Après Operator (navigation web) et Deep Research (synthèse d'information), OpenAI a annoncé vendredi l’aperçu d’un nouvel agent dédié à l’ingénierie logicielle : Codex (à ne pas confondre avec la première version de Codex lancée en 2021). Cet agent, intégré à l’interface de ChatGPT, est conçu pour automatiser certaines tâches de programmation telles que la génération de code, la détection et correction de bugs, l’écriture de tests ou encore la création de pull requests.
Contrairement aux systèmes d’assistance au code classiques, qui se contentent de proposer des complétions ou suggestions, cet agent fonctionne de manière plus autonome. Les tâches sont exécutées dans un environnement isolé basé sur le cloud, configuré avec le contexte technique fourni par l’utilisateur (notamment le contenu de son dépôt de code). Cela permet à l’agent de mener des opérations complexes de manière séquentielle ou parallèle, tout en assurant un certain niveau de vérification interne : il peut, par exemple, exécuter du code, analyser les résultats, ajuster ses propres modifications et générer des documents de sortie comme des pull requests prêtes à être relues.
Ce fonctionnement repose sur un modèle nommé codex-1, une déclinaison du modèle de raisonnement O3. Ce modèle a été spécifiquement affiné via apprentissage par renforcement sur des scénarios de développement logiciel, avec pour objectif de produire du code lisible, cohérent avec le style du projet, et respectueux des bonnes pratiques.
Fonctionnement et disponibilité
Codex est accessible depuis la barre latérale de ChatGPT (pour les utilisateurs des formules Pro, Team et Enterprise). Deux entrées principales sont proposées :
-
“Code” pour demander la réalisation d’une tâche (implémentation, correction, etc.)
-
“Ask” pour interroger l’agent sur un fichier ou une structure existante (fonction, classe, dépendance, etc.)
Le temps nécessaire à l’exécution dépend de la complexité de la tâche et varie, selon OpenAI, de quelques minutes à une demi-heure. Plusieurs entreprises, dont Cisco, Superhuman, Temporal et Kodiak, expérimentent l’outil dans des cas d’usage réels tels que la maintenance de code hérité, la génération de tests automatisés ou la documentation de projets.
Le service est pour l’instant limité aux abonnés payants, et son extension aux utilisateurs de l’offre "Plus" est annoncée pour une date ultérieure.
Pour mieux comprendre (assisté par l'IA)
Quel est l'impact potentiel de l'utilisation d'un environnement isolé basé sur le cloud pour l'ingénierie logicielle, en termes de régulation et de compliance ?
L'utilisation d'un environnement isolé basé sur le cloud soulève des questions de régulation, notamment en ce qui concerne la sécurité des données et la conformité avec les normes de protection des données telles que le RGPD. Les entreprises doivent s'assurer que leurs pratiques d'hébergement cloud respectent ces régulations pour éviter des risques légaux.
Comment l'affinement du modèle codex-1 via l'apprentissage par renforcement améliore-t-il ses performances dans le développement logiciel ?
L'affinement du modèle codex-1 avec l'apprentissage par renforcement permet au modèle d'apprendre de ses erreurs et de s'ajuster dynamiquement. Cela renforce sa capacité à générer du code de manière cohérente et conforme aux pratiques modernes de développement, tout en augmentant sa précision dans la compréhension et l'implémentation des tâches de programmation.