Agent métier ou workspace IA : ce que les agences ne peuvent pas obtenir de ChatGPT

Le 22 avril 2026, OpenAI, Google et Salesforce ont annoncé, le même jour, des plateformes d’agents pour les équipes. ChatGPT Workspace Agents, Gemini Enterprise Agent Platform, Agentforce connecté à Gemini — trois lancers simultanés, même ambition : faire de l’IA autonome un outil de bureau partagé.

Ça ressemble à la fin de la partie. Ce n’est pas le cas. Voilà pourquoi.

Ce que vend un workspace IA

ChatGPT, Copilot, Gemini Enterprise — ces produits répondent à une vraie douleur : donner à toute une équipe un assistant capable de rédiger, résumer, répondre, chercher. Ils s’intègrent dans les environnements existants (Microsoft 365, Google Workspace) et s’utilisent sans configuration lourde.

Ce sont des outils de productivité généraliste. Ils ne savent pas ce qu’est un bail, un DossierFacile, un seuil de solvabilité, ou pourquoi un garant sans justificatif de domicile bloque tout. Pour qu’ils sachent, il faut les former, les connecter, les calibrer — c’est-à-dire faire exactement le travail que ces outils sont censés éviter.

Le piège du token en mode agent

Ce que les brochures ne disent pas : un agent ne coûte pas comme un chatbot.

En mode conversation, un modèle reçoit une question et donne une réponse — une seule passe. En mode agent, il raisonne en boucle : plan, exécution, vérification, correction, nouvelle exécution. À chaque étape, il renvoie le contexte entier accumulé. Une session de 10 étapes ne coûte pas 10 fois une conversation — elle coûte jusqu’à 50 fois, parce que le même historique est retransmis à chaque tour.

Concrètement : un agent métier qui traite un dossier locataire — lecture des pièces, vérification des revenus, relance sur un document manquant, scoring, proposition de créneau — enchaîne plusieurs dizaines d’appels au modèle. Les coûts LLM représentent 40 à 60 % du coût opérationnel d’un agent en production, et 40 % des projets d’IA agentique échouent avant la mise en prod, souvent parce que l’équipe a sous-estimé la facture.

Ce n’est pas un problème technologique. C’est un problème de modèle économique. Un workspace vendu 30 €/mois par utilisateur ne peut pas absorber ce coût si l’usage réel monte à 500 dossiers traités par mois en mode agent. Avant de fixer un prix, il faut modéliser le coût token par dossier traité — pas en mode chatbot, en mode agent, avec les boucles de raisonnement.

C’est précisément ce travail — invisible dans une démo — qui fait ou défait la marge d’un outil IA en immobilier.

L’argument souveraineté

Il y a un deuxième sujet qui monte dans les conversations avec les agences françaises : la dépendance aux infrastructures américaines.

Depuis l’épisode Fable 5 et la montée du débat sur l’extraterritorialité des données hébergées chez les hyperscalers US, des agences commencent à poser la question. Pas toutes — mais quand la question arrive, elle arrive sérieusement.

L’alternative existe. OVHcloud opère 500 000 serveurs et 250 MW d’infrastructure en Europe, sans dépendance AWS/Azure. En mars 2026, l’ANSSI comptait 9 offres SecNumCloud 3.2 qualifiées — le label de souveraineté numérique français. La Commission européenne elle-même a notifié un marché-cadre de 180 M€ à OVHcloud et ses partenaires pour héberger les institutions européennes.

Pour une agence française, l’argument est simple : les données de vos candidats — pièces d’identité, bulletins de salaire, contrats — méritent une infrastructure dont vous contrôlez la juridiction.

Ce n’est pas l’argument principal qu’on met en avant. Mais c’est celui qui ferme l’objection quand elle arrive.

Ce que l’agent métier vend que le workspace ne peut pas vendre

La vraie différence n’est pas dans le modèle sous-jacent. Elle est dans ce qui l’entoure.

Un workspace généraliste peut rédiger une description d’annonce. Il ne peut pas :

• savoir que sur La Carte des Colocs, la description doit tenir en 800 caractères et mettre en avant le quartier ;
• vérifier si le ratio revenus/loyer passe le seuil habituel de ×3 pour ce type de bien ;
• relancer automatiquement un candidat sur la bonne pièce manquante, dans le bon ordre ;
• scorer 200 dossiers selon les critères réels de l’agence et faire remonter le bon en premier.

Ce que vend l’agent métier, c’est l’intégration : les portails d’annonces, les logiciels métier, les règles implicites de l’agence, les formats de pièces attendus, les seuils de validation. La bonne décision pour une organisation dépend autant de son stack existant que de la nature de ses données et de ses 3 cas d’usage à plus fort impact — et pour une agence immobilière, ces cas d’usage sont hyper-spécifiques.

ChatGPT Workspace sait tout faire en général. L’agent métier sait faire exactement ce qu’il faut — dans le contexte précis d’un parc, d’un logiciel, d’un critère de sélection.

La promesse

L’arrivée des workspaces généralistes ne réduit pas la valeur de l’agent métier — elle la révèle.

Quand tout le monde a accès à un assistant généraliste compétent, la différence se crée dans l’intégration : qui a le modèle branché sur les vrais flux, calibré sur les vrais critères, et opéré sur les vrais dossiers. C’est ce travail-là qu’on fait.

---

Vous voulez voir ce que ça donne sur vos propres dossiers — pas sur une maquette ? Demander une démo.