Licences ChatGPT Enterprise et Microsoft Copilot ou pipeline de traitement de documents : ce dont une entreprise réglementée a besoin

ChatGPT Enterprise, ChatGPT Business et Microsoft Copilot donnent à vos équipes un assistant capable de lire un contrat ou une déclaration de sinistre et de répondre à des questions à son sujet. Ces abonnements par personne, souvent appelés licences utilisateur (seats), conviennent aux documents que l'on lit et sur lesquels on décide un par un. Quand les mêmes types de documents arrivent chaque jour et que leurs champs doivent aboutir dans un autre système, il vous faut un pipeline de traitement de documents. Il lit chaque document avec un grand modèle de langage (LLM), le type d'IA qui fait fonctionner ChatGPT. Il vérifie ensuite chaque champ au regard de vos règles, envoie les champs douteux à une personne et écrit le reste dans vos systèmes. Dans une entreprise réglementée, ce sont le volume et l'endroit où vos documents peuvent être traités qui départagent les deux.

Qu'apportent les licences ChatGPT Enterprise et Copilot à une entreprise réglementée ?

Les licences donnent à chaque collaborateur un assistant, facturé par personne et couvert par des conditions professionnelles sur l'usage que l'éditeur fait des données de l'entreprise. La page de tarifs d'OpenAI, consultée le 16 octobre 2026, indique que ses offres ChatGPT payantes, Business et Enterprise comprises, « sont facturées par utilisateur et par mois ». La page de Microsoft sur les options de licence décrit Microsoft Copilot, le produit qu'elle appelait auparavant Microsoft 365 Copilot, comme « un plan complémentaire » à un abonnement Microsoft 365, avec une licence attribuée à chaque utilisateur.

La page d'OpenAI sur la confidentialité en entreprise, mise à jour le 8 janvier 2026, indique : « Nous n'entraînons pas nos modèles sur vos données par défaut ». La page prend cet engagement pour ChatGPT Business, ChatGPT Enterprise et l'API d'OpenAI, entre autres produits. L'API est l'interface qu'utilisent vos propres logiciels pour appeler les modèles d'OpenAI. La page de Microsoft sur la confidentialité de Copilot, consultée le 16 octobre 2026, indique que « les prompts, les réponses et les données consultées via Microsoft Graph ne sont pas utilisés pour entraîner les LLM de fondation, y compris ceux qu'utilise Microsoft Copilot. » Microsoft Graph est la couche par laquelle Copilot lit le courrier, les conversations et les fichiers de votre entreprise.

Les documents partent malgré tout dans le cloud de l'éditeur. Pour ses clients de l'UE, Microsoft présente Copilot comme un service EU Data Boundary, c'est-à-dire un service dont elle s'engage à stocker et à traiter les données clients dans l'UE et l'AELE, et ajoute : « Les modèles fournis par Anthropic en tant que sous-traitant ultérieur sont actuellement exclus de l'EU Data Boundary. » La page de Microsoft sur les modèles d'Anthropic indique que, chez les clients de l'EU Data Boundary et du Royaume-Uni, « les modèles Anthropic sont désactivés par défaut ». Si vos règles imposent que certains documents restent sur des serveurs que vous contrôlez, les licences sont exclues pour ces documents. Pour un assistant qui tourne sur vos propres serveurs, voyez l'article sur un ChatGPT privé, dont le lien figure plus haut.

Où les licences cessent-elles de suffire pour le traitement des documents ?

À gros volume, la première limite est le temps des personnes : pour chaque document, quelqu'un doit l'importer, poser la question, lire la réponse et copier le résultat. OpenAI plafonne aussi le rythme. Son article d'aide sur l'import de fichiers, consulté le même jour, indique : « Vous pouvez importer jusqu'à 80 fichiers toutes les 3 heures. » Il ajoute : « OpenAI peut abaisser ces limites aux heures de pointe. »

Deux collègues qui formulent la même question différemment peuvent obtenir des valeurs différentes à partir du même formulaire. Une instruction écrite fixe par type de document aide. Même ainsi, quelqu'un doit mesurer à quelle fréquence chaque champ sort juste, en notant les réponses sur un jeu de recette. Il s'agit d'un ensemble de documents réels où vos équipes ont consigné la valeur correcte de chaque champ.

Dans une conversation, le résultat reste à l'écran, et quelqu'un le ressaisit dans le système de sinistres, de tickets ou d'entrée en relation, avec à chaque fois le risque d'une nouvelle erreur. Un pipeline vérifie chaque valeur au regard de vos règles, comme un montant sous une limite, une date qui existe ou un numéro de client qui correspond à vos fichiers, et l'écrit lui-même.

Les licences s'accompagnent d'enregistrements des conversations. OpenAI indique que les administrateurs d'un espace de travail ChatGPT Enterprise « peuvent accéder à un journal d'audit des conversations et des GPT via l'Enterprise Compliance API », et Microsoft conserve « le prompt de l'utilisateur et la réponse de Copilot ». Un processus documentaire peut plutôt avoir besoin d'un enregistrement par document, qui montre les instructions et la version du modèle derrière chaque champ, les contrôles qu'il a passés et qui l'a approuvé. Demandez à votre équipe conformité lequel des deux votre processus exige.

Les agents Copilot ou les GPT personnalisés peuvent-ils faire le travail du pipeline ?

En partie. Les GPT personnalisés et les agents Copilot sont des assistants configurés pour des tâches précises. Connectés à vos systèmes, ils peuvent reprendre une partie des copies manuelles, et pour certains types de documents, cela peut suffire.

La page d'OpenAI sur la confidentialité indique que les membres d'un espace de travail « peuvent créer et partager des GPT en interne ». La même page indique que les apps « permettent à ChatGPT d'envoyer et de récupérer des informations depuis des sources internes connectées et des applications tierces », et ce sont les administrateurs qui choisissent les apps activées. Microsoft permet à Copilot d'utiliser des agents et des connecteurs vers d'autres outils. Sa page sur la confidentialité indique que « les administrateurs ont le contrôle total pour choisir les agents autorisés dans leur organisation ». Elle conseille aussi aux entreprises qui utilisent un agent de « consulter la déclaration de confidentialité et les conditions d'utilisation de l'agent pour déterminer comment il traitera les données de votre organisation. »

Testez un agent comme vous testeriez un pipeline. Faites-le tourner sur votre jeu de recette, vérifiez où chaque document est traité, y compris chez le fournisseur de l'agent lui-même, et regardez l'enregistrement qu'il conserve pour chaque document. Ne l'utilisez que pour les types de documents où il réussit le test.

Qu'apporte de plus un pipeline documentaire ?

Un pipeline applique les mêmes étapes à chaque document, et une personne ne voit que les documents qui échouent aux contrôles :

• La réception collecte les documents arrivés par e-mail, par une page de dépôt ou par un scanner, et les trie par type
• Un modèle de langage lit chaque document et renvoie les champs demandés, avec l'endroit du document d'où vient chaque valeur
• Vos règles vérifient chaque valeur, et tout ce qui est douteux part dans une file de revue, la liste des documents qui attendent une personne
• Les valeurs vérifiées sont écrites dans le système qui les utilise
• Un enregistrement par document conserve la version du modèle, les instructions, les résultats des contrôles et le nom de l'éventuel relecteur

Le modèle peut être celui que vos équipes utilisent déjà. La page d'OpenAI sur la confidentialité distingue les deux usages : « La façon la plus simple de démarrer avec OpenAI est de déployer ChatGPT Business ou ChatGPT Enterprise pour vos employés » et « Si vos équipes d'ingénierie souhaitent créer des solutions sur mesure avec notre technologie, essayez notre API Platform ». Un pipeline peut appeler l'API d'un fournisseur sous ses conditions professionnelles, ou faire tourner un modèle à poids ouverts sur des serveurs que vous contrôlez. Un modèle à poids ouverts est un modèle dont vous pouvez télécharger les fichiers et que vous pouvez faire tourner vous-même. L'article sur les montages API, auto-hébergé et hybride, dont le lien figure plus haut, compare ces choix.

Les conditions de l'API ne sont pas celles des licences : lisez-les séparément. La même page d'OpenAI indique : « À l'exception de certains points de terminaison et fonctionnalités listés dans la documentation de notre plateforme, OpenAI peut conserver de manière sécurisée les entrées et sorties de l'API pendant 30 jours au maximum, pour fournir les services et détecter les abus. » Elle ajoute que vous pouvez demander la non-conservation des données (zero data retention) « pour les points de terminaison éligibles, si votre cas d'usage remplit les conditions ».

Comment décider quels documents vont où ?

Dressez la liste de vos types de documents et notez pour chacun : combien en arrivent par mois, combien de champs vous tirez de chaque document, vers quel système vont ces champs, et si les documents peuvent quitter votre périmètre (les serveurs et les comptes cloud que votre entreprise contrôle).

• Les licences conviennent aux documents variés qu'une personne lit de toute façon pour décider de quelque chose, comme un contrat lu avant une réunion, quand rien n'en part vers un autre système
• Un pipeline convient aux types qui reviennent, comme les déclarations de sinistre, les factures ou les dossiers d'ouverture de compte, quand leurs champs alimentent un autre système et qu'une erreur a un coût bien identifié, comme un paiement erroné
• Les documents qui doivent rester dans votre périmètre exigent un système sur des serveurs que vous contrôlez, pipeline ou assistant privé, quel que soit leur volume

Licences et pipeline peuvent coexister. Vos équipes gardent leurs licences pour lire et rédiger, et le flux régulier de documents standard passe au pipeline.

Comment comparer les deux sur nos propres documents ?

Notez les deux sur un même jeu de recette, composé de documents récents de chaque type. L'article sur l'achat d'un logiciel d'IA documentaire ou la construction d'un pipeline, dont le lien figure plus haut, explique comment constituer le jeu et en garder une partie pour la note finale.

• Donnez les licences à deux ou trois collaborateurs, avec une instruction écrite par type de document, et chronométrez-les pendant qu'ils traitent un échantillon du jeu
• Notez leurs réponses champ par champ par rapport aux valeurs correctes
• Faites traiter le même échantillon par le pipeline, là où vos règles autorisent le traitement des documents, et notez-le de la même façon
• Comparez l'exactitude de chaque champ, les minutes de travail par document et le nombre de résultats arrivés dans le système cible sans ressaisie

Si les licences obtiennent d'aussi bonnes notes que le pipeline sur un type de document et que le temps passé par vos équipes reste acceptable, laissez ce type aux licences.

Combien coûte chaque option quand le volume augmente ?

Avec une tarification par personne, la facture des licences suit les effectifs, plus les éventuels crédits d'utilisation supplémentaires que vous achetez. Si le volume double et que vous recrutez pour y faire face, vous achetez aussi davantage de licences. La facture d'un pipeline suit les documents : l'usage du modèle ou les serveurs, plus les personnes qui traitent la file de revue et celles qui exploitent le système. Demandez à l'éditeur de vos licences et à chaque société qui propose un pipeline de chiffrer sur trois ans les mêmes volumes, communiqués par écrit, et comptez le temps de vos propres équipes des deux côtés.

Peut-on commencer avec des licences et ajouter un pipeline plus tard ?

Oui, et les mois passés avec les licences peuvent préparer le pipeline. Pendant que vos équipes s'en servent, rassemblez pour chaque type de document la liste des champs que vous en tirez, l'instruction écrite sur laquelle vos équipes se sont arrêtées et les documents où il a fallu corriger le résultat. La liste des champs et l'instruction deviennent le point de départ du cahier des charges du pipeline. Les documents corrigés, avec leurs valeurs correctes, entrent dans le jeu de recette.

Conservez ce matériau dans les propres fichiers de votre entreprise plutôt qu'éparpillé dans les historiques de conversation, pour pouvoir y confronter tout éditeur ou toute société avec qui vous discuterez plus tard.

Que demander à une société qui propose de construire le pipeline ?

• Quel pipeline documentaire avez-vous mené jusqu'en production, dans un usage quotidien, et que sont devenus les documents qu'il n'arrivait pas à lire ?
• Accepterez-vous de noter votre prototype sur notre jeu de recette, là où nos règles le permettent, avant que nous signions pour le développement complet ?
• Lesquels de nos types de documents laisseriez-vous à nos équipes et à leurs licences, et pourquoi ?
• Que contient l'enregistrement de chaque document, et notre équipe conformité peut-elle le lire sans votre aide ?
• À qui appartiennent le code, les instructions données au modèle et le jeu de recette à la fin de la mission ?

Où se situe amBrain ?

Le seul projet de modèle de langage qu'amBrain décrit publiquement est le suivant : « Nous avons mené une intégration de LLM jusqu'en production dans le périmètre FinTech d'un client : extraction et normalisation d'avis non structurés de courtiers et de places de marché — opérations sur titres, changements d'instruments et de marges — en enregistrements structurés consommés par le système de trading. »

Cet article n'est pas une étude de cas, et le client n'est pas nommé. La phrase citée ne dit pas comment ce projet a commencé, quel modèle il a utilisé, où tournait ce modèle ni lesquelles des étapes ci-dessus il comprenait. Rien ici ne dit qu'amBrain a remplacé des licences par un pipeline, a comparé les deux pour un client, a construit des systèmes pour des déclarations de sinistre, des factures ou des dossiers d'ouverture de compte, ni qu'elle a déployé ChatGPT Enterprise, ChatGPT Business, Microsoft Copilot ou l'API d'OpenAI pour qui que ce soit. OpenAI et Microsoft sont cités à titre d'exemples, d'après leurs propres pages publiées, et l'article n'affirme aucune relation entre eux et amBrain. Aucun prix, délai ni condition d'amBrain pour un prototype ou un test avant signature n'est indiqué.

amBrain développe des logiciels depuis 2019. Elle travaille en trois formats : la prestation complète, une équipe dédiée ou des ingénieurs intégrés à votre équipe. Sur la propriété, sa formule est : « Le client conserve la pleine propriété du produit et du code, à l'exception de nos composants réutilisables. » Si amBrain figure sur votre liste restreinte, soumettez-lui le même jeu de recette et les mêmes questions qu'à n'importe quelle autre société.