Tuto Codex : prendre en main l'agent de codage d'OpenAI, pas à pas

Depuis la rentrée, je reçois la même demande sous plusieurs formes : « on a ChatGPT Business pour toute la boîte, est-ce qu'on peut se faire former sur Codex ? ». La question est légitime. Codex est inclus dans l'abonnement ChatGPT que beaucoup d'entreprises paient déjà, et personne n'a envie d'ouvrir une deuxième ligne de facturation pour un outil de plus.

J'ai donc passé la matinée dessus, sur mon Mac, avec un vrai projet et un vrai bug à corriger. Cet article est le compte rendu, dans l'ordre où vous le ferez : l'installation, la connexion, la première session avec les captures, les permissions, les skills, le cloud. À la fin, un comparatif avec Claude Code, parce que c'est l'autre question qu'on me pose : lequel des deux choisir. Comptez une demi-heure pour tout faire.

Codex, c'est quoi exactement

Codex est l'agent de codage d'OpenAI. On lui décrit une tâche en français dans un terminal, il lit le dépôt, modifie les fichiers, lance les commandes, corrige, et revient avec un résultat à relire. C'est la définition du vibe coding : on programme par intention, l'agent tient le clavier. Ce qui distingue Codex des autres agents du marché, en septembre 2026, tient en quatre points :

• Il vient avec ChatGPT. Codex est inclus dans tous les plans, gratuit et Go compris, avec des quotas qui montent avec l'abonnement. Pas de compte à créer, pas de carte à ajouter.
• Il tourne partout. CLI dans le terminal, application de bureau (macOS, Windows, Linux), extension VS Code et dérivés (Cursor, Windsurf), Codex cloud dans ChatGPT, pilotage depuis le téléphone, revue de PR sur GitHub.
• Le CLI est open source. Écrit en Rust, licence Apache 2.0, plus de 126 000 étoiles sur GitHub.
• Les modèles sont ceux de ChatGPT. GPT-6 Astra, Sol ou Luna selon la tâche, avec un niveau de raisonnement réglable de « low » à « ultra ».

Le reste de l'article est un tutoriel.

Étape 1 : installer Codex CLI

Trois façons d'installer, selon vos habitudes. Sur macOS et Linux, le script officiel :

curl -fsSL https://chatgpt.com/codex/install.sh | sh

Ou via npm si Node est déjà là, ou Homebrew :

npm install -g @openai/codex
brew install --cask codex

Sur Windows, PowerShell suffit, sans WSL :

powershell -ExecutionPolicy ByPass -c "irm https://chatgpt.com/codex/install.ps1 | iex"

Chez moi, j'ai pris npm. Deux paquets, deux secondes, et codex --version renvoie 0.157.0. Cette version est sortie ce matin même, et c'est la troisième en quatre jours : OpenAI publie plusieurs releases par semaine, d'où l'intérêt de la commande de mise à jour ci-dessous.

Installation par npm. Le script curl et Homebrew donnent le même binaire.

Mettre à jour se fait ensuite avec codex update, sans repasser par npm.

Étape 2 : se connecter avec son compte ChatGPT

Au premier lancement, Codex affiche un écran de connexion avec trois options. La première utilise votre compte ChatGPT : le navigateur s'ouvre, vous validez, c'est fini. La deuxième, le code sur un autre appareil, sert quand vous êtes sur un serveur sans navigateur. La troisième est une clé API OpenAI, facturée à l'usage.

Le choix qui compte : abonnement ChatGPT (quotas inclus) ou clé API (paiement à l'usage, sans les fonctions cloud).

Pour une équipe, la réponse est presque toujours l'abonnement. Les quotas sont exprimés en messages locaux par tranche de 5 heures, avec une fourchette selon la taille des tâches. À titre indicatif, sur GPT-6 Sol, un compte Plus dispose de 15 à 150 messages par 5 heures, un compte Pro (5x) de 70 à 700. Sur GPT-6 Luna, le modèle léger, un compte Plus monte à 350 à 3 000 messages. Ces chiffres viennent de la page tarifs d'OpenAI, ils bougent, vérifiez-les avant de dimensionner un déploiement. Les plans Business sont à 25 dollars par poste et par mois, ou 20 en engagement annuel.

Une fois connecté, codex doctor vérifie tout d'un coup : authentification, version, réseau, sandbox, terminal. C'est la première commande à lancer quand quelque chose ne marche pas, et la première chose que je demande en formation avant de débugger quoi que ce soit.

Avant connexion, le doctor signale l'absence d'identifiants. Après, tout passe au vert.

Chez moi, la connexion a pris trente secondes : codex login démarre un petit serveur local, ouvre le navigateur, je valide sur mon compte ChatGPT, et le terminal affiche « Successfully logged in ». Un piège rencontré au passage, que je note parce qu'il fera perdre du temps à quelqu'un : si vous avez lancé Codex avant de vous connecter, son processus d'arrière-plan garde l'état « déconnecté » en mémoire et l'interface vous redemande de vous connecter en boucle. Il suffit de tuer ce processus (pkill -f "codex app-server") et de relancer.

Étape 3 : première session dans un vrai dossier

Pour le test, j'ai pris un cas qui parle à mes clients plutôt qu'un projet de démonstration : un petit script Node qui totalise les heures de formation par stagiaire à partir d'un export CSV d'émargement. Il contient un bug que je connais : les minutes sont ajoutées aux heures sans être divisées par 60, et Martin se retrouve avec 66 heures de formation au lieu de 7. Trois fichiers, un commit, aucun test.

Au premier lancement de codex dans le dossier, une question : faites-vous confiance à ce dossier ? Codex explique qu'il pourra lire, modifier et exécuter des fichiers ici, et que la réponse est mémorisée. Ensuite, l'écran d'accueil affiche le modèle en cours et le dossier. Sur mon compte Plus, le modèle par défaut est GPT-6 Astra.

L'écran d'accueil. Les astuces en bas changent à chaque lancement, la première fois c'était « Use /init to create an AGENTS.md ».

Créer le fichier AGENTS.md. Je tape /init. Codex regarde le journal Git, liste les fichiers, lit le script et le CSV, puis écrit un AGENTS.md de 303 mots : structure du dépôt, commandes (node heures.js emargement.csv, npm test), style de code (il a repéré le camelCase en français et les guillemets doubles), consignes de test, conventions de commit, format du CSV. Deux minutes, et le fichier est plus honnête que ce que j'aurais écrit : il précise qu'aucun test n'existe et qu'un npm test vert ne prouve rien.

Ce que fait /init en coulisses : exploration du dépôt, puis rédaction.

AGENTS.md est le fichier qui fait la différence entre un agent qui devine et un agent qui sait. Codex lit d'abord un AGENTS.md global dans ~/.codex/, puis ceux du dépôt, de la racine jusqu'au dossier courant, dans la limite de 32 Ko. Relisez-le, corrigez-le, commitez-le : c'est le premier livrable d'une équipe qui adopte l'outil.

Donner une vraie tâche. Ma consigne, telle quelle :

Le total de Martin dans emargement.csv sort à 66 h au lieu de 7 h. Trouve le bug dans heures.js, corrige-le et ajoute un test node:test qui couvre le cas.

Codex commence par écrire le test, le lance, constate l'échec (66 heures), explique la cause en français dans le fil, corrige la ligne (/ 60), relance les tests, vérifie que la commande affiche bien 7 heures pour les deux stagiaires, et résume. Il a respecté l'AGENTS.md écrit juste avant : le test est dans un fichier heures.test.js à la racine, avec node:test et node:assert/strict, comme le fichier le demande.

Test d'abord, correction ensuite, vérification à la fin. Le fil montre chaque commande exécutée, avec le diff en ligne.

Choisir le niveau de permissions. La commande /permissions propose trois modes. « Ask for approval », le mode par défaut, laisse Codex lire, modifier et lancer des commandes dans le dossier, mais demande avant tout accès à Internet ou toute écriture ailleurs. « Approve for me » ne demande que pour les actions détectées comme risquées. « Full access » retire le filet. Sous le capot, Codex tourne toujours dans une sandbox système : par défaut, l'écriture est limitée au dossier de travail et le réseau est coupé. Pendant mon test, aucune demande d'approbation n'est apparue : tout se passait dans le dossier, sans réseau.

Les trois niveaux. Pour une équipe qui débute, restez sur le premier tant que vous ne savez pas ce que l'agent tente de faire.

Choisir le modèle. /model liste les modèles disponibles sur votre compte. Chez moi : GPT-6 Astra (« pour le travail le plus exigeant »), GPT-6 Sol (« le modèle de fond pour le code et le quotidien »), GPT-6 Luna (« rapide et économique »), et les anciens GPT-5.6 et 5.5 encore accessibles. Ma règle en formation : Luna pour les tâches bien cadrées et répétitives (renommer, migrer, écrire des tests sur un patron existant), Sol ou Astra dès qu'il faut comprendre une architecture ou prendre des décisions. Les quotas ne sont pas les mêmes, et c'est là que le choix compte pour une équipe.

Le sélecteur de modèle. Le même menu règle l'effort de raisonnement.

Ces réglages se figent dans ~/.codex/config.toml, ou dans .codex/config.toml à la racine d'un projet approuvé :

model = "gpt-6-sol"
model_reasoning_effort = "medium"
approval_policy = "on-request"
sandbox_mode = "workspace-write"

Quelques commandes qui servent tous les jours ensuite : /plan pour faire réfléchir avant de coder, /review pour une revue des changements non commités ou par rapport à une branche, codex resume --last pour reprendre la session précédente, codex exec "..." pour lancer une tâche sans interface, dans un script ou une CI. Les serveurs MCP se déclarent avec codex mcp add, sur le principe expliqué dans notre guide des serveurs MCP.

Étape 4 : les skills, là où se joue la productivité

Un skill est un dossier avec un fichier SKILL.md : un en-tête avec un nom et une description, puis des instructions. C'est une procédure que l'agent charge quand la tâche s'y prête, ou quand vous l'appelez. Chez Mill-Forma, j'en ai une trentaine : revue de code, diagnostic de bug, création de fiche formation, publication. C'est là que se joue la productivité, bien plus que dans le choix du modèle.

Dans Codex, un skill s'appelle avec $nom-du-skill dans le prompt, ou via /skills qui liste ce qui est disponible. Deux skills système sont livrés avec l'outil : $skill-creator pose des questions et écrit le SKILL.md pour vous, $skill-installer va chercher des skills publiés dans le dépôt openai/skills ou dans n'importe quel dépôt GitHub. Pour désactiver un skill sans le supprimer, une entrée [[skills.config]] dans le config.toml suffit.

La liste /skills sur mon poste : mes skills maison (Code Review, Diagnosing Bugs, Codebase Design) apparaissent entre les modèles de tableur et de présentation fournis par OpenAI.

Où ranger les vôtres : dans .agents/skills à la racine du dépôt pour ce qui appartient au projet, dans ~/.agents/skills pour ce qui vous suit d'un dépôt à l'autre. Codex scanne aussi les dossiers intermédiaires entre la racine Git et le dossier courant, et suit les liens symboliques.

Le dépôt (dossier .agents/skills, à tous les niveaux jusqu'à la racine Git), l'utilisateur (~/.agents/skills), la machine, le système.

Le format suit le standard ouvert Agent Skills, aussi utilisé par Cursor, Gemini CLI et GitHub Copilot : un skill bien écrit n'est pas prisonnier de l'outil. En formation, on en écrit trois ou quatre ensemble sur les tâches répétitives de l'équipe, et c'est le deuxième livrable après l'AGENTS.md.

Codex ou Claude Code : les vraies différences

C'est l'autre question qu'on me pose, et la réponse tient rarement dans un benchmark. Les deux outils font le même métier : un agent en ligne de commande, un fichier d'instructions à la racine du projet, des skills, des serveurs MCP. Vous n'utiliserez pas les deux, vous choisirez selon ce que l'entreprise paie déjà et ce que la DSI accepte. Voici les points qui pèsent dans cette décision. Le reste (vitesse ressentie, qualité du code sur telle tâche) dépend du jour, du modèle et du dépôt, et change d'une release à l'autre.

Ma lecture, sans détour. Si l'entreprise paie déjà ChatGPT Business, Codex est le choix rationnel : zéro coût additionnel, une sandbox stricte par défaut qui rassure une DSI, un cloud intégré pour les tâches longues. Si l'équipe est sur Claude Max, ou si elle veut le contrôle le plus fin possible sur ce que fait l'agent (hooks, sous-agents en Markdown, permissions par outil), Claude Code garde l'avantage, et notre tutoriel Claude Code est le pendant de cet article. Dans les deux cas, ce qui fait gagner du temps n'est pas l'outil, c'est ce qu'on met dans le fichier d'instructions et dans les skills. C'est pour ça que notre formation ne prend pas parti.

Codex dans le cloud, et pour autre chose que du code

Le terminal n'est pas la seule porte d'entrée. Dans ChatGPT, l'onglet Codex propose de connecter un dépôt GitHub ou GitLab et de lancer des tâches dans le cloud : Codex clone le dépôt dans un environnement isolé, travaille seul, et revient avec un diff que vous transformez en pull request. C'est le mode qui convient aux tâches longues qu'on n'a pas envie de surveiller, et aux personnes qui n'ouvrent jamais un terminal.

Les trois entrées locales et les deux connecteurs cloud, sur un compte ChatGPT Plus.

Depuis avril 2026, OpenAI pousse aussi Codex hors du code : lecture et production de PDF, de classeurs Excel et de documents Word via des skills fournis, pilotage de l'ordinateur depuis l'application de bureau, tâches planifiées. Pour un service marketing ou administratif, c'est le même outil que pour les développeurs, avec d'autres skills. On le traite dans la formation ChatGPT en entreprise pour les profils non techniques.

Ce qu'on met dans une formation Codex

Quand on me demande une « formation Codex », je réponds par une question : qu'est-ce que l'équipe doit produire à la fin ? La réponse est rarement « connaître les commandes ». C'est plutôt : un dépôt pilote avec un AGENTS.md qui tient, cinq skills qui couvrent les tâches répétitives de l'équipe, une règle de revue du code généré, et des développeurs qui savent quand dire non à l'agent.

C'est le programme de la formation Vibe Coding, qui se donne avec Codex ou avec Claude Code selon votre abonnement. Trois à cinq jours en intra, sur vos dépôts. Les équipes déjà décidées pour l'outil d'Anthropic ont la formation Claude Code, qui va plus loin sur les hooks, les sous-agents et les serveurs MCP. Dans les deux cas, le premier jour sert à installer, connecter et écrire le premier fichier d'instructions ensemble, exactement comme dans cet article, mais sur votre code.

Pour aller plus loin

• Vibe coding : définition, outils et limites, si le terme vous est encore flou.
• Les meilleurs outils de vibe coding, pour situer Codex face à Cursor, Windsurf et Copilot.
• Claude Code : tutoriel d'installation et premiers pas, si vous penchez pour l'autre agent.
• Serveurs MCP : brancher un agent à vos outils, pour aller au-delà du dépôt.

FAQ : formation Codex