OpenAI Presence

Ce que c’est

OpenAI Presence est la plateforme managée d’OpenAI pour mettre en production des agents voix et chat, lancée le 22 juillet 2026. Ce n’est ni un modèle ni un builder self-serve. C’est un produit déployé : les Forward Deployed Engineers (FDEs) d’OpenAI, ou des intégrateurs systèmes mondiaux sélectionnés, cadrent avec vous une mission précise — résoudre un problème de facturation, accompagner un sinistre d’assurance, clôturer un ticket IT d’un salarié —, connectent les systèmes dont cette mission a besoin, encodent vos politiques et règles d’escalade, testent l’agent et le mettent en production. Le billet de lancement d’OpenAI cite le support client, la vente outbound et les workflows internes à haut risque comme les formats pris en charge.

La plateforme regroupe des briques que vous assembleriez sinon vous-même : procédures opératoires standard et politiques, guardrails, « actions approuvées » aux permissions restreintes sur vos APIs, simulations et graders exécutés avant la mise en production, et une boucle d’amélioration après le lancement dans laquelle Codex, via un plugin Presence, analyse les sessions de production et les escalades et propose des modifications que votre équipe teste face à la version en production avant un rollout contrôlé.

C’est un produit distinct des agents que vous créez dans ChatGPT. Le centre d’aide d’OpenAI trace clairement la ligne : les ChatGPT Workspace Agents sont créés et partagés dans les espaces de travail ChatGPT et Slack ; les agents Presence sont cadrés et déployés avec OpenAI ou un partenaire et ne sont jamais construits via cette interface.

Les preuves à ce jour

La ligne de support téléphonique anglophone d’OpenAI elle-même tourne sur Presence. OpenAI indique qu’elle résout 75 % des demandes entrantes sans humain, et que la boucle d’amélioration Codex a réduit les transferts vers un humain de 15 points de pourcentage en 10 jours. Les deux chiffres sont déclaratifs, et OpenAI n’a pas publié sa définition de « résolu ».

Les clients cités en sont au début : BBVA est design partner et explore le support vocal pour la banque du quotidien au Mexique, SoftBank teste des conversations clients en japonais, et IAG explore le support lors de pics de demande comme les intempéries. Aucun n’a été présenté au lancement comme un déploiement complet en production.

La réalité des prix

Il n’y a ni prix public, ni unité de facturation publiée, ni minimum annoncé. Le centre d’aide d’OpenAI précise que le prix, les modèles, les canaux, la capacité et le traitement des données sont définis par déploiement, et que l’accès dépend de « l’adéquation du workflow, de la maturité pour l’implémentation et de la capacité de delivery disponible ». Prenez-le au pied de la lettre : pendant la GA limitée, vous candidatez pour du temps de FDE, vous n’achetez pas une licence.

Notre estimation de planification, pas un chiffre coté : budgétez comme pour Sierra, le pair le plus proche à tarification au résultat, dont les contrats se situent entre $150K et $350K+ par an, plus le coût interne d’une revue sécurité, confidentialité et juridique et le travail d’intégration système qui reste à la charge de votre équipe. Si votre volume ne justifie pas un engagement annuel à six chiffres, Presence n’est pas pour vous aujourd’hui.

Idéal pour

Les responsables support et CX en entreprise avec des parcours voix ou chat à fort volume et chargés en règles — facturation, sinistres, gestion de comptes — qui ont déjà une relation enterprise avec OpenAI et veulent que les ingénieurs d’OpenAI portent le build. Il convient aussi aux équipes RevOps qui pilotent un agent vocal outbound ou de qualification lorsque la livraison menée par OpenAI est le critère décisif.

Passez votre chemin si vous devez démarrer ce trimestre sans cycle de vente, si vous cherchez à remplacer votre CCaaS (Presence ne décrit ni routage, ni workforce management, ni gestion de la qualité), ou si votre équipe veut posséder le code de l’agent — dans ce cas, construisez directement sur l’OpenAI API, qu’OpenAI dit continuer à supporter pour ses clients voix.

Face aux alternatives

Les deux options établies sont Sierra, le pure player à tarification au résultat avec des déploiements vocaux en production à grande échelle, et Salesforce Agentforce, le choix par défaut quand votre service desk vit déjà dans Salesforce. L’entrant à la plus forte croissance est Decagon. Choisissez Sierra ou Decagon si vous voulez un fournisseur avec de nombreux déploiements en production nommés et un contrat qui définit ce qu’est une résolution ; choisissez Agentforce quand la consolidation dans le CRM pèse plus que le choix du modèle. Pour les centres de contact centrés sur le téléphone, Parloa et PolyAI offrent une profondeur téléphonique que Presence n’a pas documentée. Choisissez Presence si vous voulez les modèles d’OpenAI avec les FDEs d’OpenAI responsables du résultat, et si vous pouvez attendre la capacité de delivery.

Points de vigilance

• La preuve, c’est la propre ligne téléphonique d’OpenAI. Un fournisseur qui automatise son propre support n’a aucun système legacy à affronter et contrôle entièrement le modèle. Garde-fou : dans le contrat du pilote, fixez une référence de containment et de précision à partir de vos outils actuels, définissez « résolu » au regard de vos taux de réouverture et de recontact, et conditionnez l’extension au dépassement de cette référence sur un trimestre complet.
• Chaque condition est propre au déploiement, donc rien n’est standard. Rétention des données, région de stockage, configuration du modèle et prix peuvent différer de ceux du client voisin. Garde-fou : faites inscrire rétention, masquage, région et préavis de changement de modèle dans la documentation du déploiement avant la validation sécurité, et exigez un préavis et une nouvelle exécution de votre suite d’évaluation avant tout changement de modèle.
• La capacité de delivery est le goulot d’étranglement, et le lock-in suit. Les agents construits par les FDEs d’OpenAI dans Presence ne sont pas du code portable qui vous appartient. Garde-fou : conservez vos SOPs, règles de politique, scénarios de test et critères de grading dans votre propre dépôt dès le premier jour, pour qu’une migration vers Sierra, Decagon ou un build maison sur l’API les réutilise au lieu de repartir de zéro.