OpenAI lance GPT-5.3-Codex : un agent de développement plus autonome
Mis à jour le February 13, 2026 Temps de lecture : 4 min
OpenAI a annoncé GPT-5.3-Codex le 5 février 2026, un modèle de codage agentique conçu pour des tâches longues avec des outils et une exécution.
La sortie suit l’application Codex pour macOS (2 février 2026) et un déploiement dans GitHub Copilot annoncé le 9 février 2026. Une variante orientée édition rapide, GPT-5.3-Codex-Spark, est arrivée en aperçu de recherche le 12 février 2026.
What happened
Le 2 février 2026, OpenAI a lancé l’application Codex pour macOS. L’app sert d’interface pour piloter plusieurs agents, reprendre une session entre l’app, le CLI et l’extension IDE, et appliquer des conventions d’équipe via des skills.
Elle propose aussi des Automations planifiées dont les résultats arrivent dans une file de relecture. OpenAI indique que l’accès est inclus avec les abonnements ChatGPT Plus, Pro, Business, Enterprise ou Edu.
Le 5 février 2026, OpenAI a publié GPT-5.3-Codex. L’entreprise indique que le modèle est 25 % plus rapide que GPT-5.2-Codex et qu’il est disponible pour les offres payantes de ChatGPT sur toutes les surfaces Codex (app, CLI, extension IDE et web). OpenAI ajoute travailler à activer l’accès à l’API, sans date.
OpenAI publie aussi un appendice de benchmarks. GPT-5.3-Codex atteint 56,8 % sur SWE-Bench Pro (Public) et 77,3 % sur Terminal-Bench 2.0. Le billet donne 64,7 % sur OSWorld-Verified (humains ~72 % selon OpenAI) et 70,9 % sur GDPval (wins or ties), une évaluation de tâches de travail de bureau sur 44 métiers.
Le 9 février 2026, GitHub a annoncé un déploiement progressif de GPT-5.3-Codex dans GitHub Copilot via le sélecteur de modèles (Visual Studio Code, github.com, GitHub Mobile, GitHub CLI et Copilot Coding Agent). GitHub a toutefois indiqué mettre le déploiement en pause, le temps d’améliorer la fiabilité de la plateforme.
Le 12 février 2026, OpenAI a lancé GPT-5.3-Codex-Spark en aperçu de recherche. OpenAI annonce plus de 1 000 tokens par seconde, une fenêtre de contexte de 128k tokens et un modèle texte uniquement au lancement, avec des limites de taux séparées pendant l’aperçu.
Why it matters
Un agent de code ne se limite plus à la complétion. Il peut tenir un objectif sur la durée, utiliser des outils, itérer et livrer une proposition de changement exploitable.
Pour les personnes en formation, cela rend les fondamentaux plus rentables : clarté des tickets, structure du dépôt, tests et capacité à relire un diff. Le bon usage consiste à faire produire un plan, des hypothèses et des tests, puis à vérifier.
Pour les équipes, l’enjeu est d’intégrer ces agents sans casser la discipline d’ingénierie. Les Automations et les skills vont dans ce sens : transformer des tâches répétitives en sorties relisibles, avec CI et revue humaine.
La sécurité devient plus concrète quand un agent touche au terminal. Le system card de GPT-5.3-Codex (5 février 2026) indique qu’OpenAI traite ce lancement comme High capability en cybersécurité dans son Preparedness Framework, par précaution, et active des garde-fous associés. Côté produit, OpenAI décrit aussi des environnements sandboxés et des demandes d’autorisation avant certaines actions, comme l’accès réseau.
Key numbers
25 % : gain de vitesse annoncé par OpenAI pour GPT-5.3-Codex (et exécution plus rapide dans Codex).
56,8 % : SWE-Bench Pro (Public) pour GPT-5.3-Codex (56,4 % pour GPT-5.2-Codex).
77,3 % : Terminal-Bench 2.0 pour GPT-5.3-Codex (64,0 % pour GPT-5.2-Codex).
64,7 % : OSWorld-Verified pour GPT-5.3-Codex (humains ~72 % selon OpenAI).
1 000 tokens/s : vitesse annoncée pour Codex-Spark en aperçu.
128k tokens : fenêtre de contexte annoncée pour Codex-Spark au lancement.
plus d’un million de développeurs : chiffre d’usage cité par OpenAI sur le mois précédant l’annonce de l’app Codex.
Context
GPT-5.2-Codex avait été annoncé le 18 décembre 2025 comme un modèle agentique pour l’ingénierie logicielle. GPT-5.3-Codex s’inscrit dans cette trajectoire, avec une communication plus large sur l’exécution de tâches sur ordinateur et des benchmarks agentiques (SWE-Bench Pro, Terminal-Bench, OSWorld, GDPval).
Le mouvement clé est l’intégration dans les outils existants. L’app Codex facilite le multi-agent, tandis que GitHub Copilot expose le modèle dans des workflows déjà standardisés (IDE, web, mobile, CLI).
What's next
OpenAI dit travailler à activer l’accès à l’API à GPT-5.3-Codex. Si cela arrive, des intégrations plus propres dans les pipelines (CI, outils internes, bots de qualité) deviendront possibles.
En attendant, trois pratiques réduisent les surprises :
- Limiter les permissions (sandbox, secrets isolés, accès réseau contrôlé).
- Rendre la qualité automatique (tests et lint reproductibles, CI obligatoire).
- Traiter chaque sortie comme une contribution externe (revue humaine, pas de merge automatique).
How to go deeper
- Approfondir Git, JavaScript et le cycle PR/CI avec le Bootcamp de développement web de Code Labs Academy.
- Comprendre l’évaluation des modèles avec le Bootcamp science des données et IA.
- Renforcer les réflexes de défense avec le Bootcamp cybersécurité.