OpenAI lance Codex, un agent de programmation autonome dans ChatGPT

Écrire quelques lignes de code à partir d’une consigne est déjà à la portée de nombreux assistants conversationnels. OpenAI veut désormais leur confier un rôle plus opérationnel. Avec Codex, présenté en mai 2025, l’entreprise introduit dans ChatGPT un agent capable de travailler sur un véritable dépôt de logiciels, d’y préparer des modifications et de montrer ce qu’il a fait.

L’ambition est moins de remplacer le développeur que de réduire le temps absorbé par les tâches répétitives : comprendre une partie ancienne d’une application, corriger un défaut identifié, ajouter des tests ou encore produire de la documentation. Là où une simple aide au code suggère une fonction dans une fenêtre de discussion, Codex est conçu pour recevoir une mission, agir dans un environnement contrôlé, puis remettre un résultat à examiner.

Codex, qu’annonce exactement OpenAI ?

Codex est un agent de programmation intégré à ChatGPT. OpenAI le décrit comme un collaborateur virtuel auquel un utilisateur peut déléguer une tâche de développement. L’agent peut explorer le code qui lui est fourni, modifier des fichiers, lancer des commandes et exécuter des tests avant de présenter sa proposition.

Cette annonce ne renvoie pas seulement à l’ancien nom « Codex », employé par OpenAI pour des modèles de génération de code. Le nouveau produit s’appuie sur codex-1, un modèle spécialisé dérivé du raisonnement d’o3 et optimisé pour l’ingénierie logicielle. Il est destiné à accomplir des tâches qui demandent plusieurs étapes, plutôt qu’à compléter uniquement la ligne de code en cours de frappe.

Concrètement, un développeur peut demander, par exemple, d’expliquer le fonctionnement d’un module, de résoudre un bug décrit dans un ticket, de refactoriser une portion de l’application ou d’ajouter une fonctionnalité. Codex analyse alors le dépôt chargé pour cette tâche, applique les changements qu’il estime nécessaires et lance les vérifications prévues.

L’agent peut traiter plusieurs demandes en parallèle. Selon OpenAI, les travaux qui lui sont confiés peuvent prendre de 1 à 30 minutes, en fonction de leur ampleur et des tests à effectuer. Cette durée est un élément important : Codex ne répond pas forcément instantanément comme un chatbot, car il est censé mener un travail complet avant de restituer son résultat.

Comment l’agent travaille-t-il sur un projet ?

Chaque tâche est exécutée dans un environnement cloud isolé, souvent appelé « bac à sable ». Cet espace est préchargé avec le dépôt de code concerné, c’est-à-dire l’ensemble des fichiers et de l’historique utile au projet. Codex peut ainsi agir sur une copie de travail sans intervenir directement sur l’infrastructure de production d’une entreprise.

OpenAI a choisi de ne pas donner à Codex d’accès à Internet dans cet environnement. Cette restriction vise à maintenir un cadre contrôlé : l’agent ne peut pas aller chercher librement des informations ou télécharger des éléments extérieurs pendant l’exécution d’une tâche. Elle limite aussi les possibilités d’action non désirée depuis le bac à sable.

Le fonctionnement se distingue d’une demande vague adressée à un assistant généraliste. Pour produire une modification pertinente, l’agent doit d’abord repérer l’organisation du projet, comprendre les dépendances entre fichiers, suivre les conventions d’écriture existantes et vérifier que sa proposition ne casse pas les comportements attendus.

Codex ne se contente donc pas de livrer un extrait de code. Il présente aussi des éléments permettant de suivre son raisonnement opérationnel : journaux de terminal, commandes utilisées et résultats de tests. Ces traces servent de preuves vérifiables de ce qui a été exécuté dans l’environnement de travail.

AGENTS.md, le mode d’emploi donné à l’intelligence artificielle

Pour qu’un agent soit utile dans une équipe, il doit respecter les habitudes du projet. Une application peut utiliser des langages différents, des règles de mise en forme précises, une architecture interne complexe ou une série de tests à déclencher avant toute modification. Sans ces indications, même un bon générateur de code peut proposer un changement techniquement correct, mais inadapté au dépôt concerné.

OpenAI prévoit à cette fin l’usage de fichiers nommés AGENTS.md, comparables dans leur principe aux fichiers README.md bien connus des développeurs. Ils servent à expliquer à Codex comment naviguer dans le code, quelles conventions employer, quelles commandes lancer et quels tests privilégier.

Une équipe peut notamment y préciser :

• les règles de nommage et de formatage du code ;
• les parties du dépôt qu’il faut éviter de modifier ;
• la procédure de test à respecter ;
• les particularités d’un module ou d’une architecture interne.

Cette approche a une conséquence pratique : la qualité du résultat ne dépend pas uniquement des capacités du modèle. Elle dépend aussi de la qualité des instructions fournies, de l’état du dépôt et des tests existants. Un projet mal documenté, peu testé ou rempli de dépendances obsolètes restera difficile à modifier, y compris pour un agent spécialisé.

Quels gains pour les développeurs, et quelles limites ?

Codex cible en priorité le temps passé sur les tâches à faible valeur créative, mais nécessaires au maintien d’un logiciel. Le refactoring, c’est-à-dire la réorganisation d’un code sans changer son comportement visible, l’écriture de tests, la recherche d’une cause probable de bug ou les ajustements documentaires sont autant de missions qu’un agent peut aider à accélérer.

Pour une équipe, l’intérêt est aussi de pouvoir lancer plusieurs travaux en parallèle. Pendant qu’un développeur traite une question d’architecture ou échange avec les utilisateurs du produit, Codex peut préparer une correction, exécuter une suite de tests ou explorer une partie inconnue du dépôt. Ce fonctionnement peut raccourcir certaines phases d’analyse et de préparation, sans supprimer l’étape de validation.

Il faut toutefois distinguer vitesse d’exécution et fiabilité absolue. Un agent peut mal interpréter une demande ambiguë, privilégier une solution qui passe les tests existants sans répondre au besoin réel, ou introduire une régression dans un cas que les tests ne couvrent pas. La présence de journaux et de résultats de test facilite l’examen du travail, mais ne remplace ni une revue de code ni la responsabilité des équipes.

Un agent, pas une simple autocomplétion

Les outils d’assistance au code existaient déjà avant Codex. Beaucoup fonctionnent sous la forme d’autocomplétion : pendant que la personne écrit dans son éditeur, le système suggère la suite d’une ligne, d’une fonction ou d’un bloc de programme. Ils peuvent faire gagner du temps, mais la personne garde la main à chaque étape.

Codex se place à un autre niveau d’autonomie. L’utilisateur formule un objectif et l’agent est censé dérouler une séquence de travail : lire le projet, choisir les fichiers à modifier, produire le code, lancer les tests et signaler son résultat. Cette différence explique pourquoi le produit doit s’appuyer sur un environnement isolé et sur des règles explicites de fonctionnement.

Dans les deux cas, l’assistance reste plus efficace quand la demande est claire. Décrire le comportement attendu, indiquer les fichiers ou modules concernés et préciser les critères de réussite réduit le risque de recevoir une modification incomplète. Les consignes doivent également éviter de transmettre à un service externe des données sensibles qui ne sont pas nécessaires à la tâche.

Qui peut utiliser Codex dans ChatGPT ?

Au lancement, le 20 mai 2025, Codex est proposé en avant-première aux abonnés ChatGPT Pro, Team et Enterprise. Son usage suppose de mettre à disposition un dépôt de code sur lequel l’agent pourra travailler. Il s’adresse donc d’abord aux professionnels et aux équipes qui développent ou maintiennent déjà des logiciels.

L’intégration à ChatGPT permet de centraliser la formulation de la demande et le suivi de l’exécution. L’utilisateur peut demander une tâche, consulter les éléments fournis par l’agent et revoir les modifications avant de les intégrer. OpenAI présente ce lancement comme une première étape et envisage d’étendre progressivement les capacités de Codex vers une gestion plus complète du cycle de développement.

Le cadre actuel reste volontairement limité. L’absence d’accès à Internet et le travail dans des environnements contrôlés réduisent le champ d’action de l’agent, mais rendent son comportement plus facile à encadrer. Pour les entreprises, ce compromis entre autonomie et contrôle sera déterminant.

Une compétition intense autour des assistants de code

La programmation est devenue l’un des terrains de concurrence les plus visibles pour les entreprises d’intelligence artificielle. Le code offre un environnement particulier : une modification peut être exécutée, testée, comparée à des règles et revue par d’autres développeurs. Ces mécanismes donnent des retours concrets aux modèles, tout en répondant à un besoin économique immédiat dans les organisations qui produisent du logiciel.

Google propose déjà Gemini Code Assist, un assistant destiné à accompagner les développeurs dans leurs outils de travail. Anthropic développe de son côté Claude Code, orienté vers les tâches de programmation réalisées depuis un terminal. L’enjeu n’est plus seulement de répondre à une question sur un langage informatique, mais de devenir un outil quotidien dans le processus de création et de maintenance des applications.

Dans ce contexte, des informations de presse ont également fait état d’un rapprochement entre OpenAI et la startup Windsurf, anciennement connue sous le nom de Codeium. Au 20 mai 2025, cet épisode illustre l’importance stratégique accordée aux outils de programmation assistée par IA, un marché où la qualité des modèles compte autant que leur intégration aux pratiques des équipes.

Ce qu’il faut surveiller

La promesse de Codex se mesurera moins à sa capacité à écrire une fonction isolée qu’à sa fiabilité sur des projets réels. Les développeurs attendront de voir s’il respecte durablement les conventions internes, s’il identifie correctement les effets de bord d’une modification et s’il produit des changements simples à relire.

La question de la sécurité sera tout aussi centrale. Donner à un agent accès à un dépôt implique de définir précisément ce qu’il peut consulter, modifier et exécuter. Le choix d’OpenAI de commencer dans un environnement isolé sans accès à Internet traduit cette prudence. À mesure que les agents gagneront en autonomie, les permissions, les traces d’exécution et la validation humaine deviendront des éléments aussi importants que la qualité du code généré.

Enfin, ces outils pourraient transformer l’organisation du travail plus que le métier lui-même. Si les tâches répétitives sont davantage déléguées, les développeurs pourront consacrer plus de temps à la conception, aux arbitrages techniques, à la sécurité et à la compréhension des besoins. Mais ils devront aussi apprendre à formuler de bonnes consignes, contrôler des propositions générées et maintenir les garde-fous qui permettent de livrer un logiciel fiable.