On vous promet une automatisation totale depuis une simple case de texte. La documentation d’OpenAI raconte une autre histoire : 5 tâches actives sur l’abonnement Plus, 10 sur Business, 15 sur Pro. Le compteur s’arrête là.
Automatiser ChatGPT, dans les faits, veut dire deux choses différentes. Programmer quelques tâches récurrentes dans l’interface native, plafonnées, pensées pour un usage individuel. Ou construire un agent orchestré via l’API, capable de tenir un vrai volume métier. Le premier se configure en 5 minutes. Le second se conçoit.
ChatGPT Tasks : ce que la fonctionnalité fait réellement
ChatGPT Tasks existe depuis janvier 2025. Vous décrivez une tâche en langage naturel, vous fixez une fréquence, elle s’exécute même hors connexion. Un résumé de veille chaque matin, un rappel de relance client le vendredi. Rien de spectaculaire, loin d’un usage industriel structuré.
5 tâches actives sur l’offre Plus ; 10 sur Business et Edu ; 15 sur Pro et Enterprise. Ces plafonds viennent de la documentation officielle d’OpenAI. La récurrence maximale grimpe à une fois par heure sur les offres payantes, une fois par jour sur l’offre gratuite.
Le plafond arrive plus vite qu’on ne le croit
« Si vous atteignez cette limite, ChatGPT ne pourra pas créer de nouvelle tâche tant qu’une tâche existante n’aura pas été mise en pause ou supprimée. »
Support client, reporting hebdomadaire, veille concurrentielle, relances commerciales : une entreprise de 20 personnes empile ces automatisations en un trimestre à peine. Chaque brique supplémentaire grignote le quota. Le quota atteint bloque la suivante, jusqu’à ce qu’une tâche existante soit mise en pause.
L’Insee mesure en juillet 2026 un taux d’usage de l’IA à 18% des entreprises françaises de 10 salariés ou plus, 8 points de plus qu’en 2024, un taux multiplié par 3 depuis 2023. Le détail compte davantage que la moyenne : les entreprises de moins de 50 salariés y recourent deux fois moins souvent que celles employant 50 à 249 personnes. Le manque d’utilité perçue reste le frein le plus cité, à 71% ; le manque d’expertise suit à 54%, en tête des obstacles pour les entreprises de 250 salariés et plus.
La brique technique existe déjà chez OpenAI. Ce qui manque, c’est le pont vers le reste de la stack : le CRM, la boîte mail partagée, le tableur de reporting hebdomadaire.
Le 17 juin 2026, OpenAI a retravaillé tout le système et supprimé Pulse, son briefing matinal personnalisé lancé neuf mois plus tôt, comme le rapportait Les Actus du Net. L’outil natif bouge vite. Il reste un outil individuel, loin d’un vrai process d’entreprise.
ChatGPT Tasks, no-code ou agent orchestré : le vrai arbitrage
Trois routes existent pour automatiser avec ChatGPT. Elles ne se valent pas selon le volume à tenir.
| Critère | ChatGPT Tasks natif | No-code (Zapier, Make) | Agent orchestré (API + n8n + MCP) |
|---|---|---|---|
| Tâches actives simultanées | 5 à 15 selon l’offre | Illimité, facturé au scénario | Illimité, facturé à l’usage API |
| Connexion aux outils métier | Aucune, interface fermée | Centaines de connecteurs prêts | Sur mesure, via API ou MCP server |
| Supervision et logs | Historique de conversation seul | Journal d’exécution basique | Monitoring du coût par token, alerting |
| Coût de mise en place | Zéro, inclus dans l’abonnement | Quelques centaines d’euros | Plusieurs milliers d’euros, amorti sur le volume |
Le no-code comble une partie du manque. Zapier et Make connectent ChatGPT à des centaines d’outils sans écrire de code. La logique reste linéaire : un déclencheur, une action. Un agent orchestré via n8n workflow et un MCP server gère les branchements conditionnels et les reprises sur erreur. Le contexte persiste d’une exécution à l’autre, ce qu’aucun outil no-code ne fait nativement. La différence tient en une image : suivre une recette contre superviser une cuisine entière un vendredi soir de rush.
Ce qui casse quand vous scalez avec ChatGPT seul
Chaque appel a un coût. En tokens. En millisecondes. Une tâche qui résume trois emails passe inaperçue. 100 tâches par jour, sur un modèle mal calibré, font grimper la facture sans que personne ne surveille le poste. Le latency token cost est le premier chiffre que découvre une équipe qui scale sans tableau de bord dédié.
ChatGPT Tasks n’a pas de mécanisme de reprise si une étape échoue en cours de route. Aucun retry automatique. Aucune notification vers un humain autre que l’utilisateur qui a créé la tâche à l’origine.
L’orchestration réduit les erreurs de suivi. Elle ne supprime pas la relecture humaine sur les réponses sensibles. Un ticket de remboursement mal engagé coûte plus cher qu’une heure de relecture. Le prompt engineering en prod se juge sur cette marge d’erreur résiduelle. Une démo qui tourne une fois devant un client ne prouve rien de la charge réelle.
Construire un agent qui tient la charge
La plupart des agences IA vendent un chatbot repeint aux couleurs du client, facturé 8 000 euros. Zéro ligne de code visible. Un agent qui tient en production demande autre chose : un prompt testé sous charge et un monitoring du coût par token. Un fallback aussi, pour les moments où l’API répond en retard. Le monitoring loggue chaque appel : le prompt envoyé, la réponse reçue, le coût en tokens, la latence mesurée. Ce niveau de détail manque à l’interface native de ChatGPT, qui n’expose qu’un historique de conversation.
Prenez un cas concret. Un service client qui reçoit 200 tickets par jour peut router les demandes simples vers un agent qui interroge la base de connaissance via API et rédige une réponse. Il n’escalade vers un humain que sur les cas ambigus ou les montants engagés. Le même mécanisme s’applique à l’enrichissement de leads entrants. Ou à la synthèse hebdomadaire d’un pipeline commercial. La brique agent autonome reste identique. Seul le déclencheur change.
Un outil comme Claude Code ou l’API OpenAI orchestrée derrière un n8n workflow ne remplace pas ChatGPT Tasks pour un usage personnel. Il prend le relais là où Tasks s’arrête : au-delà de 15 tâches, quand le ROI projet IA se calcule en heures commerciales récupérées et non plus en confort individuel.
La seule façon de savoir si votre process tient la charge, c’est de le faire tourner sur un vrai volume, jamais sur une démonstration calibrée pour convaincre.
Vos trois POCs dorment depuis six mois. Le blocage est presque toujours le même : personne n’a orchestré la chaîne complète, de l’appel API au monitoring du coût. La brique existe chez OpenAI depuis 2025. L’architecture autour reste à construire.