Cult.fit passe son développement à Codex : un fil social en 2 mois au lieu d'un an
Cult.fit, chaîne de 708 clubs de fitness en Inde, a abandonné sa ménagerie d'assistants IA et standardisé son développement sur Codex. Des conventions communes pour les dépôts, les tests et les revues ont permis de lancer un fil social en deux mois : selon le CTO, il aurait fallu un an auparavant. Codex a ensuite été distribué aux non-ingénieurs, qui ont créé plus de 20 applications internes.
Traité par IA depuis OpenAI Blog ; édité par Hamidun News
Un tableau bien connu : une équipe travaille avec un assistant, une autre avec un autre, chacune avec ses propres règles pour les dépôts et ses propres prompts. Les connaissances ne se transmettent pas, les revues varient d'une équipe à l'autre. Cult.fit, l'une des plus grandes entreprises de fitness d'Inde (708 centres dans 77 villes, près d'un million de membres payants), a réglé le problème de façon radicale : elle a choisi Codex comme plateforme unique.
Précision importante d'emblée : il s'agit d'une étude de cas publiée sur le site d'OpenAI, les chiffres proviennent de l'entreprise elle-même et personne ne les a vérifiés de manière indépendante. Mais l'ensemble de pratiques décrit est très concret et utile.
Un seul outil plutôt qu'une ménagerie
Avant la standardisation, les développeurs utilisaient un mélange d'agents et d'assistants. Chaque équipe avait donc ses propres conventions : structure des dépôts, instructions pour les agents, compétences, processus. Désormais, tout est commun : structure, compétences (skills), tests, revue de code et boucles de rétroaction.
Des agents spécialisés ont été construits par-dessus. L'agent SRE collecte les données des systèmes d'observabilité et des logs, enquête sur l'incident et, dans de nombreux cas, crée lui-même une pull request avec un correctif proposé, que l'ingénieur vérifie. Il existe aussi des agents de sécurité qui recherchent les vulnérabilités, et des agents d'astreinte pour les problèmes récurrents en production.
L'entreprise s'oriente également vers un développement piloté par les spécifications (spec-driven) : la spécification accompagne la tâche tout au long du cycle de vie jusqu'à la PR, relue par un humain. Exemple : le fil social de l'application. Le CTO Santosh Kumar estime qu'il aurait fallu plus d'un an auparavant ; l'équipe l'a livré en deux mois. C'est son estimation, pas une mesure.
Du développement pour les non-ingénieurs
La deuxième étape est plus intéressante. Les données de l'entreprise ont été rendues exploitables par Codex, et les équipes ont commencé à répondre elles-mêmes aux questions courantes, sans faire la queue auprès des analystes centraux. Les RH se sont construit un workflow pour les évaluations de performance : planification, collecte des retours, consolidation des résultats. Ces derniers mois, les non-ingénieurs ont créé plus de 20 applications internes.
L'histoire des tableaux de bord est à part : lorsqu'un service interne a brusquement renchéri, un ingénieur a reproduit en un week-end la fonctionnalité nécessaire avec Codex. Elle tourne désormais sur une application maison, pour une économie de plus de 100 000 $ par an.
Il faut noter la manière dont le déploiement a été mené. L'accès n'a pas simplement été distribué. Il y a eu un grand hackathon, puis une session d'une journée pour les dirigeants, où chacun a construit quelque chose pour sa fonction. Des office hours ont lieu deux fois par semaine, et des ingénieurs ont été intégrés à certains départements pour assurer un soutien technique et métier.
L'IA dans le produit et le support
Via l'API d'OpenAI, l'entreprise développe AI Trainer, utilisé par environ 20 % des visiteurs des salles. La nouvelle version est vocale : grâce à GPT Realtime, le coach donne des conseils pendant les exercices et aide à tenir le journal d'entraînement. Sachant que plus de 45 % des membres sont venus en salle pour la première fois, miser sur l'accompagnement est logique.
Au support, les agents résolvent des tâches qui nécessitaient auparavant un humain. Exemple : un membre demande l'annulation d'une pénalité pour un cours manqué. L'agent vérifie des signaux tels que la météo dans la ville et la fréquentation de ce cours précis, puis prend la décision. Les agents ont été intégrés à la plateforme existante Sprinklr et connectés au backend. Selon l'entreprise, les coûts de support ont baissé de plus de 50 %.
Ce qu'il faut en retenir
Premièrement : la standardisation compte plus que le choix du meilleur outil. Des conventions uniques permettent de réutiliser les compétences et rendent les revues prévisibles. Deuxièmement : si la facture d'un SaaS interne grimpe, vérifiez s'il n'est pas plus simple de le reconstruire vous-mêmes, mais tenez compte du coût de maintenance, que l'article ne mentionne pas. Troisièmement : la formation et les ingénieurs intégrés ont, semble-t-il, pesé autant que le modèle lui-même.
Les limites sont évidentes. Il n'y a pas de données sur la qualité et la sécurité des applications créées par des non-ingénieurs, sur la fiabilité des décisions de l'agent concernant les pénalités, ni sur le coût de maintenance de ces systèmes maison. Il s'agit d'un contenu marketing d'un fournisseur ; les chiffres doivent donc être pris comme un ordre de grandeur, non comme une garantie.
- 8 nov. 2026AI Context Kit : un seul dépôt Git avec des fichiers Markdown au lieu de copier le contexte dans ChatGPT et Claude
- 8 nov. 2026Apple augmente les ventes d’iPhone de 17,5 % sans entrer dans la course aux centres de données pour l’IA
- 8 nov. 2026Anthropic prouve l'origine d'une réponse d'IA sans dévoiler les poids du modèle
- 8 nov. 2026OpenAI accélère Images 2.6 de 50 % et ajoute l’animation GIF à l’API
Questions clés sur cet article
Que sait-on sur Un seul outil plutôt qu'une ménagerie ?
Avant la standardisation, les développeurs utilisaient un mélange d'agents et d'assistants. Chaque équipe avait donc ses propres conventions : structure des dépôts, instructions pour les agents, compétences, processus. Désormais, tout est commun : structure, compétences (skills), tests, revue de code et boucles de rétroaction. Des agents spécialisés ont été construits par-dessus.
Que sait-on sur Du développement pour les non-ingénieurs ?
La deuxième étape est plus intéressante. Les données de l'entreprise ont été rendues exploitables par Codex, et les équipes ont commencé à répondre elles-mêmes aux questions courantes, sans faire la queue auprès des analystes centraux. Les RH se sont construit un workflow pour les évaluations de performance : planification, collecte des retours, consolidation des résultats. Ces derniers mois, les non-ingénieurs ont créé plus de 20 applications internes.
Que sait-on sur L'IA dans le produit et le support ?
Via l'API d'OpenAI, l'entreprise développe AI Trainer, utilisé par environ 20 % des visiteurs des salles. La nouvelle version est vocale : grâce à GPT Realtime, le coach donne des conseils pendant les exercices et aide à tenir le journal d'entraînement. Sachant que plus de 45 % des membres sont venus en salle pour la première fois, miser sur l'accompagnement est logique. Au support, les agents résolvent des tâches qui nécessitaient auparavant un humain.
Build & Ship Production AI Agents Without Boilerplate Code
Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.