OpenAI Codex : guide pas à pas avec 3 exemples concrets

En bref

\n
• \n

  OpenAI Codex est un agent d'ingénierie logicielle dans le cloud, disponible dans ChatGPT (offres Plus, Pro, Team et Enterprise)

  \n
\n
• \n

  Connectez Codex à un référentiel GitHub, puis assignez-lui des tâches : correction de bugs, application de patchs, génération de tests ou explication de code

  \n
\n
• \n

  Chaque tâche s'exécute dans un bac à sable isolé ; Codex ouvre une pull request que vous validez avant fusion

  \n
\n
• \n

  Utilisez un fichier AGENTS.md pour définir les conventions de code que Codex suivra pour chaque tâche

  \n
\n
• \n

  Codex fonctionne aussi en ligne de commande via la Codex CLI et comme extension VS Code

  \n
\n

Qu'est-ce que Codex d'OpenAI ?

OpenAI Codex est un agent d'ingénierie logicielle basé sur le cloud capable d'écrire et de modifier du code, d'exécuter des tests, de corriger des bugs et même de proposer des pull requests. Chaque tâche est exécutée dans son propre environnement isolé.

Codex s'appuie sur les derniers modèles d'OpenAI et est pensé pour la sécurité, la testabilité et la productivité des développeurs. Vous pouvez le piloter via des fichiers AGENTS.md ou interagir directement avec lui dans la barre latérale de ChatGPT.

Avec la Codex CLI, vous pouvez aussi apporter ces capacités directement dans votre terminal.

En un coup d'oeil : accès à Codex

Configuration de Codex d'OpenAI

La configuration de Codex prend quelques minutes. Voici un pas-à-pas pour démarrer.

Étape 1 : trouver l'outil Codex

Commencez par vous connecter à ChatGPT. Dans la barre latérale gauche, repérez Codex. Au lancement, Codex était déployé pour les utilisateurs Pro, Business et Enterprise. Il est désormais inclus dans tous les forfaits (mais l'accès Free et Go reste très limité).

Étape 2 : premiers pas avec Codex

Cliquez sur Codex ; une nouvelle onglet s'ouvre pour l'initialisation. Cliquez sur « Get Started » et suivez la procédure d'authentification illustrée à l'étape suivante.

Étape 3 : authentification multifacteur

Cliquez sur « Set up MFA to continue » et scannez le QR code avec votre application d'authentification préférée (Google Authenticator, Authy, etc.). Saisissez le code pour vérifier, et c'est tout !

Étape 4 : connexion à GitHub

Une fois l'authentification multifacteur terminée, connectez Codex à GitHub.

Étape 4.1 : autoriser le connecteur GitHub

« Connect to GitHub » ouvre une fenêtre contextuelle pour autoriser le connecteur GitHub. Lisez les détails et autorisez.

Étape 4.2 : ajouter votre compte GitHub

Une fois GitHub connecté, ajoutez votre compte. Sous l'onglet organisation GitHub, sélectionnez « Add a GitHub account ».

Vous serez redirigé vers une autre fenêtre contextuelle pour « Install and Authorize ». Cliquez pour autoriser ; tous vos dépôts apparaîtront ensuite dans l'interface ChatGPT. Vous pouvez aussi n'autoriser que certains dépôts.

Étape 4.3 : créer un environnement

Choisissez le dépôt sur lequel travailler et cliquez sur « Create environment ».

Vous arrivez ensuite sur « Data Controls ». Codex étant encore en développement actif, une option peut vous proposer d'autoriser l'utilisation de vos données pour l'amélioration des modèles. Vous pouvez la désactiver et poursuivre.

Votre environnement est maintenant prêt à être exploré. Codex permet de lancer des tâches en parallèle à partir d'une sélection prédéfinie.

Cliquez simplement sur « Start tasks » ou choisissez des tâches selon vos besoins. Vous accéderez à une interface où poser des questions ou demander à l'agent de coder une fonctionnalité pour vous.

Quand toutes les tâches sont prêtes, sélectionnez celle sur laquelle travailler, ou gérez-en plusieurs en parallèle.

Étape 5 : AGENTS.md (facultatif)

Le fichier AGENTS.md est un fichier de configuration spécial introduit par OpenAI pour la plateforme Codex, conçu pour guider les agents d'IA lorsqu'ils travaillent dans votre base de code. Voyez-le comme un manuel développeur pour des collègues IA, similaire à un README.md mais axé sur des consignes pour des agents autonomes. Voici un exemple de fichier AGENTS.md :

# AGENTS.md\n\n## Code Style\n- Use Black for Python formatting.\n- Avoid abbreviations in variable names.\n\n## Testing\n- Run pytest tests/ before finalizing a PR.\n- All commits must pass lint checks via flake8.\n\n## PR Instructions\n- Title format: [Fix] Short description\n- Include a one-line summary and a \"Testing Done\" sectionPropulsé par

Quand Codex exécute une tâche sur votre base de code, il :

\n
\n
• Recherche les fichiers AGENTS.md dont la portée couvre le(s) fichier(s) modifié(s).
\n
• Applique leurs instructions pour formater, tester et documenter ses changements.
\n
• Priorise les consignes les plus imbriquées quand plusieurs fichiers s'appliquent (comme une configuration en cascade).
\n
\n

Pour une vue plus large de la création de systèmes capables d'agir via des outils et des API, consultez notre tutoriel OpenAI Agents SDK.

OpenAI Codex : trois exemples pratiques

Voyons comment Codex peut vous aider dans des scénarios réels à travers trois exemples exécutés sur un dépôt.

Exemple 1 : corrections de base et coquilles

Codex peut décomposer une demande en sous-tâches : corriger des fautes de frappe, améliorer un README ou écrire des tests, le tout dans le même espace de travail.

Vous pouvez lancer une nouvelle tâche à partir d'une tâche existante après une première relecture, demander des changements dans la base de code actuelle ou poser des questions via la zone de texte. Pour prolonger la tâche ou corriger autre chose, cliquez sur « Code » et démarrez directement une sous-tâche.

Une fois satisfait des changements, cliquez sur « Push » : une nouvelle pull request est créée. Après quelques secondes, cliquez sur « View Pull Request » pour y accéder et la fusionner dans la branche principale.

Exemple 2 : explication de la base de code

Ensuite, j'ai utilisé Codex pour une tâche non éditoriale : explorer la base de code et demander quoi faire ensuite. Idéal quand on débarque sur un projet, qu'on souhaite accélérer l'onboarding ou qu'on bloque sur la compréhension d'une fonction.

Codex a parcouru le projet et fourni une synthèse claire, accessible aux débutants, de la structure de la codebase. Plutôt que de lister les fichiers, Codex les a regroupés par usage :

\n
• Il a souligné que qwen3_demo.py est le script principal, qui lance deux interfaces basées sur Gradio : l'une pour changer de mode de raisonnement, l'autre pour la traduction multilingue.
\n
• Il a identifié qwen3_demo.ipynb comme une alternative sous forme de notebook interactif.
\n
• Il a indiqué test_qwen3_demo.py pour les tests unitaires et README.md pour la documentation et les démonstrations vidéo.
\n

En plus, Codex a listé des « points clés à connaître » : dépendances (Ollama CLI), rôle de la fonction _run_ollama et conseils pour étendre l'interface. Il a même proposé des prochaines étapes : gestion des versions de modèles, amélioration de l'UI, ajout de gestion d'erreurs.

Exemple 3 : trouver et corriger un bug

Codex peut analyser toute la base de code, identifier un bug, proposer un correctif et vous présenter un aperçu des changements. Le processus rappelle les revues de modifications sur GitHub.

Vous pouvez consulter les journaux pour comprendre le processus en arrière-plan des changements en cliquant sur « Logs ».

Codex retourne un résumé des modifications, ainsi que la liste des fichiers créés ou affectés. Vous pouvez poser des questions à propos de ces changements ou demander à Codex d'écrire du code supplémentaire pour améliorer l'implémentation actuelle.

Quand les corrections vous conviennent, cliquez sur « Push » puis « Create New PR » pour ouvrir une nouvelle pull request.

Après quelques secondes, cliquez sur « View Pull Request » pour y accéder et la fusionner dans la principale.

Avec Codex, la fusion des changements se fait en quelques clics.

Les changements apparaissent sur la branche principale en quelques secondes.

Pourquoi Codex est-il important ?

Codex est un agent collaboratif, pas un générateur de code passif. Demandez-lui d'écrire, refactorer, tester, déboguer ou expliquer : il affichera les journaux du terminal, les références et les sorties à chaque étape.

Voici quelques bénéfices constatés sur le terrain :

\n
• Des tâches traçables et vérifiables.
\n
• Exécution en parallèle pour enchaîner plusieurs changements.
\n
• Respect de votre environnement de développement, surtout si vous avez défini des conventions via un fichier AGENTS.md.
\n
• Alignement sur les standards humains des PR et compatibilité avec les tests CI.
\n

En clair, on a l'impression qu'OpenAI vient de déployer un stagiaire en ingénierie logicielle.

En conclusion

Nous avons vu comment Codex peut corriger des bugs, appliquer des patchs fonctionnels et expliquer la logique du code, tout en générant des pull requests, en exécutant des tests et en citant ses actions via des journaux et des diffs.

Ce tutoriel pratique montre comment Codex peut fluidifier votre quotidien de développeur·se, que vous déboguiez du code hérité, preniez en main un nouveau dépôt ou priorisiez des tâches de maintenance.

Avec l'évolution de Codex, j'attends des intégrations plus poussées aux IDE, pipelines CI et outils de planification, ce qui en fait un ajout très concret à tout flux d'ingénierie. Pour en savoir plus, consultez l'article officiel de lancement, et retrouvez des cas d'usage sur la chaîne YouTube d'OpenAI.

Pour aller plus loin avec les modèles et outils orientés ingénierie d'OpenAI, je vous recommande ces billets :

\n
• Tutoriel OpenAI Codex CLI
\n
• Guide GPT-5.1 Codex : créer un agent d'analyse des issues GitHub
\n
• Codex CLI pour l'automatisation des workflows data : guide complet
\n
• Tutoriel Codex CLI MCP : créer un agent de tableau de bord de portefeuille
\n