La startup Gondola a accéléré la livraison de code de 25 % avec Codex sans embaucher et a doublé son chiffre d'affaires
La petite startup Gondola manquait d'ingénieurs : les idées de l'équipe commerciale restaient des mois dans la file d'attente. Désormais, les managers assemblent un prototype fonctionnel dans Codex, puis les développeurs le mènent jusqu'à la sortie. Avec un effectif inchangé, le nombre de modifications intégrées au code par mois a progressé de 25 % pour l'équipe et de 50 % pour l'ingénieur principal, tandis que le chiffre d'affaires annuel a doublé. Si la file des petites tâches étouffe votre équipe, que les chefs de produit arrivent avec un prototype plutôt qu'avec un cahier des charges.
Traité par IA depuis OpenAI Blog ; édité par Hamidun News
Pour toute petite équipe, le problème est le même : beaucoup d'idées, peu d'ingénieurs. L'équipe commerciale apporte une bonne hypothèse, mais elle reste des mois dans le backlog, car les développeurs sont occupés par le produit principal. La startup Gondola, une plateforme pour créateurs, a résolu ce problème en donnant l'outil Codex d'OpenAI non seulement aux ingénieurs, mais aussi aux managers. Selon les données de l'entreprise, le nombre de modifications intégrées chaque mois dans la branche principale du code a augmenté de 25 % pour l'ensemble de l'équipe et d'environ 50 % pour l'ingénieur principal. L'effectif des ingénieurs n'a pas changé. Le chiffre d'affaires annuel a plus que doublé, et l'entreprise affirme que les dépenses salariales n'ont pas augmenté.
Il s'agit d'une étude de cas client publiée sur le site d'OpenAI : ces chiffres doivent donc être lus comme les affirmations de l'entreprise, et non comme un audit indépendant. Il reste toutefois une leçon pratique.
Quelle entreprise, et quel problème
Gondola a été fondée par Jared Kleinstein, propriétaire de l'agence de production Fresh Tape Media. Il constatait que les auteurs de vidéos réussies pour les réseaux sociaux étaient rarement reconnus. La plateforme aide les créateurs à présenter leurs travaux, à démontrer leur impact et à trouver des clients.
L'équipe est petite, et la principale contrainte était le temps des ingénieurs. Même les expérimentations modestes entraient en concurrence avec les tâches principales et perdaient. Aujourd'hui, Codex sert au développement, et ChatGPT à la routine quotidienne.
L'indicateur « livraison de code » se mesure ici au nombre de modifications intégrées dans la branche principale. C'est une métrique grossière : elle ne dit ni la valeur ni la qualité des changements. En revanche, l'entreprise note que les modifications sont devenues plus volumineuses, tandis que le temps de revue des pull requests est resté le même. La vérification n'est donc pas devenue un goulot d'étranglement. Le nombre de créateurs que les marques ont embauchés via la plateforme a été multiplié par 2,5.
Un prototype à la place du cahier des charges
Le principal changement a touché le processus. Auparavant, un collaborateur de l'équipe métier décrivait son besoin, rédigeait les exigences et attendait qu'un ingénieur ait du temps pour une première version. Désormais, il ouvre Codex Cloud, explore la base de code, assemble l'interface ou le scénario et teste son hypothèse. Souvent, une première version fonctionnelle existe déjà à l'arrivée de l'ingénieur.
Jared Kleinstein et la responsable des partenariats Jojo Hesketh ont, pour la première fois de leur vie, intégré leur propre code dans la branche principale. Exemple : l'outil Programs, qui permet aux entreprises de rechercher des créateurs, d'examiner les candidatures, de gérer des projets et de suivre les budgets. Jojo Hesketh a prototypé les scénarios dans Codex, puis les ingénieurs les ont menés jusqu'à la mise en production.
Selon Jared Kleinstein, l'intérêt est de pouvoir monter rapidement une version, jeter celle qui ne marche pas et garder celle qui fonctionne. L'équipe a commencé avec GPT-5.4, a réalisé l'essentiel avec GPT-5.
5, et a mené les retouches et la correction des bugs avec GPT-6.1. Le fondateur estime le gain en jours, voire en semaines de développement.
Le second exemple est une carte des photographes et vidéastes dans les villes accueillant la Coupe du monde de football. L'entreprise disposait déjà des données, et la fenêtre d'opportunité était courte. Le prototype a été monté rapidement dans Codex, les ingénieurs l'ont amené jusqu'au lancement, et le sujet n'a pas eu le temps de devenir obsolète. Jared Kleinstein attribue cette rapidité à un périmètre restreint et bien délimité, ainsi qu'à une échéance serrée.
Les ingénieurs utilisent Codex via la ligne de commande et les éditeurs, et sur GitHub pour la revue des pull requests. L'outil est connecté aux dépôts, aux environnements de développement et à Slack, afin de disposer du contexte produit. L'architecture, la sécurité, le traitement des données et la mise en production restent de la responsabilité des humains.
ChatGPT pour la routine, et ce qu'il faut considérer
En dehors du développement, l'équipe utilise ChatGPT pour préparer des propositions, des plannings et rechercher des informations dans les outils de travail. Par exemple, un rapport matinal rassemble les données de Gmail, Agenda, Sheets et Drive de Google, Asana, Slack, QuickBooks et les prévisions météo. Réalisé à la main, ce point de situation, selon le fondateur, prendrait « des heures et des heures ». Tout ce qui sort de l'entreprise ou influence une décision commerciale est vérifié par un humain.
Les réserves sont évidentes. Le chiffre d'affaires n'a pas doublé grâce aux seuls outils : l'entreprise évoque un lien entre Codex et la croissance, sans le démontrer. Le succès des prototypes est avéré sur de petites tâches aux limites claires, comme une carte ou un outil interne. Pour des systèmes complexes à forte charge et aux exigences de sécurité strictes, ce processus doit être évalué séparément.
Pour les développeurs et les chefs de produit, la conclusion est simple. Si la file de vos petites expérimentations s'allonge, que vos chefs de produit apportent non pas un document, mais un prototype qui fonctionne. Les ingénieurs garderont la revue, le renforcement de la sécurité et la mise en production. Surveillez le temps de revue : tant qu'il ne grimpe pas, le processus tient.
- 21 nov. 2026Les offres FDE ont été multipliées par 4,6 en un an : ce que fait un ingénieur chez le client
- 21 nov. 2026La capitaine d'une équipe de nageurs a confié trois tâches planifiées à ChatGPT et divisé sa charge de travail par plusieurs
- 21 nov. 2026OpenAI GPT-6 Cyber a trouvé une trentaine de failles dans les iPhone, Mac et autres appareils Apple
- 21 nov. 202622 agents Claude ont cherché pendant six semaines des réponses sur les trous noirs — et ont résolu deux problèmes
Questions clés sur cet article
Que sait-on sur Quelle entreprise, et quel problème ?
Gondola a été fondée par Jared Kleinstein, propriétaire de l'agence de production Fresh Tape Media. Il constatait que les auteurs de vidéos réussies pour les réseaux sociaux étaient rarement reconnus. La plateforme aide les créateurs à présenter leurs travaux, à démontrer leur impact et à trouver des clients. L'équipe est petite, et la principale contrainte était le temps des ingénieurs. Même les expérimentations modestes entraient en concurrence avec les tâches principales et perdaient.
Que sait-on sur Un prototype à la place du cahier des charges ?
Le principal changement a touché le processus. Auparavant, un collaborateur de l'équipe métier décrivait son besoin, rédigeait les exigences et attendait qu'un ingénieur ait du temps pour une première version. Désormais, il ouvre Codex Cloud, explore la base de code, assemble l'interface ou le scénario et teste son hypothèse. Souvent, une première version fonctionnelle existe déjà à l'arrivée de l'ingénieur.
Que sait-on sur ChatGPT pour la routine, et ce qu'il faut considérer ?
En dehors du développement, l'équipe utilise ChatGPT pour préparer des propositions, des plannings et rechercher des informations dans les outils de travail. Par exemple, un rapport matinal rassemble les données de Gmail, Agenda, Sheets et Drive de Google, Asana, Slack, QuickBooks et les prévisions météo. Réalisé à la main, ce point de situation, selon le fondateur, prendrait « des heures et des heures ». Tout ce qui sort de l'entreprise ou influence une décision commerciale est vérifié par 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.