Qu’est-ce que GPT-5-Codex, et que change-t-il à l’agent de programmation d’OpenAI?

GPT-5-Codex est une édition de GPT-5 consacrée à la programmation, qu’OpenAI a entraînée davantage pour la programmation par agent et lancée le 15 septembre 2025 comme modèle par défaut des tâches infonuagiques et de la revue de code de Codex. Il répond vite aux petites demandes, peut travailler seul pendant des heures sur les gros chantiers, et arrive avec un Codex CLI reconstruit, une nouvelle extension pour éditeur et des revues automatiques des demandes de fusion sur GitHub.

Qu’est-ce que GPT-5-Codex, et que change-t-il à l’agent de…

Hier, lundi 15 septembre 2025, OpenAI a lancé GPT-5-Codex, une édition de GPT-5 adaptée précisément au travail logiciel dans Codex, son agent de programmation. Un agent de programmation est une IA qui fait plus que suggérer une ligne de code : il lit un projet, modifie des fichiers, lance des commandes et des tests, et continue jusqu’à ce qu’une tâche soit terminée.

GPT-5-Codex est maintenant le modèle par défaut pour les tâches que vous envoyez à Codex dans le nuage et pour la revue de code. Les développeurs qui travaillent sur leur propre machine peuvent le choisir dans l’outil en ligne de commande de Codex et dans la nouvelle extension pour éditeur. OpenAI affirme aussi prévoir d’offrir bientôt le modèle aux développeurs par son API.

Ce qu’OpenAI a lancé

L’annonce regroupe un nouveau modèle et plusieurs améliorations du produit Codex, qui est devenu il y a deux semaines une seule expérience liée à votre compte ChatGPT :

Élément	Ce qui est nouveau
GPT-5-Codex	Un GPT-5 entraîné davantage sur du vrai travail d’ingénierie : bâtir des projets, ajouter des fonctions et des tests, déboguer, faire de grands réusinages et des revues
Codex CLI	Reconstruit autour des flux de travail d’agent; accepte les captures d’écran et les schémas, tient une liste de tâches, peut chercher sur le Web et se brancher à des outils par MCP
Extension pour IDE	Amène Codex dans VS Code, Cursor et d’autres éditeurs bâtis sur VS Code, et fait passer le travail du nuage à votre machine et inversement
Codex dans le nuage	Démarrage des tâches plus rapide, configuration automatique de l’environnement et un navigateur qu’il peut ouvrir pour vérifier ce qu’il a construit
Revue de code	Examine seul les demandes de fusion GitHub et peut corriger ce qu’il trouve

Un réusinage (refactor) est une réorganisation du code existant qui garde son comportement identique. Le MCP, ou Model Context Protocol, est une norme commune pour brancher l’IA sur des outils et des données externes.

Codex fait partie de cinq forfaits ChatGPT : Plus, Pro, Business, Edu et Enterprise. OpenAI affirme que les forfaits Plus, Edu et Business couvrent quelques séances de programmation ciblées par semaine, alors que Pro peut soutenir une semaine complète de travail sur plusieurs projets.

Comment il dose son effort

Le changement le plus concret est la façon dont GPT-5-Codex décide à quel point réfléchir. Les modèles de raisonnement produisent une « réflexion » cachée avant de répondre, et cette réflexion coûte du temps et des jetons, les petits morceaux de texte qu’un modèle lit et écrit.

GPT-5-Codex ajuste cette réflexion à la tâche. Sur le trafic des employés d’OpenAI, pour le dixième des demandes les plus légères, il a utilisé 93,7 % moins de jetons que GPT-5. Pour le dixième le plus lourd, il est allé dans l’autre sens et a passé environ deux fois plus de temps à raisonner, à modifier et à tester. Dans les tests d’OpenAI, il a travaillé de façon autonome pendant plus de 7 heures sur de grosses tâches complexes, en corrigeant au passage les tests en échec jusqu’à ce que le travail soit fini.

Pensez à un bon collègue : une question rapide reçoit une réponse rapide, tandis qu’une demande de restructurer le système de facturation reçoit un plan soigné, beaucoup de petites étapes et des vérifications répétées.

L’addenda à la fiche système d’OpenAI explique comment il a été entraîné. Comme le modèle codex-1 précédent, il a appris par apprentissage par renforcement, de la pratique avec des récompenses, sur de vraies tâches de programmation dans de nombreux environnements. Les objectifs : du code qui a l’air écrit par un humain soigneux, une grande attention aux consignes et des tests lancés à répétition jusqu’à ce qu’ils passent.

Côté résultats, la couverture par GIGAZINE des graphiques d’OpenAI rapporte que GPT-5-Codex a fait un peu mieux que GPT-5 sur SWE-bench, un test bâti à partir de vraies corrections de bogues, et beaucoup mieux sur le test de réusinage d’OpenAI : 51,3 % des tâches réussies, contre 33,9 % pour GPT-5.

La revue de code sur GitHub

Le deuxième grand ajout est la revue. Une demande de fusion (pull request) est une modification proposée à une base de code, que les coéquipiers vérifient avant qu’elle soit fusionnée. Une fois Codex activé pour un dépôt GitHub, il examine automatiquement les demandes de fusion quand elles passent de l’état de brouillon à prêtes, et publie son analyse.

Contrairement à un simple vérificateur de style, il compare ce que la demande de fusion dit faire avec les changements réels, raisonne sur l’ensemble de la base de code, et exécute le code et les tests pour confirmer le comportement. OpenAI affirme qu’à l’interne, Codex examine maintenant la plupart de ses propres demandes de fusion et repère des centaines de problèmes par jour. Vous pouvez aussi demander une revue directement dans un commentaire :

Prompt

@codex review for security vulnerabilities

Si la revue suggère des corrections, vous pouvez demander à Codex, dans le même fil, de les faire. OpenAI est clair : ce doit être un réviseur de plus, pas le remplaçant d’un réviseur humain.

À essayer : choisissez une petite demande de fusion terminée dans l’un de vos dépôts, demandez un @codex review et comparez ses commentaires avec ce qu’un coéquipier a remarqué. Notez les problèmes qu’il a trouvés et qu’une personne avait manqués, et les commentaires que vous ignoreriez.

Sécurité et limites

Par défaut, Codex s’exécute dans un bac à sable (sandbox), un environnement isolé, avec l’accès au réseau désactivé, autant sur votre ordinateur que dans le nuage. Cela limite les dégâts qu’une erreur peut causer et réduit le risque d’injection de prompt (prompt injection), des consignes cachées dans des pages Web ou des fichiers qui tentent de détourner l’agent.

Le CLI a maintenant trois niveaux d’approbation : lecture seule, où vous approuvez chaque action; auto, qui peut travailler librement dans le dossier de votre projet, mais demande avant d’en sortir; et accès complet, qui peut lire partout et utiliser le réseau. Chaque tâche est accompagnée de journaux, de résultats de tests et de références pour que vous puissiez vérifier le travail. Comme pour GPT-5, OpenAI considère le modèle comme très performant en biologie et en chimie, et y applique des mesures de protection supplémentaires.

OpenAI recommande GPT-5-Codex uniquement pour le travail de programmation dans Codex ou des outils d’agent semblables; pour les questions générales, GPT-5 reste le modèle à utiliser.

Comment commencer à utiliser GPT-5-Codex?

Si vous avez un forfait ChatGPT admissible, la voie la plus simple est Codex sur le Web : branchez un dépôt GitHub et donnez-lui une petite tâche bien définie, comme ajouter des tests pour un fichier. GPT-5-Codex y est déjà le modèle par défaut, et vous pouvez examiner ses changements avant que quoi que ce soit soit fusionné.

Pour travailler sur votre propre ordinateur, installez le Codex CLI (npm i -g @openai/codex) ou l’extension pour IDE dans VS Code ou Cursor, connectez-vous avec votre compte ChatGPT et sélectionnez GPT-5-Codex. Commencez en mode lecture seule ou auto pour voir chaque étape, et rédigez dans votre projet un court fichier AGENTS.md qui explique comment lancer les tests et quel style suivre; OpenAI affirme que le nouveau modèle suit ces consignes de plus près.

Enfin, activez la revue de code pour un dépôt et observez son comportement pendant une semaine avant de vous y fier plus largement.