OpenAI confirme une croissance hebdomadaire de 2.5x pour ses produits agents : Codex (l’éditeur de code enterprise) et ChatGPT Work. Sam Altman a déclaré que la demande pour GPT-5.6 Sol est « insane » et pourrait causer des ralentissements d’infrastructure tandis que les installations montent en charge.

La réaction de l’écosystème a été immédiate : JetBrains a ajouté Codex comme agent recommandé dans son IDE, tandis qu’OpenAI a publié des guides opérationnels montrant comment les équipes de data science et sales utilisent ChatGPT Work sur des tâches réelles—nous les avons documentés le 14 juillet.

Pourquoi cela te concerne. Si tu travailles avec du code ou tu gères des équipes qui l’écrivent, c’est le signal que l’agenticité de coding n’est plus une expérience : c’est une infrastructure de production, avec l’endorsement des IDE mainstream et des guides opérationnels vérifiables. Le point de bascule n’est pas la technologie—GPT-5.6 Sol était déjà disponible depuis des jours—mais l’intégration dans les flux quotidiens et le fait que les équipes documentent ce qui fonctionne vraiment.

En détail

D’où vient la croissance.

La croissance 2.5x hebdomadaire de Codex + ChatGPT Work arrive dans un contexte précis : GPT-5.6 Sol est sur le marché depuis dix jours (lancé le 10 juillet) et démontre des performances concrètes sur des tâches de coding complexes. Le modèle Ultra a même prouvé une conjecture mathématique ouverte depuis 50 ans le 12 juillet.

Mais la croissance n’est pas seulement due au modèle : c’est l’écosystème qui bouge. JetBrains, qui domine les IDE enterprise, a choisi Codex comme agent recommandé—un endorsement qui compte autant qu’une certification. Et OpenAI a publié deux guides opérationnels sur data science et sales, montrant des workflows vérifiables au lieu de promesses vagues.

L’infrastructure sous pression.

Sam Altman a ajouté un détail significatif : la demande pour GPT-5.6 Sol pourrait causer des « scaling hiccups » tandis que l’infrastructure s’adapte. Ce n’est pas un problème de capacité absolue—OpenAI a le hardware—mais de distribution géographique et latence. Quand un million d’utilisateurs par jour commencent à utiliser un modèle pour des sessions longues (les agents de coding travaillent pendant des heures, pas des minutes), la pression sur les clusters est différente de celle d’une conversation rapide.

Ce que cela signifie pour ceux qui utilisent des agents de coding.

Si tu utilises Claude Code, tu as vu une série de releases rapides au cours des deux dernières semaines (v2.1.212, v2.1.211, v2.1.210) : Anthropic court pour rester à la hauteur. Si tu utilises Codex en entreprise, tu as maintenant l’intégration JetBrains et les guides opérationnels d’OpenAI à montrer à ton équipe.

Le pattern qui émerge est clair : les agents de coding ne sont plus un jouet pour early adopters. Ce sont des outils que les équipes utilisent chaque jour, que les IDE mainstream recommandent, et sur lesquels les entreprises documentent des workflows reproductibles. La compétition n’est plus « quel modèle est le plus puissant », mais « quel écosystème te permet de mieux travailler ».

Les limites encore ouvertes.

OpenAI a réinitialisé plusieurs fois les limites d’utilisation au cours des dernières semaines, signe que l’étalonnage entre la demande et la capacité est encore en cours. Et comme nous l’avons raconté le 12 juillet, le surcoût en tokens avant même d’arriver à ton prompt varie énormément entre les outils : Claude Code envoie 33k tokens, OpenCode 7k. Avec une croissance de 2.5x hebdomadaire, ces détails d’efficacité font la différence entre un service utilisable et un qui te fait attendre.

La leçon : si tu évalues un coding agent pour ton équipe, regarde les workflows documentés (OpenAI vient d’en publier deux), essaie l’intégration IDE où tu travailles déjà (JetBrains recommande maintenant Codex), et mesure le surcoût en tokens au-delà de la qualité de l’output : les graphiques de commits de qui le mesure systématiquement montrent l’impact réel.