Codex dans ChatGPT : ce que l’agent d’OpenAI change pour les développeurs

Pendant des années, les assistants de code ont surtout joué le rôle d’un correcteur ou d’un copilote : ils complétaient une ligne, suggéraient une fonction, expliquaient une erreur. Avec Codex, présenté le 16 mai 2025, OpenAI veut déplacer ce curseur. L’outil ne se limite plus à proposer du code dans une conversation : il reçoit une tâche, examine un projet, modifie des fichiers, lance des vérifications et rend compte de son travail.

Cette évolution ne transforme pas ChatGPT en développeur autonome au sens plein du terme. Elle donne plutôt aux équipes un agent susceptible de prendre en charge une partie des tâches bien délimitées qui encombrent les journées de programmation : préparer une modification, investiguer un bug, produire des tests ou clarifier l’architecture d’un projet. Pour les développeurs, l’enjeu est donc moins la génération de code en elle-même que la possibilité de déléguer un morceau de travail complet, puis d’en contrôler le résultat.

Codex, un agent de code qui travaille en différé

Le nouveau Codex d’OpenAI est un agent de développement logiciel basé sur codex-1, un modèle dérivé et optimisé à partir d’o3 pour les tâches de programmation. Sa particularité tient à son mode de fonctionnement. Au lieu de répondre uniquement par du texte ou un extrait de code, l’agent peut être chargé d’une mission concrète sur un dépôt : par exemple, ajouter une fonction, rechercher l’origine d’une anomalie ou remettre en ordre une partie devenue difficile à maintenir.

L’utilisateur formule sa demande depuis l’interface de ChatGPT, dans une zone consacrée à Codex. Il peut ensuite connecter un dépôt GitHub et choisir si l’agent doit travailler sur une nouvelle tâche ou explorer un projet existant. Codex exécute alors son travail dans un environnement distant, plutôt que directement sur l’ordinateur du développeur.

Ce fonctionnement est asynchrone. Une fois la demande envoyée, il n’est pas nécessaire de rester devant l’interface à attendre chaque étape. Selon OpenAI, une tâche peut demander de 1 à 30 minutes. À la fin, Codex fournit un compte-rendu de ce qu’il a fait. Cette restitution est essentielle : elle permet au développeur de comprendre les changements proposés, d’examiner les tests effectués et de décider s’il convient ou non d’intégrer le résultat.

Quelles tâches Codex peut-il accomplir ?

OpenAI présente Codex comme un assistant capable d’intervenir à plusieurs moments du cycle de développement. Il peut rédiger du code, mais aussi s’attaquer aux opérations souvent plus longues ou moins gratifiantes qui entourent la création d’une fonctionnalité.

Parmi les usages annoncés figurent notamment :

• la création de nouvelles fonctionnalités à partir d’une demande formulée en langage naturel ;
• la correction de bugs et l’analyse d’erreurs récurrentes ;
• la rédaction ou l’amélioration de tests ;
• les opérations de refactorisation, c’est-à-dire la réorganisation du code sans modifier son comportement attendu ;
• la production de documentation technique ;
• les réponses à des questions sur la structure, les choix techniques ou l’architecture d’un dépôt ;
• l’identification d’incohérences de configuration et de pistes d’optimisation.

La différence est importante avec une simple autocomplétion. Un outil de suggestion intervient au fil de la frappe et laisse le développeur assembler la solution. Codex vise une tâche plus large : il peut parcourir le projet concerné, modifier plusieurs fichiers et exécuter des tests pour vérifier son approche. Il ne s’agit donc pas seulement d’écrire plus vite, mais de réduire le temps consacré à naviguer entre le code, les fichiers de configuration, les rapports d’erreur et la documentation.

Cela ne garantit toutefois pas qu’une proposition soit correcte, complète ou adaptée aux contraintes réelles du produit. Un logiciel repose souvent sur des règles implicites, des décisions métier ou des compromis de sécurité qui ne se lisent pas toujours directement dans un dépôt. La relecture demeure une étape indispensable, particulièrement pour les changements qui touchent à la sécurité, aux données personnelles, aux paiements ou à l’infrastructure.

Un environnement isolé pour traiter les dépôts de code

Pour effectuer ses tâches, Codex travaille dans un conteneur cloud isolé. Concrètement, OpenAI prépare un environnement séparé qui contient le dépôt et les éléments nécessaires à l’exécution de la mission. L’agent peut y lire et modifier les fichiers, puis lancer des commandes ou des tests dans ce cadre contrôlé.

Cette isolation répond à un besoin pratique autant qu’à un enjeu de sécurité. Un projet professionnel ne doit pas être modifié sans garde-fou dans l’environnement local d’un salarié. En séparant l’exécution de l’agent de la machine du développeur, Codex limite la portée directe de ses actions. Le code produit ou modifié reste néanmoins à examiner avant toute mise en production.

Dans l’usage décrit par OpenAI, l’utilisateur suit l’avancement de l’opération et reçoit à la fin une explication détaillée. Il peut demander une révision, récupérer les modifications dans son environnement local ou ouvrir une pull request sur GitHub. Une pull request est une proposition de changement : elle sert à soumettre du code à la discussion et à la relecture avant sa fusion éventuelle dans la version principale du projet.

AGENTS.md, le fichier qui donne un cadre à l’IA

Une IA de programmation ne peut pas deviner les conventions propres à chaque équipe. Deux projets utilisant le même langage peuvent obéir à des règles très différentes : organisation des fichiers, style d’écriture, commandes de test, dépendances autorisées ou exigences de documentation. C’est pourquoi Codex s’appuie sur un fichier nommé AGENTS.md.

Ce fichier sert de mode d’emploi destiné à l’agent. Les développeurs peuvent y préciser les conventions de code à respecter, la manière de lancer les tests, les parties du projet à éviter ou encore des instructions adaptées à un dépôt particulier. L’idée est simple : mieux l’agent connaît les règles du terrain, moins il risque de proposer une modification incohérente avec le fonctionnement de l’équipe.

Cette approche rappelle une réalité parfois oubliée dans les démonstrations d’IA : la qualité du résultat dépend fortement du contexte transmis. Une demande vague, telle que « améliore cette application », peut produire un résultat difficile à évaluer. À l’inverse, une tâche bornée, des critères d’acceptation précis et des instructions de test claires donnent un cadre plus favorable à un travail exploitable.

De l’assistance en direct à la délégation d’une tâche complète

Codex appartient à une tendance plus large : le passage des assistants conversationnels aux agents capables d’enchaîner plusieurs actions. Dans le développement logiciel, cette transition change la manière de formuler une demande. Au lieu de demander « comment écrire cette fonction ? », le développeur peut demander « implémente cette fonction, ajoute les tests correspondants et explique les fichiers modifiés ».

L’intérêt est particulièrement visible pour les travaux qui sont répétitifs mais nécessitent tout de même de comprendre un projet : préparer une première version de correctif, produire des tests pour une zone peu couverte, mettre à jour une documentation ou examiner des configurations. L’agent peut aussi aider un développeur qui découvre une grande base de code, en fournissant un point d’entrée et une explication de l’architecture.

En revanche, Codex ne résout pas automatiquement les problèmes où la difficulté principale est de décider quoi construire. Les arbitrages entre coût, expérience utilisateur, obligations réglementaires, délais et objectifs commerciaux restent du ressort des personnes qui connaissent le produit. De même, l’agent ne remplace pas la responsabilité associée au déploiement d’un changement dans un service utilisé par des clients.

Qui peut utiliser Codex et à quel prix ?

À son lancement, le 16 mai 2025, Codex est proposé aux utilisateurs de ChatGPT Pro, Enterprise et Teams. OpenAI prévoit ensuite de l’étendre aux abonnements Plus et Education dans les semaines suivantes. L’utilisation est annoncée sans frais supplémentaires au départ pour les formules éligibles, avec des limites de requêtes. Des capacités supplémentaires doivent pouvoir être achetées par les utilisateurs ayant besoin d’un volume plus important.

OpenAI propose également un modèle par API, sous le nom de codex-mini-latest, via l’API Responses. Cette option s’adresse aux entreprises et développeurs qui souhaitent intégrer des capacités de programmation dans leur propre outil, plutôt que de passer uniquement par l’interface ChatGPT.

Un token est une unité de texte utilisée par les modèles d’IA pour mesurer ce qu’ils lisent et produisent. Dans une application de développement, le volume peut grimper lorsque le système doit analyser de longs fichiers, des messages d’erreur ou une documentation abondante. La remise sur la mise en cache vise donc à limiter la facture lorsque des éléments de contexte sont réutilisés.

Ce qu’il faut surveiller dans l’adoption de Codex

L’arrivée de Codex pose moins la question d’une disparition immédiate des développeurs que celle d’une redéfinition progressive de leur travail. Si l’agent tient ses promesses sur les tâches répétitives, les équipes pourraient consacrer davantage de temps à définir les besoins, concevoir l’architecture, relire les changements et résoudre les problèmes complexes. Mais ce gain dépendra de la qualité des demandes, de l’organisation des projets et des procédures de contrôle en place.

La confiance sera le point décisif. Pour être utile dans un contexte professionnel, un agent de code doit non seulement produire une modification qui semble fonctionner, mais aussi permettre de comprendre ce qu’il a fait, de reproduire ses vérifications et de corriger facilement ses erreurs. Les comptes-rendus, l’exécution de tests et l’intégration avec les pull requests vont dans ce sens, sans éliminer le besoin de supervision.

Il faudra également observer le rythme auquel OpenAI ouvre Codex aux autres abonnements et les limites concrètes de son usage. Entre une démonstration convaincante sur une tâche isolée et une adoption quotidienne dans un projet complexe, l’écart peut être considérable. Codex marque néanmoins une étape nette : ChatGPT ne se contente plus de répondre aux développeurs, il commence à travailler avec leurs dépôts, dans un cadre qu’ils doivent encore maîtriser.