Scannage d'e-mails avec contrôle d'accès
Le connecteur @gmail de ChatGPT Work permet d’interroger directement la boîte de réception. L’auteur active le connecteur uniquement pendant l’exécution d’une requête importante, puis le désactive immédiatement. Cette procédure crée une friction volontaire qui limite l’exposition permanente du compte, réduisant le risque d’accès non autorisé. Le premier prompt utilisé – « Summarize the last 5 messages from OpenAI’s PR people and capture decisions, open questions, and what I should follow up on next. » – a d’abord filtré uniquement les messages provenant du service PR d’OpenAI, excluant les échanges avec l’agence externe. Après reformulation du prompt, le modèle a pu extraire les conversations pertinentes, montrant que la précision du résultat dépend fortement de la granularité du filtre appliqué.
Summarize the last 5 messages from OpenAI’s PR people and capture decisions, open questions, and what I should follow up on next.Conversion de données massives en diapositives
Le deuxième cas exploite un jeu de données public de la ville de San Francisco contenant 750 000 enregistrements d’incidents d’incendie. En 13 minutes, ChatGPT Work a agrégé les données, identifié les 10 bataillons les plus actifs et généré une diapositive PowerPoint contenant un graphique à barres. Le rendu présentait des marges excessives et une teinte de vert non conforme à la charte ZDNET, ce qui illustre les limites de l’IA en matière d’esthétique visuelle. L’utilisateur a néanmoins gagné du temps en évitant la phase de collecte et de calcul, ne restant qu’à ajuster les couleurs et les espacements.
Élaboration d’une stratégie d’achat intégré à partir du code source
Pour une suite d’applications Apple, l’auteur a pointé ChatGPT Work vers le répertoire du code source, en précisant de ne pas modifier les fichiers. L’IA a analysé les structures de classes, extrait les fonctionnalités clés et produit une liste exhaustive de caractéristiques à valoriser. En parallèle, elle a interrogé les stores iOS et Google Play pour identifier les applications concurrentes, puis a synthétisé leurs modèles tarifaires. Le résultat a servi de base à la création d’un plan de prix, puis a alimenté Claude Code via des prompts d’instruction pour automatiser l’implémentation. Cette chaîne montre comment l’IA peut combiner analyse statique du code et veille concurrentielle, tout en nécessitant une validation humaine pour éviter les incohérences de licence ou de conformité.
Évaluation de l’infrastructure électrique d’un fab‑lab
Face à une surcharge de UPS, l’auteur a fourni à ChatGPT Work les spécifications de chaque imprimante 3D et la description du réseau électrique du laboratoire. L’IA a récupéré les caractéristiques des appareils Jackery depuis leur site web, calculé la charge totale et recommandé des modèles de batteries capables de supporter la consommation maximale. Le rapport détaillé incluait le nombre d’unités nécessaires et les raisons techniques du choix, facilitant la décision d’achat. Malgré la pertinence des recommandations, l’auteur souligne que l’évaluation reste dépendante de la précision des données d’entrée et que la validation par un électricien qualifié demeure indispensable.
