Proaction augmente ses ventes de 60 % et gagne plus de 75 heures avec Codex

Le 25 septembre 2026, OpenAI a publié un témoignage client consacré à Proaction, une jeune entreprise qui édite un logiciel de gestion de flottes. Les chiffres clés sont simples. Grâce à Codex, Proaction économise 40 à 60 heures d'ingénierie par mois, environ 33 heures par mois pour ses fondateurs, et annonce une hausse de 60 % des ventes. L'entreprise est basée en Amérique du Nord. Elle vend son logiciel à des sociétés qui gèrent des flottes de véhicules, des voitures et camions jusqu'aux engins de chantier. Elle utilise Codex et l'API, et son produit s'appuie sur GPT-Live-1, GPT-6 Astra et ChatGPT-5.6 Sol. Commençons par le problème. Chaque flotte fonctionne différemment : la composition du parc, les processus et les habitudes varient d'un client à l'autre. Montrer à un prospect comment la plateforme s'adapte à son activité est donc une étape essentielle de la vente. Or une démonstration personnalisée demande du temps d'ingénierie, et une jeune entreprise n'a pas d'ingénieurs en surplus. Avant Codex, les fondateurs expliquaient les possibilités par des échanges et des présentations. Colin Knudsen, cofondateur et directeur des opérations, n'est pas ingénieur. Chaque fois qu'il voulait une démonstration, il devait solliciter l'équipe technique.

Codex a changé ce processus. Après un appel commercial, Colin dirige Codex vers l'enregistrement Granola, les échanges d'e-mails avec le prospect et les tableurs que celui-ci a partagés. Codex s'appuie sur ce contexte pour personnaliser un environnement de démonstration en HTML. L'environnement reprend le produit réel de Proaction, mais il est rempli avec la flotte du prospect. Lorsque Colin partage son écran, le prospect voit ses propres voitures, camions ou équipements, organisés selon sa façon de travailler. Il peut montrer ce qu'il faut ajuster et participer à la construction de la solution. Selon Colin, les deux parties produisent ensemble la solution finale, sans aucune intervention de l'ingénierie. Passons aux chiffres. Colin crée de quatre à six démonstrations interactives personnalisées par mois, chacune en 30 à 45 minutes. Il estime qu'un ingénieur aurait besoin d'environ 10 heures pour une démonstration comparable, ce qui évite 40 à 60 heures de travail d'ingénierie chaque mois. Côté conversion, il estime que la part des affaires passant du premier contact à l'élaboration d'une solution, plutôt qu'à la phase de maturation, a augmenté de 50 à 60 % grâce aux démonstrations sur mesure. Une précaution s'impose : ce sont les estimations de Colin lui-même, pas le résultat d'une expérience contrôlée. Il faut les lire comme le jugement d'un responsable de terrain, non comme un benchmark. La démonstration garde sa valeur après la vente. Quand un prospect devient client, Colin remet la démonstration personnalisée aux ingénieurs comme référence visuelle. Cela réduit les questions et les allers-retours sur ce qu'il faut construire. Proaction a aussi utilisé Codex pour créer un centre de solutions client. Les prospects s'y connectent, explorent des flux de travail adaptés à leur activité et consultent les documents commerciaux. Les clients expriment mieux leurs besoins, et les collègues non ingénieurs peuvent transformer ces échanges en exigences plus claires. Quand les ingénieurs interviennent, ils ont une image concrète de ce qu'il faut construire. Le deuxième axe est Codex comme poste de travail quotidien. Le travail de Colin couvre la vente, le support client et la gestion de produit. Grâce aux plugins Codex pour des outils comme Granola, Gmail, Slack, Linear, GitHub et HubSpot, il rassemble le contexte client et agit dessus au même endroit. Il récupère les transcriptions d'appels et l'historique d'e-mails pour préparer les relances, crée des tickets Linear et met à jour les opportunités HubSpot. Il a aussi configuré une automatisation planifiée qui passe en revue les appels récents et prépare des points de vente pour l'équipe. Auparavant, sa charge de travail l'obligeait à passer d'un onglet à l'autre et à copier des informations d'un outil à l'autre. Désormais, il décrit son besoin, et Codex rassemble le contexte puis exécute l'étape suivante. Il estime avoir 15 à 20 tâches distinctes par jour et pense que Codex lui fait gagner 25 à 33 heures par mois.

Le troisième axe se situe dans le produit. Proaction utilise des modèles OpenAI sur toute sa plateforme. Quand des clients envoient des photos avec un signalement de problème sur un véhicule, ChatGPT-5.6 Sol aide à identifier les dommages. Avec GPT-Live-1, l'entreprise construit des agents qui prennent en charge une plus grande part du travail quotidien d'une flotte. Elle appelle cela sa Managed Execution Layer, la couche d'exécution gérée. Colin explique que l'objectif est que Proaction exécute le travail pour ses clients, au-delà de les aider à le gérer et à le suivre, et que les progrès de la voix chez OpenAI sont une raison majeure de cette possibilité. Les clients peuvent demander à des agents spécialisés de traiter des sujets comme les péages ou l'entretien, ou configurer des flux de travail qui mobilisent automatiquement le bon agent. Ces agents utilisent des modèles OpenAI, dont GPT-Live-1 et GPT-6 Astra, pour passer des appels vocaux et examiner des documents et des images. Le texte source dont nous disposons est tronqué à partir de là ; nous ne décrivons donc pas d'autres détails. Quel est le mécanisme ? L'idée clé est que le contexte joue le rôle d'interface. Codex n'invente pas une démonstration à partir de rien. On le dirige vers du matériel réel, comme des enregistrements, des e-mails et des tableurs, et il produit un fichier HTML interactif. Une démonstration HTML est légère : elle ne demande aucun déploiement de serveur et se modifie facilement en direct pendant un partage d'écran. L'approche fusionne le recueil des besoins et le prototypage en une seule conversation, et réduit la distance entre les mots du client et un produit visible. Trois enseignements se dégagent pour les entreprises et les développeurs. Premièrement, les utilisateurs d'agents de code ne sont plus seulement des ingénieurs. Quand un fondateur non technique construit le prototype, le temps rare des ingénieurs va au vrai travail produit. Deuxièmement, la valeur vient de l'intégration des flux de travail, pas d'une production isolée : les plugins relient le CRM, le suivi des tickets, la messagerie et le dépôt de code, et ce qu'ils économisent, ce sont des coûts de changement de contexte. Troisièmement, les agents vocaux font passer le logiciel d'un système d'enregistrement à un système d'exécution, ce qui compte surtout dans les secteurs qui fonctionnent par téléphone, comme les flottes, la logistique et la maintenance.

Une certaine prudence s'impose aussi. Les gains sont surtout des estimations déclarées par une seule entreprise en phase précoce et un seul utilisateur intensif. Laisser des agents passer des appels ou traiter péages et entretien pour des clients soulève des questions de responsabilité, de correction d'erreurs, de conformité et de traçabilité. La source ne décrit pas la manière dont Proaction les traite. Créer des démonstrations à partir de données clients exige aussi des règles claires sur l'accès aux données et la vie privée. Toute entreprise qui copie ce modèle devra y répondre d'abord. À l'avenir, des schémas semblables se diffuseront probablement vers d'autres secteurs. Les commerciaux construiront des prototypes sur mesure avec des agents de code, et les équipes d'exploitation confieront les relances répétitives à des agents vocaux. Pour OpenAI, ce témoignage montre des produits qui travaillent ensemble : Codex comme poste de travail, l'API et les modèles vocaux comme briques intégrées au produit. Pour Proaction, le vrai test sera de savoir si la couche d'exécution gérée peut fonctionner de façon fiable et auditable dans les conditions complexes de clients réels. Si c'est le cas, la concurrence dans cette catégorie de logiciels passera du nombre de fonctionnalités à la quantité de travail réellement accomplie.