Intégrations dans l'écosystème

ChatGPT vit dans bien plus d'endroits que l'onglet de votre navigateur : il est dans votre barre de menus, dans VS Code, dans votre espace Slack, et derrière des centaines d'applications tierces qui appellent discrètement l'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 → OpenAI. Cette leçon cartographie ces surfaces, montre une configuration concrète et vous donne une règle pour savoir quand sortir de l'application web paie vraiment.

Les quatre surfaces

Voyez l'écosystème comme quatre endroits distincts où ChatGPT apparaît, chacun avec des pouvoirs différents :

• Applications first-party : les applications desktop macOS et Windows, plus le mobile. Même compte, mêmes Projects et même mémoire, mais avec des capacités supplémentaires au niveau de l'OS.
• Outillage développeur : le CLI Codex et l'extension IDE, où ChatGPT lit et modifie votre dépôt réel.
• Intégrations workspace : les Connectors et l'application ChatGPT dans des outils comme Slack, où il lit les données de votre équipe avec autorisation.
• Applications tierces sur l'API : des produits qui intègrent les modèles OpenAI via l'API, souvent sans que la marque ChatGPT apparaisse.

L'application web est le plus petit dénominateur commun. Les intégrations comptent parce qu'elles suppriment la taxe du copier-coller : le modèle obtient un accès direct au fichier, au repo, au message ou au document au lieu d'attendre que vous fassiez la navette avec le texte.

Applications first-party : l'avantage du desktop

L'application desktop n'est pas juste le site web dans une fenêtre. Sur macOS, elle dispose de Work with Apps, qui permet à ChatGPT de lire le contenu d'une application ouverte (un terminal, un IDE, un document) pour que vous puissiez l'interroger sans coller. Un raccourci global vous donne un prompt façon launcher par-dessus ce que vous êtes en train de faire.

Elle embarque aussi tout ce qui est lié à votre compte : les Projects (des espaces de travail qui regroupent fichiers, instructions personnalisées et historique de conversation), la mémoire, l'Advanced Data Analysis (le sandbox où le modèle écrit et exécute du Python sur vos fichiers) et Canvas (l'éditeur côte à côte pour les longs documents et le code).

Quand elle bat l'application web : toute tâche dont le contexte vit sur votre machine. Déboguer une stack trace dans votre terminal, poser une question sur un tableur que vous avez ouvert, ou lancer une analyse rapide sans uploader de fichiers sensibles via un navigateur.

Outillage développeur : Codex dans votre repo

Le plus grand saut pour un lecteur technique, c'est Codex, l'agent de codage d'OpenAI. Contrairement au fait de coller des extraits dans une conversation, Codex opère sur votre dépôt : il peut planifier, modifier plusieurs fichiers, lancer les tests et ouvrir une pull request. Il tourne dans le cloud, en CLI et comme extension IDE.

Installez le CLI et pointez-le sur un projet :

npm install -g @openai/codex
cd my-project
codex "add input validation to the signup form and write tests"

Codex lit le repo, propose un diff, exécute votre suite de tests et vous montre le résultat avant que quoi que ce soit n'atterrisse. Le modèle mental est celui de la délégation, pas de l'autocomplétion : vous décrivez un résultat, il fait le travail en plusieurs étapes, vous relisez.

Quand il bat l'application web : le vrai travail sur une base de code. Le ChatGPT web ne connaît pas votre arborescence de fichiers, vos règles de linting, ni si vos tests passent. Codex, si, parce qu'il s'exécute dans votre environnement.

Intégrations workspace : les Connectors et les applications

Les Connectors permettent à ChatGPT de lire depuis vos autres outils : Google Drive, GitHub, SharePoint et d'autres. Une fois connecté, vous pouvez demander à ChatGPT de récupérer une spec dans Drive ou de résumer les issues récentes d'un repo, et il va chercher le contenu pertinent au moment de la requête. C'est du 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 n'avez pas à construire : la plomberie est gérée pour vous.

Les applications ChatGPT plus récentes (construites sur l'Apps SDK et le Model Context ProtocolModel Context ProtocolUn standard ouvert qui permet aux assistants IA de se connecter aux outils et données de l'entreprise de façon cohérente et gouvernée, sans intégration sur mesure à chaque fois.Voir la définition complète →, le standard ouvert pour connecter les modèles aux outils et aux données) permettent à des tiers de faire apparaître des expériences interactives directement dans une conversation ChatGPT. Vous invoquez une application partenaire par son nom et travaillez avec ses données dans le fil.

Pour les équipes, l'intégration Slack amène ChatGPT dans les canaux et les messages privés, si bien que résumer un thread ou rédiger une réponse se fait là où la conversation a déjà lieu.

Quand elles battent l'application web : quand la source de vérité est éparpillée entre des outils SaaS et que vous ne voulez pas être la colle humaine qui déplace le contenu entre eux.

Tâches planifiées et l'agent

Deux fonctionnalités font passer ChatGPT du réactif au proactif.

Les tâches planifiées vous permettent de demander à ChatGPT d'exécuter un prompt selon une récurrence : « chaque jour de semaine à 8h, vérifie ces trois flux RSS et envoie-moi un digest ». Vous la configurez une fois en langage naturel et elle se déclenche toute seule.

L'agent ChatGPT peut mener des actions en plusieurs étapes en votre nom : naviguer, cliquer et utiliser un ordinateur virtuel pour accomplir une tâche de bout en bout (par exemple comparer des options sur plusieurs sites et assembler un résumé). Il s'arrarrL'Annual Recurring Revenue (ARR) est le revenu normalisé et prévisible qu'une entreprise par abonnement attend de ses contrats actifs sur une année.Voir la définition complète →ête pour demander confirmation avant les étapes à conséquence.

Quand elles battent l'application web : tout ce que vous feriez sinon manuellement à intervalle régulier, ou toute tâche qui s'étend sur de nombreuses étapes et de nombreux outils et dont vous voulez déléguer la boucle entière.

Une configuration concrète : trier les rapports de bug entrants

Câblons plusieurs surfaces ensemble pour un seul workflow. Objectif : chaque matin, résumer les nouvelles issues GitHub et signaler les urgentes.

1. Connectez GitHub via les Connectors pour que ChatGPT puisse lire vos issues.
2. Créez un Project nommé « Triage » avec des instructions personnalisées décrivant vos labels de sévérité et ce que « urgent » signifie pour votre produit.
3. Ajoutez une tâche planifiée dans ce Project : « Chaque jour de semaine à 8h, liste les issues ouvertes dans les dernières 24 heures, groupe par sévérité et fais remonter tout ce qui mentionne une perte de données ou l'authentification. »
4. Quand quelque chose nécessite un correctif, passez-le à Codex pour qu'il rédige un patch et ouvre une PR.

Pas de code jusqu'ici, uniquement de la configuration. C'est tout l'enjeu : les surfaces web et applicatives couvrent un périmètre étonnamment large avant que vous ne touchiez à l'API.

Applications tierces et API : quand vous dépassez ChatGPT

Tout ce qui précède, c'est ChatGPT le produit. L'autre moitié de l'écosystème, c'est l'API OpenAI, où les développeurs construisent leurs propres applications sur les mêmes modèles. Vous y venez quand vous avez besoin de l'intelligence de ChatGPT dans votre logiciel, votre propre UI ou un job backend, et non dans l'interface de chat d'OpenAI.

Il existe deux styles d'API. La Responses API est l'interface la plus récente, orientée agents, avec des outils intégrés (web search, file search, code interpreter) et une gestion propre de l'état. L'ancienne Chat Completions API reste largement supportée. Pour du nouveau travail, préférez Responses.

Les fonctionnalités qui rendent l'API fiable en production sont le function calling (le modèle décide d'appeler une fonction que vous avez définie et renvoie les arguments) et les structured outputs (vous fournissez un JSON schemaschemaUn schema est le plan formel qui définit comment les données sont structurées, nommées, typées et reliées entre elles au sein d'une base de données, d'un fichier ou d'un message.Voir la définition complète → et le modèle est garanti de renvoyer du JSON qui s'y conforme). Les structured outputs sont ce qui transforme un modèle bavard en composant fiable que vous pouvez brancher sur une base de données.

Voici la logique de triage vue plus haut, reconstruite comme un job backend qui produit une sortie lisible par machine :

from openai import OpenAI

client = OpenAI()

schema = {
    "type": "object",
    "properties": {
        "summary": {"type": "string"},
        "severity": {"type": "string", "enum": ["low", "medium", "high", "critical"]},
        "needs_human": {"type": "boolean"},
    },
    "required": ["summary", "severity", "needs_human"],
    "additionalProperties": False,
}

issue = "Login fails for all SSO users after the deploy; some report being logged out mid-session."

response = client.responses.create(
    model="gpt-5",
    input=f"Triage this bug report:\n\n{issue}",
    text={"format": {"type": "json_schema", "name": "triage", "schema": schema, "strict": True}},
)

print(response.output_text)

Parce que le 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 → est strict, vous récupérez du JSON que vous pouvez parser et router sans nettoyage défensif. Pour aller plus loin, voir le guide des structured outputs.

Quand vous avez besoin d'orchestration : l'Agents SDK

Dès qu'un workflow compte plusieurs étapes, outils et handoffs, ne codez pas la boucle de contrôle à la main. L'Agents SDK est le framework d'OpenAI pour construire des agents : il gère les appels d'outils, l'état de la conversation, les handoffs entre agents spécialisés et les guardrailsguardrailsRègles et contrôles qui maintiennent un système d'IA dans des limites sûres, légales et conformes à la marque, en bloquant les sorties et actions hors cadre.Voir la définition complète →. C'est le cousin de production de l'agent ChatGPT que vous avez utilisé dans le navigateur.

La décision porte sur la propriété. L'agent ChatGPT est un produit fini pour vos tâches personnelles. L'Agents SDK est ce que vous utilisez quand vous livrez un agent à d'autres personnes dans votre propre application.

Custom GPTs vs. applications API : choisir la surface

Une confusion courante : quand construire un Custom GPT (configuré dans ChatGPT, éventuellement publié sur le GPT Store) plutôt qu'une application sur l'API ?

Construisez un Custom GPT quand :

• Vos utilisateurs vivent déjà dans ChatGPT.
• Vous voulez zéro hébergement et zéro code pour la logique principale.
• Les GPT Actions (qui permettent à un Custom GPT d'appeler des API externes via une spec OpenAPI) couvrent vos besoins d'intégration.

Construisez sur l'API quand :

• Vous avez besoin de votre propre UI, de votre marque ou de votre système de login.
• Vous avez besoin de structured outputs qui alimentent des systèmes en aval.
• Vous avez besoin de contrôle sur le coût, la latence, les logs et le traitement des données.
• L'application tourne sans surveillance humaine, selon une planification ou en réaction à des événements.

Un bon indicateur : si la réponse à « où est-ce que ça tourne ? » est « dans une conversation », un Custom GPT convient. Si c'est « dans mon produit ou mon backend », utilisez l'API.

La règle de décision

Quand une intégration bat-elle l'application web ? Posez une seule question : où vivent le contexte et l'action ?

• Contexte sur votre machine, action sur des fichiers : application desktop ou Codex.
• Contexte dans des outils SaaS : Connectors ou applications workspace.
• Action récurrente ou sur de nombreuses étapes : tâches planifiées ou l'agent.
• Logique dans votre propre logiciel, sortie alimentant d'autres systèmes : l'API.

L'application web ne gagne que lorsque la tâche est autonome et ponctuelle. Tout ce qui est récurrent, embarqué ou programmatique appartient à une autre surface.

Points clés

• Adaptez la surface à l'endroit où vivent le contexte et l'action. L'application web est pour les tâches autonomes ; allez chercher le desktop, Codex, les Connectors ou l'API quand le travail touche votre machine, vos outils ou votre logiciel.
• Utilisez Codex pour le vrai travail sur une base de code, pas des extraits collés. Il s'exécute dans votre repo, lance vos tests et ouvre des PR.
• La configuration bat le code plus souvent que vous ne le pensez. Les Projects, les Connectors et les tâches planifiées peuvent mettre en place un workflow récurrent sans le moindre appel API.
• Allez vers l'API quand la sortie doit être lisible par machine ou embarquée. Combinez la Responses API avec les structured outputs pour du JSON fiable, et l'Agents SDK quand le workflow couvre plusieurs étapes et outils.
• Custom GPT vs. API revient à « où est-ce que ça tourne ? » Dans une conversation, c'est Custom GPT ; dans votre produit ou votre backend, c'est l'API.