Codex sort du code : 5 millions par semaine en juin, 40 millions en octobre

Codex n'est plus un outil réservé aux programmeurs. En juin, l'audience hebdomadaire du produit d'OpenAI a dépassé 5 millions de personnes, et le groupe qui progressait le plus vite était celui des travailleurs du savoir : analystes, managers, équipes opérationnelles. Leur croissance était trois fois supérieure à celle des développeurs. En octobre, Codex et ChatGPT Work comptaient ensemble 40 millions d'utilisateurs actifs. Le média chinois Jiqizhixin relie cette dynamique à un sujet qui occupe actuellement l'industrie : les agents de classe Pro, capables de prendre en charge des processus de travail entiers.

L'audience a basculé des programmeurs vers le bureau

Codex est né comme agent de code : il lit un dépôt, modifie des fichiers, lance des tests et propose une pull request. Cette mécanique se transpose facilement à tout travail sur des artefacts numériques. Un tableur, une présentation, un rapport ou un export de CRM fonctionnent de la même façon : un ensemble de fichiers, un objectif et un résultat vérifiable.

C'est pourquoi les travailleurs du savoir sont arrivés dans le produit plus vite qu'on ne pouvait s'y attendre. Ils n'ont pas besoin d'écrire de programmes. Il leur suffit de poser une tâche, de donner accès aux données de travail et de vérifier le résultat. Une croissance trois fois plus rapide que celle des développeurs montre que la demande d'agents dans les métiers de bureau s'était accumulée depuis longtemps, et qu'elle a simplement trouvé l'interface adaptée.

Ce que cache le chiffre de 40 millions

On ne peut pas comparer directement les 5 millions de juin et les 40 millions d'octobre. Le premier chiffre ne concerne que Codex, le second additionne Codex et ChatGPT Work. Ce sont deux produits dont les audiences se recoupent, et une partie des utilisateurs utilise presque certainement les deux. Ces données ne permettent pas de déduire la croissance réelle de Codex seul.

La stratégie, en revanche, est lisible. OpenAI réunit un agent de code et un assistant de travail dans une même gamme, où la frontière entre « assistant du programmeur » et « employé numérique » s'estompe peu à peu. Pour l'entreprise, c'est un moyen de vendre des abonnements et des licences d'entreprise non seulement aux équipes techniques, mais à tous les autres services.

Principales métriques du matériau source :

• juin 2026 : plus de 5 millions d'utilisateurs actifs de Codex par semaine ;
• croissance de l'audience des travailleurs du savoir 3 fois plus rapide que celle des développeurs ;
• octobre 2026 : 40 millions d'utilisateurs actifs de Codex et ChatGPT Work réunis.

Pro Agent et le contexte chinois

Dans ce contexte, Jiqizhixin évoque l'apparition du « premier Pro Agent du secteur » et la venue en Chine de Kevin Knight. On le surnomme l'« ancêtre de l'IA » en linguistique computationnelle : il est connu pour ses travaux sur la traduction automatique statistique. Le thème de son intervention : le prochain bond dans le développement de l'IA. Le titre lui-même montre où se déplace la discussion : des chatbots vers des agents qui travaillent de façon autonome et plus longtemps.

Pour le marché chinois, c'est le signe que la concurrence porte désormais sur la catégorie de l'« agent professionnel ». Celui qui s'ancrera dans les processus de travail quotidiens avant les autres l'emportera, et non celui qui obtient le meilleur score sur un benchmark.

Par où commencer quand on compte le temps de ses équipes

La conclusion pratique est simple : il faut lancer des pilotes d'agents ailleurs que dans le développement. Les bons candidats sont les tâches bien structurées dont le résultat est vérifiable : rapports hebdomadaires, rapprochement de données, préparation de brouillons de documents, traitement des demandes clients.

Avant le lancement, il faut s'accorder sur trois points. Premièrement : à quelles données l'agent a accès et où se situent les limites. Deuxièmement : qui vérifie le résultat, et selon quelle checklist. Troisièmement : comment mesurer l'effet, par exemple en heures économisées par tâche plutôt qu'en nombre de requêtes adressées au modèle. Les entreprises qui trancheront ces questions avant les autres tireront un rendement des agents ; les autres paieront des abonnements coûteux qu'elles n'utiliseront qu'une fois par mois.