Les agents Codex ont mené 1700 enquêtes sur les ralentissements de ChatGPT et identifié la cause dans 600 cas
Quand ce sont des agents qui écrivent le code, ChatGPT peut ralentir après n'importe quel déploiement, et personne n'a le temps de chercher la cause à la main. Chez OpenAI, une alerte de dégradation des performances lance désormais un agent Codex : il cherche la cause et propose un correctif, qu'un ingénieur vérifie. En un peu plus de trois mois, le système a mené plus de 1700 enquêtes et trouvé la cause dans plus de 600 cas, soit environ 17 par jour. Les équipes qui publient souvent ont intérêt à confier la recherche des causes aux agents, et à laisser aux humains la décision de déployer.
Traité par IA depuis OpenAI Blog ; édité par Hamidun News
Imaginez qu'après un énième déploiement, ChatGPT réponde un peu plus lentement : le délai du premier token, c'est-à-dire la pause entre la question et le début de la réponse, a par exemple augmenté. Auparavant, un ingénieur d'OpenAI plongeait dans les métriques, les logs et les traces pour déterminer à la main quel changement était en cause. Aujourd'hui, ce sont des agents qui écrivent le code, les releases se multiplient, et il n'est plus possible d'examiner chaque dégradation manuellement.
L'entreprise a donc construit Performance Factory, un système cloud fondé sur Codex : quand une alerte de dégradation se déclenche, l'agent enquête lui-même sur la cause et propose un correctif, qu'un humain vérifie. En un peu plus de trois mois, le premier scénario de production du système a suivi plus de 1700 enquêtes et établi la cause racine (c'est-à-dire le changement précis à l'origine du ralentissement) dans plus de 600 cas. Cela représente environ 17 enquêtes automatiques par jour.
Pour votre équipe, c'est un exemple de la façon de décharger les humains de la recherche routinière des causes, sans confier aux agents la décision de ce qui part en production.
Comment OpenAI en est arrivée à une « usine »
Le parcours s'est déroulé en six étapes. Au départ, tout se faisait à la main : consulter les métriques, comparer les traces, déboguer des machines en production, lire le code. Pour les problèmes récurrents, comme les dégradations de la latence du premier token, l'équipe a écrit des outils, et plus de 30 se sont accumulés avec le temps, dont des profileurs CPU et d'allocation mémoire.
Ensuite, Codex est devenu un binôme : l'ingénieur demandait « pourquoi est-ce plus lent ? », et l'agent cherchait les métriques, traces et portions de code pertinentes, même dans un système qu'il ne connaissait pas. Mais c'était toujours à l'humain de guider l'enquête.
L'équipe a alors consigné son processus dans un skill partagé, perf-forensics. Il indique à l'agent quels outils sont disponibles, quand les utiliser et comment procéder : trouver le moment où la dégradation a commencé, identifier les requêtes touchées et vérifier si des déploiements ou des changements de configuration l'expliquent. Ce skill a été testé sur des évaluations construites à partir de régressions passées, et, pour certains types de problèmes (par exemple les baisses de vitesse et de disponibilité de ChatGPT), Codex est devenu capable de fournir un diagnostic en un seul passage.
Puis les ingénieurs se sont sentis comme des « proxys humains » : une alerte arrive, la personne la copie dans Codex, puis recolle le résultat dans Slack. Les enquêtes ont été déplacées dans le cloud, et l'alerte a pu lancer elle-même une session. Mais l'automatisation s'arrêtait là : le correctif et la vérification après déploiement restaient l'affaire d'un humain, et pour savoir quelles régressions méritaient vraiment de l'attention, il fallait fouiller les fils de discussion Slack. Performance Factory a bouclé toute la chaîne.
De quoi se compose le système
Il compte quatre briques. D'abord, un service de tâches : les ingénieurs décrivent les workflows à l'aide de fichiers de configuration et de prompts en Markdown, qui précisent quels états existent pour une tâche, quelles transitions sont autorisées et à quelles étapes l'intervention d'un humain est requise. Ensuite, un dispatcher vérifie périodiquement quelles tâches sont prêtes pour l'étape suivante et lance Codex pour elles, avec les instructions correspondant à l'état courant.
Une API cloud exécute Codex à l'intérieur du réseau d'OpenAI, avec accès aux dépôts et aux outils d'observabilité : métriques, logs, traces, profils CPU et snapshots mémoire. L'agent travaille sous un compte de service, ce qui permet de limiter ses droits et de distinguer facilement ses actions de celles des humains. Enfin, des abonnements : une tâche qui attend un humain ou un déploiement « s'endort » et se réveille sur événement, par exemple un commentaire dans une pull request ou l'échec d'une vérification CI.
Le premier workflow est le Regression Workflow. Une alerte ouvre une tâche, l'agent trouve la cause et propose un correctif, l'ingénieur relit le code et décide de ce qui sera déployé, puis, après le déploiement, un autre agent vérifie si les indicateurs sont revenus à leur niveau initial. Si la régression persiste, la tâche retourne en phase d'enquête. L'état et les conclusions sont stockés dans la tâche elle-même, et non dans la mémoire d'un seul agent : d'autres agents ou des humains peuvent donc reprendre le travail.
Un débat avec soi-même et la difficulté des correctifs
L'agent cherche à quel moment la métrique s'est dégradée pour la première fois (parfois plusieurs heures avant l'alerte) et compare des groupes de requêtes : des requêtes similaires sont-elles devenues plus lentes, ou la part de requêtes déjà lentes a-t-elle simplement augmenté ? Il examine ensuite les déploiements et les changements de flags, lit le code et vérifie, grâce aux logs et aux traces, si ce changement pouvait produire un tel effet.
Au début, les agents s'arrêtaient souvent à la première explication plausible, et une partie des diagnostics se révélait fausse. La solution a été une revue contradictoire : une session Codex distincte tente de réfuter le diagnostic. Si un déploiement est en cause, des requêtes similaires qu'il n'a pas touchées sont-elles restées saines ?
Si le changement a été annulé, la métrique s'est-elle rétablie ? Dans un cas, l'agent avait relié des échecs dans les conversations ChatGPT à des erreurs de chargement d'images et considéré la cause comme trouvée. Le réviseur a remarqué que le service interne de recherche de fichiers était déjà rétabli alors que les requêtes avec images échouaient toujours.
Le diagnostic n'expliquait pas le symptôme, et l'enquête a donc été rouverte.
Lors d'une vérification manuelle de 100 causes proposées, 70% ont été jugées exactes, tandis que 30% demandaient à être retravaillées ou ne démontraient pas de lien de causalité. La grande tâche a donc été découpée en étapes étroites confiées à Codex : certaines sessions cherchent la cause, d'autres la contestent, d'autres encore proposent le correctif. Les auteurs jugent le correctif lui-même comme la partie la plus difficile : après la vérification du diagnostic, Codex écrit le correctif et ouvre une pull request, mais la décision revient à l'ingénieur.
- 19 nov. 2026Un juriste apprend à un agent IA à apporter des retouches ciblées dans Word en mode Track Changes
- 19 nov. 2026RSAC 2026, avec le recul : les assistants IA ont inventé 19,7% des paquets recommandés
- 19 nov. 2026Anthropic entre en Bourse et lève 81,3 milliards de dollars : le record de 75 milliards de SpaceX est battu
- 19 nov. 2026Infostart connecte Direct, Metrica et Wordstat à ChatGPT : 6 commandes, accès partagé
Questions clés sur cet article
Comment OpenAI en est arrivée à une « usine »?
Le parcours s'est déroulé en six étapes. Au départ, tout se faisait à la main : consulter les métriques, comparer les traces, déboguer des machines en production, lire le code. Pour les problèmes récurrents, comme les dégradations de la latence du premier token, l'équipe a écrit des outils, et plus de 30 se sont accumulés avec le temps, dont des profileurs CPU et d'allocation mémoire. Ensuite, Codex est devenu un binôme : l'ingénieur demandait « pourquoi est-ce plus lent ?
Que sait-on sur De quoi se compose le système ?
Il compte quatre briques. D'abord, un service de tâches : les ingénieurs décrivent les workflows à l'aide de fichiers de configuration et de prompts en Markdown, qui précisent quels états existent pour une tâche, quelles transitions sont autorisées et à quelles étapes l'intervention d'un humain est requise. Ensuite, un dispatcher vérifie périodiquement quelles tâches sont prêtes pour l'étape suivante et lance Codex pour elles, avec les instructions correspondant à l'état courant.
Que sait-on sur Un débat avec soi-même et la difficulté des correctifs ?
L'agent cherche à quel moment la métrique s'est dégradée pour la première fois (parfois plusieurs heures avant l'alerte) et compare des groupes de requêtes : des requêtes similaires sont-elles devenues plus lentes, ou la part de requêtes déjà lentes a-t-elle simplement augmenté ? Il examine ensuite les déploiements et les changements de flags, lit le code et vérifie, grâce aux logs et aux traces, si ce changement pouvait produire un tel effet.
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.