TPC
    TPC
    Tech

    OpenAI Codex : comment faire x10 en productivité dev

    Fonctionnalités, démos live et bonnes pratiques présentées par Katia, Developer Experience chez OpenAI. Ce qu'il faut retenir de Codex pour les développeurs en 2026.

    8 min de lecture

    Avec les contributions de :

    KatiaDeveloper Experience, OpenAI

    TPC a invité Katia, Developer Experience chez OpenAI (basée entre Londres et Paris), pour un live d'une heure sur Codex. Pas un pitch commercial. Des démos live, des cas d'usage internes chez OpenAI et des réponses directes aux questions de la communauté. Voici ce qu'il faut retenir.

    1. Ce que c'est

    "Codex n'est pas juste une IA qui code. C'est un software engineering agent. Il utilise des outils, exécute des tâches de manière indépendante et intervient partout où vous en avez besoin."

    Katia, Developer Experience, OpenAI

    Ce que Codex fait concrètement

    Génère du code, corrigé des bugs, refactore du code existant. Exécute des tâches longues (long running tasks) pouvant durer plus de 24 heures. Un ingénieur OpenAI a fait tourner une tâche pendant 60 heures. Fait de la code review automatique sur chaque PR GitHub. Rédige de la documentation technique à partir de la codebase.

    Chiffres clés

    Métrique

    Téléchargements Codex App

    Valeur

    1 million en une semaine

    Métrique

    Tokens utilisés

    Valeur

    Trillions par semaine

    Métrique

    Croissance utilisateurs

    Valeur

    Nombre triplé depuis début 2026

    Métrique

    Adoption interne OpenAI

    Valeur

    95% des ingénieurs au quotidien

    2. Les 7 surfaces pour utiliser Codex

    Surface

    Codex CLI

    Description

    Agent dans le terminal

    Cas d'usage type

    Tâches rapides, scripting, refactoring

    Surface

    Extension VS Code

    Description

    Sidebar dans l'éditeur (compatible Cursor et forks)

    Cas d'usage type

    Référencer des fichiers, coder en contexte

    Surface

    Codex Web

    Description

    Interface web connectée à un repo GitHub

    Cas d'usage type

    Lancer des tâches cloud sur un projet

    Surface

    GitHub Code Review

    Description

    Review automatique sur chaque PR

    Cas d'usage type

    Détection de bugs, edge cases, suggestions

    Surface

    Slack

    Description

    Taguer Codex comme un collègue dans un thread

    Cas d'usage type

    Bug remonté = fix en 5 minutes

    Surface

    Codex SDK

    Description

    API pour intégrer Codex dans n'importe quel workflow

    Cas d'usage type

    CI/CD, automatisations custom

    Surface

    Codex App (nouveau)

    Description

    App desktop (Mac, bientôt Windows/Linux)

    Cas d'usage type

    Multi-projets, Git Worktrees, terminal intégré

    La Codex App est la surface la plus accessible. Elle permet de travailler sur plusieurs projets en parallèle, de lancer des tâches locales et cloud simultanément, et de gérer les MCP Servers et Skills depuis une interface visuelle.

    3. Comment étendre Codex

    MCP Servers (Model Context Protocol)

    MCP est un standard ouvert. Il permet aux agents IA d'accéder à des outils externes via une simple URL. Pas de développement côté utilisateur. On ajoute l'URL du serveur MCP et Codex accède aux données.

    Outils recommandés : Figma MCP, Linear MCP, Jira MCP, Playwright MCP, Datadog MCP, OpenAI Docs MCP.

    Figma MCP : accéder aux designs directement depuis l'agent. Linear / Jira MCP : mettre à jour des tickets automatiquement. Playwright MCP : tester l'UI dans un navigateur simulé, prendre des screenshots. Datadog MCP : accéder aux métriques et logs de monitoring. OpenAI Docs MCP : récupérer la documentation API en temps réel.

    Skills

    Les Skills sont des descriptions locales qui étendent les capacités de l'agent. On fournit des instructions, des scripts à exécuter et des ressources. Contrairement aux MCP Servers (distants via URL), les Skills fonctionnent en local dans le projet.
    Exemples de Skills utilisés dans les démos : Skill ImageGen (générer des images via l'API OpenAI). Skill Vercel (déployer une app directement depuis Codex).

    4. Le fichier qui change tout

    "agents.md est un fichier Markdown à la racine du repo. Il est lu automatiquement par Codex et par la plupart des agents de code du marché. C'est là qu'on met les instructions : stack technique, comment tester, comment faire les PR, quels MCP Servers utiliser."

    Katia, Developer Experience, OpenAI
    Placer le fichier agents.md à la racine du repository. Y décrire la tech stack (Next.js, Vercel, etc.), les conventions de code, les outils MCP et Skills à utiliser. Ajouter des instructions de build, test et déploiement. Codex le lit avant d'exécuter toute tâche. C'est le contexte de base de l'agent.

    Ce standard est adopté par la majorité des agents de code. Même si vous n'utilisez pas Codex, créer un agents.md améliore le comportement de n'importe quel outil IA dans votre codebase.

    5. Ce que ça donne en pratique

    Code review automatique sur 100% des PRs

    Chaque PR poussée est automatiquement reviewée par une instance Codex distincte (sans le contexte de la tâche d'origine pour éviter les biais). Trois exemples concrets présentés en live :
    Un bug de navigation mobile sur le site développeur : Codex a identifié un état par défaut incorrect que l'auteur n'avait pas remarqué. Un edge case sur le parsing de variables dans la CLI Codex : les variables avec double dollar sign étaient mal gérées. Un export Markdown avec des liens relatifs cassés : Codex a suggéré d'utiliser les URLs absolues avec le base URL.

    Documentation technique automatisée

    L'équipe Developer Experience utilise Codex avec un Skill dédié pour générer de la documentation API. Codex accède à la codebase complète et produit des docs structurées qui accélèrent le flux de publication.

    "Avant, quand un PM avait une idée, il devait convaincre des ingénieurs de la développer. Aujourd'hui, il peut prototyper avec Codex et les ingénieurs n'ont plus qu'à reviewer. Toutes les idées arrivent en production beaucoup plus vite."

    Katia, Developer Experience, OpenAI

    6. Le fix en 5 minutes

    "C'est le truc dont on ne parle pas assez mais qui change la vie. On tague Codex comme un collègue dans un thread Slack. Il lit le contexte du thread, comprend le problème et lance un fix. Entre le moment où le bug est remonté et le moment où le fix est en prod, il se passe parfois cinq minutes."

    Katia, Developer Experience, OpenAI

    Comment ça fonctionne

    1. Bug remonté dans Slack

    Un bug est remonté dans un channel Slack par un membre de l'équipe.

    Détection

    Outils : Slack.

    2. Tag @Codex dans le thread

    On tague @Codex dans le thread avec "fix it" et le nom du projet.

    Assignation

    Outils : Slack, Codex.

    3. PR prête en quelques minutes

    Codex lit le thread, lance une tâche cloud, et poste le lien de la PR dans le même thread.

    Résolution

    Outils : GitHub, Codex.

    Avant / Après

    Étape

    Détection

    Avant Codex

    Bug remonté dans Slack

    Avec Codex

    Bug remonté dans Slack

    Étape

    Action

    Avant Codex

    Ticket Linear créé, mis dans une queue

    Avec Codex

    @Codex fix it dans le thread

    Étape

    Traitement

    Avant Codex

    Traité quand un dev est disponible

    Avec Codex

    PR prête en quelques minutes

    Étape

    Risque

    Avant Codex

    Passait souvent à la trappe

    Avec Codex

    Review et merge immédiat

    7. De zéro au déploiement

    Créer une app Photobooth de A à Z

    Katia part d'un template Next.js vide avec un fichier agents.md configuré. En un prompt, Codex crée une app complète : capture photo, génération d'images stylisées via l'API ImageGen (GPT-Image), fun loading sentences, déploiement sur Vercel. Le tout en live pendant le stream.

    Code review automatique : 3 exemples réels

    Démonstration sur des PRs réelles (repos internes et publics OpenAI). Codex Review identifié des edge cases, des bugs de navigation et des liens cassés que les développeurs humains n'avaient pas repérés.

    Long running task : optimisation d'algorithme avec self-évaluation

    Un algorithme de paint-by-numbers (coloriage numéroté) est optimisé de manière itérative. Codex exécute l'algorithme, évalue le résultat (métriques déterministes + LLM as a judge), note ses observations dans un fichier plan, puis itère. En 3 à 20 runs, l'algorithme passe d'un résultat non utilisable à un résultat satisfaisant. Le tout sans intervention humaine.

    Pour les long running tasks, le pattern recommandé est : donner à Codex un fichier plan dans lequel il note ses itérations, ses scores et ses apprentissages. Ce fichier sert de mémoire entre chaque run.

    8. Les différences selon Katia

    La question la plus posée pendant le live. Réponse de Katia en 4 points :

    1. Personnalité et interaction

    Historiquement, Claude Code était perçu comme plus interactif et snappy. Avec le nouveau modèle ultra rapide de Codex, cette différence s'est largement réduite.

    Comparatif

    Outils : Codex, Claude Code.

    2. Raisonnement long

    Codex a un mode de raisonnement plus profond pour les tâches complexes. Claude Code prend plus de décisions seul, sans forcément vérifier.

    Comparatif

    Outils : Codex, Claude Code.

    3. La Codex App

    L'interface desktop est un avantage par rapport à l'interaction en terminal. Multi-projets, Git Worktrees, MCP Servers intégrés.

    Comparatif

    Outils : Codex App.

    4. Pricing

    Le plan ChatGPT Plus à 20 euros/mois inclut Codex avec des limites doublées en ce moment. Codex est aussi disponible gratuitement pour un temps limité.

    Comparatif

    Outils : ChatGPT Plus.

    "Continuez souvent les mêmes sessions plutôt que d'en redémarrer de nouvelles. Le caching réduit considérablement la consommation de tokens. Si vous parlez souvent sur la même session, ça ne vous coûte presque rien."

    Katia, Developer Experience, OpenAI

    9. Actions pour tester Codex dès maintenant

    1. Créer un fichier agents.md

    Décrire la tech stack, les conventions et les instructions de build dans un fichier à la racine du repo.

    Setup

    Outils : agents.md.

    2. Installer la Codex App

    Disponible sur Mac (Windows et Linux bientôt). Interface la plus accessible pour démarrer.

    Setup

    Outils : Codex App.

    3. Connecter un MCP Server

    Commencer par le MCP Playwright pour le testing ou le MCP de votre outil de ticketing (Linear, Jira).

    Setup

    Outils : Playwright MCP, Linear MCP.

    4. Tester sur une codebase existante

    Fixer un bug, expliquer la codebase, refactorer du code, ajouter des tests.

    Test

    Outils : Codex.

    5. Activer Codex Review sur GitHub

    Connecter Codex à un repo pour avoir des reviews automatiques sur chaque PR.

    Activation

    Outils : GitHub, Codex Review.

    6. Tester Codex dans Slack

    Taguer @Codex dans un thread pour résoudre un bug remonté par l'équipe.

    Test

    Outils : Slack, Codex.

    Codex est disponible gratuitement sur les comptes ChatGPT Free et Go pour un temps limité. Les limites sont doublées sur le plan Plus. C'est le moment de tester.

    Vous recrutez ce profil ?

    TPC vous accompagne pour trouver des profils adaptés à vos besoins.

    Découvrez aussi notre pôle Engineering et son accompagnement dédié.