Le problème : chacun “prompte” dans son coin, et toi tu pilotes dans le brouillard
Tu as déjà vu le film. Deux personnes font “la même tâche” avec ChatGPT. Elles obtiennent deux résultats différents. L’une vérifie, l’autre oublie. Un troisième copie-colle une donnée client sensible. Et toi, dirigeant, tu n’as ni cohérence, ni traçabilité, ni chiffre clair sur le temps réellement gagné.
ChatGPT Enterprise apporte deux briques utiles pour passer de l’artisanat au déploiement propre :
- ChatGPT Enterprise Skills : des workflows réutilisables et partageables (instructions, exemples, parfois code) pour des sorties plus cohérentes, applicables en conversation une fois installées.
- Connexion administrée ChatGPT (workspace connections, connexions partagées) : l’IA utilise un compte applicatif géré par l’entreprise, pas des connexions perso de chaque salarié.
L’objectif : standardiser 3 processus à fort volume, cadrer les droits, les logs et les validations, puis mesurer le gain. Sans te fabriquer un monstre de gouvernance.
Le plan en 10 étapes (simple, gouvernable, mesurable)
1) Sélectionne 3 processus à fort volume (pas 30)
Si tu veux éviter l’usine à gaz, tu limites le périmètre. Choisis 3 processus qui cochent ces cases :
- Répétitifs (au moins 30 fois par mois).
- Coûteux en temps (10 minutes ou plus par occurrence).
- Risque maîtrisable (on peut mettre une validation humaine).
Exemples qui marchent bien en PME :
- Qualification et réponse niveau 1 à des demandes clients (email ou formulaire).
- Compte rendu + plan d’action après réunion commerciale / chantier / consultation.
- Préparation d’une synthèse de dossier (contrat, devis, échanges) avec points de vigilance.
Décision de dirigeant : tu cherches du débit. Pas un “cas d’usage vitrine”.
2) Écris la fiche Input/Output de chaque processus (1 page max)
Avant de créer une Skill, tu fixes noir sur blanc :
- Inputs autorisés : quels champs, quel format, quelles sources (email, CRM, doc, notes).
- Output attendu : structure, ton, longueur, sections, champs obligatoires.
- Critères de qualité : exactitude attendue, citations de sources si besoin, seuil “stop” si info manquante.
- Règles d’escalade : quand l’IA doit dire “je ne sais pas” et passer la main.
Garde ça simple. Si tu n’arrives pas à définir l’output, c’est que le processus est flou. Et l’IA ne va pas le rendre clair par magie.
3) Conçois la Skill comme un “SOP exécutable” (pas comme un prompt long)
Une Skill, c’est ton mode opératoire standard, exécutable dans ChatGPT. OpenAI les présente comme des workflows réutilisables et partageables qui améliorent la cohérence. Donc tu évites :
- Les pavés de 200 lignes “au cas où”.
- Les règles contradictoires (“sois bref” puis “détaille tout”).
- Les dépendances implicites (“tu connais notre offre”).
Structure simple recommandée :
- But (1 phrase).
- Entrées attendues (liste).
- Étapes (5 à 9 max).
- Format de sortie (gabarit fixe).
- Garde-fous (si info manquante, poser des questions; si risque, escalader).
4) Crée 1 Skill par processus (pas une Skill “fourre-tout”)
Oui, ça fait plus d’objets. Mais c’est plus gouvernable. Une Skill = un résultat attendu. Sinon :
- Personne ne sait quand l’utiliser.
- Tu ne mesures plus rien.
- Tu crées une “Skill monstre” impossible à maintenir.
Objectif : que l’équipe se dise “pour ce cas, je lance la Skill X”. Pas “je bidouille”.
5) Ajoute des exemples “bons” et “mauvais” (et verrouille la structure)
Les exemples font souvent gagner plus que 50 lignes d’instructions. Mets :
- Un exemple d’input réaliste (anonymisé).
- Un exemple d’output parfait (ton, format, sections).
- Un exemple d’erreur classique et la correction attendue (ex: invention d’un prix, confusion de date).
Le résultat : moins d’hallucinations “présentées avec aplomb”, et moins de relecture.
Si tu veux cadrer la fiabilité avant d’automatiser plus loin, tu peux t’appuyer sur ce protocole terrain : https://jimmymanin.com/blog/hallucinations-ia-le-protocole-simple-en-5-tests-pour-eviter-lerreur-qui-coute-cher.
6) Cadrage des permissions : qui crée, qui publie, qui installe
Le point sous-coté de ChatGPT Enterprise Skills, c’est la gouvernance. OpenAI indique que les admins Enterprise peuvent gérer des permissions par rôle : créer/utiliser, uploader, partager, publier, et installer pour d’autres membres. C’est exactement ce qu’il te faut pour standardiser sans supplier chaque utilisateur.
Règle simple, efficace en PME :
- Création : un petit groupe (ex: 2 à 5 “owners” par métier).
- Publication : 1 responsable (ops, DSI, ou référent IA) valide la version.
- Installation : admin installe par équipe (top-down), pas au bon vouloir de chacun.
- Utilisation : large, mais sur des Skills approuvées.
Ça réduit le shadow IT interne. Et ça évite “Jean a une super méthode mais elle est dans sa tête”.
7) Déploie une connexion administrée ChatGPT seulement là où ça a du sens
Les connexions administrées (workspace connections) permettent à @ChatGPT ou à des workflows d’utiliser un compte applicatif géré par l’entreprise, au lieu de connexions individuelles. Intérêt : identité centralisée, révocation plus simple, moins de comptes perso branchés partout.
Mais tu dois décider explicitement : connexion individuelle vs connexion administrée, par cas d’usage. Sinon tu obtiens une gouvernance floue.
Cas typiques où l’administré est supérieur :
- Accès à une boîte mail générique (support@, compta@), avec périmètre strict.
- Accès à un drive ou un espace projet commun, avec droits en lecture seule si possible.
- Accès à un dépôt ou outil partagé, quand tu veux éviter 15 tokens perso.
Point d’attention réel : selon le fournisseur, les exigences varient (parfois il faut un compte utilisateur dédié). Et désactiver la connexion côté ChatGPT ne remplace pas la révocation côté fournisseur. Prévois-le dans ta checklist, sinon tu te fais piéger.
8) Log, audit, et pilotage : mesure l’usage au lieu de “croire”
Pour éviter l’usine à gaz, tu pilotes par les faits. OpenAI indique que l’Admin Center donne une vue par Skill : Owner, Access, Users, invocations sur 30 jours, dates de création et mise à jour. C’est ton tableau de bord minimal.
Ce que tu suis chaque mois (30 minutes) :
- Invocations par Skill : est-ce que l’équipe s’en sert vraiment ?
- Top 3 Skills : celles à renforcer, documenter, former.
- Bottom 3 Skills : soit inutiles, soit mal conçues, soit mal “marketées” en interne.
Et côté conformité, si tu as besoin d’exporter des logs, OpenAI documente une Compliance Platform / Compliance API (audit, auth, app logs). Ne surinvestis pas tant que tu n’as pas un besoin clair d’audit externe.
9) Déploiement par équipe : pilote, modèle, extension
Tu veux de la vitesse sans casse. Donc tu déploies en 3 phases.
Phase 1: pilote (2 semaines)
- 1 équipe, 1 manager sponsor, 10 à 20 utilisateurs max.
- 3 Skills, pas plus.
- 1 connexion administrée si et seulement si elle est nécessaire au process.
- Validation humaine obligatoire sur les outputs.
Livrables : un gabarit d’input, un gabarit d’output, une check qualité, une règle “stop”.
Phase 2: modèle (2 à 4 semaines)
- Tu corriges les Skills (les vraies erreurs sortent maintenant).
- Tu figes une v1 “publiée”.
- Tu formes en 45 minutes : quand utiliser quelle Skill, et comment remonter les bugs.
Phase 3: extension (mois 2 et 3)
- Tu installes les Skills à 2 autres équipes.
- Tu adaptes uniquement les entrées et le format de sortie, pas la philosophie.
- Tu refuses les demandes “rajoute aussi un truc pour…” tant que la v1 n’est pas stable.
Si tu veux un cadre “pilotage contrôlé” (utile quand tu commences à connecter des outils), ce plan est aligné : https://jimmymanin.com/blog/agents-ia-en-entreprise-le-plan-pilote-controle-en-21-jours-sans-ouvrir-les-vannes.
10) Mesure le ROI opérationnel : temps gagné et taux d’erreur (pas “satisfaction”)
Tu veux décider, pas “sentir”. Mesure deux métriques, avant/après :
- Temps moyen par tâche (chronométré sur 20 occurrences).
- Taux d’erreur (retours, corrections, escalades, incidents).
Tu ajoutes une troisième métrique si tu es carré : taux de reprise (combien d’outputs nécessitent une réécriture à plus de 30%).
Attention à la “taxe de vérification” : si l’IA te fait passer 3 minutes à vérifier un texte de 2 minutes, tu as perdu. Lis ça et ajuste tes garde-fous : https://jimmymanin.com/blog/taxe-de-verification-eviter-que-lia-te-fasse-perdre-du-temps-pas-en-gagner.
Checklist confidentialité (à coller dans ton workspace)
Tu veux déployer ChatGPT en PME sans accident bête. Voici une checklist simple, orientée terrain.
Données autorisées (par défaut)
- Docs internes non sensibles (process, checklists, trames).
- Emails et tickets anonymisés si possible.
- Données commerciales agrégées (tendances, volumes), pas la liste des clients complète.
Données interdites (sauf décision explicite et garde-fous)
- Données personnelles sensibles (santé, finance perso, etc.).
- Secrets industriels, clauses contractuelles critiques, mots de passe, clés API.
- Tout ce qui déclencherait un incident si ça fuitait dans un copier-coller.
Pour le volet “preuves et traçabilité”, garde en tête que vos prompts peuvent devenir des pièces. Cadre ça proprement : https://jimmymanin.com/blog/vos-prompts-peuvent-devenir-des-preuves-ce-que-tout-dirigeant-doit-cadrer.
Rétention et logs : ce que tu dois trancher
- Rétention : quelle durée, pour quels métiers, et pourquoi. Point concret : côté Enterprise, une politique personnalisée existe avec un minimum documenté de 90 jours. Si ton besoin est “moins”, tu dois l’assumer et l’organiser.
- Audit : qui peut accéder aux logs, dans quel cas (incident, contrôle, litige).
- Export : est-ce que tu as un besoin réel d’export automatique (Compliance API), ou un besoin ponctuel ?
Connexions : 5 pièges à éviter
- Connecter une boîte mail qui est abonnée à trop de groupes (tu exposes plus que prévu).
- Oublier la révocation côté fournisseur (désactiver dans ChatGPT ne suffit pas).
- Utiliser un compte applicatif avec des droits trop larges (mets du read-only si tu peux).
- Laisser des connexions individuelles se multiplier (bonjour la révocation impossible).
- Ne pas décider “individuel vs administré” par cas d’usage.
Si tu veux réduire le shadow AI (y compris “je connecte mon compte pro dans mon ChatGPT perso”), tu peux compléter avec : https://jimmymanin.com/blog/shadow-ai-en-entreprise-7-controles-simples-pour-reprendre-la-main-sans-bloquer-tes-equipes.
Ce que tu fais cette semaine (sans réunion inutile)
- Jour 1 : choisis 3 processus à volume + nomme 1 owner par processus.
- Jour 2 : écris les fiches Input/Output (1 page chacune).
- Jour 3 : crée 3 Skills (une par process), avec 2 exemples bons et 1 mauvais.
- Jour 4 : fixe les permissions (création, publication, installation). Installe les Skills pour l’équipe pilote.
- Jour 5 : mesure 20 occurrences “avant/après” sur temps et erreurs. Ajuste.
Tu veux une gouvernance IA en entreprise qui tient debout ? Tu ne la construis pas avec un PDF de 40 pages. Tu la construis avec 3 Skills utiles, installées proprement, mesurées, et améliorées.
Et si tu sens que tu bascules vers de l’automatisation plus “agentique” (actions dans des outils, dépenses, envoi de mails), pose des garde-fous avant. Ce plan de contrôle rapide t’évite des incidents stupides : https://jimmymanin.com/blog/agents-ia-et-incidents-reels-le-plan-de-controle-en-30-minutes-avant-de-laisser-cliquer.
