direct, plain. No hype words (leverage, synergy,
game-changing, unlock). British spelling. Sentences under 25 words
where possible. Active voice.

When the user gives raw copy, return: (1) the rewritten version,
(2) a one-line note on what you changed and why.

If the request conflicts with the tone guide in your knowledge files,
follow the tone guide and say so briefly.

Knowledge : chargez acme-tone-guide.pdf et un dos-and-donts.md. Désormais, chaque conversation démarre avec le guide complet chargé, sans copier-coller.

Capabilities : désactivez Web Search (vous ne voulez pas qu'il invente des faits sur les produits), gardez Canvas actif pour que les rédacteurs puissent éditer les brouillons côte à côte.

Conversation starters : « Réécris ce hero de page d'accueil », « Rédige un e-mail de lancement », « Resserre ce paragraphe ».

Maintenant, n'importe qui dans l'équipe ouvre un seul GPT et obtient un résultat cohérent. Cette cohérence est tout l'enjeu : les instructions et le guide de ton ne dérivent pas d'une personne ou d'une session à l'autre.

Quand un GPT personnalisé vaut mieux qu'un prompt enregistré

Vous pouvez enregistrer des prompts sous forme de bouts de texte, et les Projects de ChatGPT permettent de définir des instructions personnalisées et des fichiers partagés à l'échelle d'un espace de travail. Alors, quand un GPT personnalisé complet est-il le bon outil ? Utilisez cette grille de décision.

Optez pour un GPT personnalisé quand :

• Plusieurs personnes ont besoin du même comportement. Un prompt enregistré vit sur votre machine ; un GPT se partage par lien ou se publie dans votre espace de travail.
• Les instructions sont longues et stables. Un contrat de comportement de 600 mots a sa place dans une configuration, pas retapé à chaque fois.
• Vous avez besoin de fichiers de knowledge intégrés qui s'appliquent à chaque conversation, pas à une seule.
• Vous avez besoin d'Actions. Seuls les GPT personnalisés (et l'API) peuvent appeler des services externes sur déclenchement.
• Vous voulez une surface de lancement propre : un nom, une icône et des prompts de démarrage pour des utilisateurs non techniques.

Un prompt enregistré ou un Project suffit quand :

• Il n'y a que vous, et le prompt est court.
• Le contexte change à chaque fois, donc un jeu d'instructions figé ne ferait que gêner.
• Vous itérez vite et ne voulez pas maintenir un artefact publié.

Règle grossière : les Projects sont pour *votre* travail récurrent avec des fichiers partagés ; les GPT personnalisés sont pour *empaqueter une tâche répétable pour les autres* (ou pour disposer d'un outil propre et nommé auquel vous revenez). Il y a un recouvrement, et c'est très bien.

Actions : là où les GPT personnalisés prennent de la puissance

Une GPT Action permet à votre GPT personnalisé d'appeler une API externe pendant une conversation. C'est la même idée que le function calling sur l'API, mais configurée via un 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 dans le builder plutôt que par du code.

Prolongeons le rédacteur au ton de la marque : supposons que les faits produits approuvés vivent dans un endpoint interne. Vous donnez au GPT une Action pour qu'il puisse récupérer de vraies spécifications au lieu de deviner. Vous définissez l'action avec un schéma OpenAPI comme celui-ci :

openapi: 3.1.0
info:
  title: Acme Product Facts
  version: "1.0"
servers:
  - url: https://api.acme.com
paths:
  /products/{sku}:
    get:
      operationId: getProductFacts
      summary: Get approved facts for a product SKU
      parameters:
        - name: sku
          in: path
          required: true
          schema: { type: string }
      responses:
        "200":
          description: Product facts
          content:
            application/json:
              schema:
                type: object
                properties:
                  name: { type: string }
                  claims: { type: array, items: { type: string } }

Collez cela dans l'éditeur d'Action, ajoutez une méthode d'authentification (clé API ou OAuth), et le GPT peut désormais appeler getProductFacts quand un utilisateur lui demande de rédiger un texte pour un SKU. Le modèle décide quand l'appeler en fonction de vos instructions et du `summary` de l'action. Voir Actions dans la documentation pour les détails d'authentification et de schéma.

Deux choses à intégrer :

• Rédigez des champs `operationId` et `summary` clairs. Le modèle s'en sert pour décider s'il doit appeler l'action et comment. Des summaries vagues provoquent des appels manqués ou erronés.
• Les Actions s'exécutent avec les permissions que vous configurez. Si le GPT est publié, considérez l'action comme une porte publique vers cette API.

Actions et connecteurs

Ne confondez pas les Actions avec les Connectors. Les Connectors relient ChatGPT à des sources de données comme Google Drive, SharePoint ou GitHub pour la récupération d'information dans les conversations et les Projects. Les Actions sont des appels API personnalisés que vous câblez dans un GPT donné. Utilisez les Connectors pour faire entrer vos documents ; utilisez les Actions pour taper un endpoint personnalisé ou déclencher une opération.

Publication et GPT Store

Le GPT Store est l'endroit où les GPT personnalisés publiés sont découverts. Quand vous terminez la construction, vous choisissez la visibilité :

• Moi uniquement : privé.
• Toute personne disposant du lien : partageable, non listé.
• Espace de travail (Team/Enterprise) : visible uniquement par votre organisation.
• Public : listé dans le Store pour tout le monde.

Pour publier publiquement, il vous faut un profil de builder vérifié (un nom ou un domaine vérifié). Le Store organise les GPT en catégories et met en avant les plus populaires. OpenAI a mené un programme de rémunération pour les builders américains fondé sur l'usage ; considérez les modalités comme susceptibles d'évoluer et vérifiez les conditions en vigueur plutôt que de supposer un taux fixe. La présentation officielle est sur help.openai.com.

Une limitation nette à retenir : **un GPT public tourne sur le compte et le plan ChatGPT de l'*utilisateur***. Les utilisateurs gratuits peuvent avoir un accès aux modèles différent du vôtre pendant la construction. Testez en tant que non-builder avant de livrer.

GPT personnalisés et API : savoir de quel côté vous êtes

C'est la distinction qui sépare ceux qui *utilisent* ChatGPT de ceux qui *construisent des produits* sur OpenAI.

Un GPT personnalisé vit dans ChatGPT. Il est borné par l'application ChatGPT : l'utilisateur doit avoir un compte ChatGPT, l'interface est figée, et vous le configurez avec des instructions, des fichiers et des Actions. Aucun code requis.

L'API OpenAI (la Responses API et l'ancienne Chat Completions API) sert à embarquer le modèle dans *votre propre* application. Vous écrivez du code, vous contrôlez l'interface, vous payez au tokentokenUn token est l'unité de base de texte que traitent les modèles de langage : le plus souvent un fragment de mot, un mot entier ou un signe de ponctuation, plutôt qu'un simple caractère.Voir la définition complète →, et vous pouvez utiliser le function calling, les structured outputs, l'Agents SDK, et davantage.

La même tâche de ton de marque, côté API, ressemble à ceci :

from openai import OpenAI

client = OpenAI()

TONE_GUIDE = open("acme-tone-guide.md").read()

resp = client.responses.create(
    model="gpt-4.1",
    instructions=f"Rewrite copy in Acme's brand voice.\n\n{TONE_GUIDE}",
    input="Rewrite: 'We leverage cutting-edge synergy to unlock value.'",
)

print(resp.output_text)

Mêmes instructions, même guide de ton. La différence, c'est *où cela tourne* : dans ChatGPT pour votre équipe, ou dans votre propre application pour vos clients.

Comment choisir :

• GPT personnalisé quand l'audience est composée d'utilisateurs ChatGPT, que vous ne voulez aucune infrastructure et que l'interface de ChatGPT convient.
• API quand vous en avez besoin dans votre produit, automatisé à l'échelle, derrière votre propre authentification, ou branché sur un backend. Si vous avez besoin de structured outputs (formes JSON garanties) ou d'orchestration programmatique avec l'Agents SDK, vous êtes sur l'API.

Un chemin courant : prototyper le comportement en GPT personnalisé pour valider rapidement les instructions, puis porter les instructions éprouvées dans une intégration API quand vous avez besoin d'échelle ou d'une interface sur mesure.

Maintenir un GPT personnalisé

Un GPT publié est un petit produit. Traitez-le comme tel.

• Versionnez vos instructions. Gardez le texte des instructions dans un fichier de votre repo ou de vos notes. Le builder n'a pas de véritable historique de versions, donc tenez le vôtre.
• Retestez après les mises à jour de modèle. Le comportement peut changer quand le modèle sous-jacent change. Gardez une courte liste de prompts de test et relancez-les.
• Maintenez les fichiers de knowledge à jour. Un guide de ton périmé produit un résultat périmé. Rechargez-le quand la source change.
• Auditez les Actions. Si le GPT est public et appelle une API, passez en revue ce que cet endpoint expose.

Points clés

• Utilisez un GPT personnalisé quand une tâche se répète, que les instructions sont longues et stables, que les mêmes fichiers comptent à chaque fois, ou que d'autres personnes doivent l'exécuter sans voir le paramétrage. Utilisez un prompt enregistré ou un Project pour un travail personnel et qui évolue vite.
• Construisez dans l'onglet Configure, pas en mode conversationnel, afin de contrôler précisément les instructions, les fichiers de knowledge et les capabilities.
• Ajoutez des Actions (avec des champs operationId et summary clairs dans un schéma OpenAPI) quand le GPT a besoin de données externes en direct ; utilisez les Connectors pour faire entrer des documents.
• Retenez la frontière : un GPT personnalisé vit dans ChatGPT, pour des utilisateurs ChatGPT ; l'API OpenAI (Responses, function calling, structured outputs, Agents SDK) sert à embarquer le modèle dans votre propre produit. Prototypez en GPT, portez vers l'API quand vous avez besoin d'échelle.
• Traitez un GPT publié comme un produit : versionnez vous-même vos instructions, retestez après les mises à jour de modèle et maintenez les fichiers de knowledge à jour.