Il y a des chiffres qui ressemblent à un simple tour de piste marketing — et d’autres qui marquent un basculement d’usage. Cette semaine, Sam Altman affirme sur X que l’application Codex (macOS) a franchi plus d’un million de téléchargements en sept jours, avec plus de 60 % de croissance des utilisateurs Codex sur la semaine.
Dans la guerre des assistants de code, OpenAI ne cherche plus seulement à « aider à coder » : il veut imposer une nouvelle interface de travail, où l’IA devient une équipe à orchestrer.
More than 1 million people downloaded Codex App in the first week.
60+% growth in overall Codex user last week!
We’ll keep Codex available to Free/Go users after this promotion; we may have to reduce limits there but we want everyone to be able to try Codex and start building.
— Sam Altman (@sama) February 9, 2026
Codex : Un « centre de commande » plus qu’un plugin
L’application Codex n’est pas pensée comme un simple autocomplete façon IDE. OpenAI la présente comme un centre de commande pour piloter plusieurs agents, en parallèle, sur des tâches longues — avec revue des diffs, commentaires, et workflows conçus pour ne pas perdre le fil d’un projet complexe.
Sur le papier (et dans les notes produit), trois concepts structurent cette promesse :
- Worktrees en parallèle : explorer plusieurs pistes sans collision de branches.
- Tâches longues déléguées : tests, maintenance, mises à jour… sous forme d’automations.
- Supervision multi-agents : passer d’un agent à l’autre en conservant le contexte dans une interface unifiée.
GPT-5.3-Codex : la vitrine (et le moteur) de l’agentique OpenAI
Le succès du client macOS s’appuie sur un modèle que l’entreprise présente comme son plus avancé pour le « computer work » : GPT-5.3-Codex, annoncé début février. OpenAI insiste même sur un détail très « silicon valley » : le modèle aurait été instrumental dans sa propre création, via des versions précoces utilisées pour déboguer l’entraînement, gérer le déploiement et diagnostiquer les résultats.
Côté performances, OpenAI revendique notamment 77,3 % sur Terminal-Bench 2.0 (contre 64,0 % pour GPT-5.2-Codex dans le même tableau), et 56,8 % sur SWE-Bench Pro (public).
Le « gratuit » touche à sa fin : limites en vue pour Free et Go
Le cap du million a été dopé par une décision très stratégique : ouvrir Codex temporairement aux utilisateurs Free et Go (plan d’entrée de gamme), pour élargir l’adoption. Mais Altman prévient déjà : Codex restera accessible après la promo, avec des plafonds probablement réduits sur Free/Go.
En creux, c’est une confession économique : les outils « agentiques » coûtent cher, et l’industrie bascule vers des modèles où l’accès grand public sert de rampe… avant d’être rationné.
Une bataille à fronts multiples : Claude Code et l’offensive « agnostique » de Kilo
OpenAI accélère alors que ses concurrents ont déjà pris de la vitesse :
- Anthropic affirme que Claude Code a atteint 1 milliard de dollars de run-rate en six mois
- Kilo CLI 1,0 pousse une stratégie inverse d’OpenAI : « agentic anywhere », en terminal, agnostique aux modèles, avec accès à 500+ modèles et une philosophie anti lock-in assumée
On voit se dessiner deux écoles :
- Écosystèmes intégrés (Codex app, UX propriétaire, contrôle serré, performance et sécurité mises en avant).
- Outillage portable et modulable (terminal/CLI, multi-modèles, arbitrage coût/latence/raisonnement à la carte).
Ce que « 1 million » signifie pour les décideurs enterprise
Ce chiffre n’est pas qu’un trophée. Il signale une réalité produit : la demande ne porte plus seulement sur un copilote, mais sur des agents capables d’opérer (tester, refactor, livrer, maintenir).
Pour les organisations, l’enjeu n’est donc pas « quel modèle est le meilleur » mais comment gouverner une main-d’œuvre logicielle semi-autonome :
- Cadrer les permissions (repos, secrets, environnements, CI/CD).
- Imposer des logs et audits (qui a fait quoi, quand, via quel agent).
- Standardiser le human-in-the-loop (revue obligatoire des diffs, règles de merge, policy de tests).
- Maintenir l’optionnalité (éviter d’être piégé par un outil unique quand les limites/prix changent).
En clair : si l’IA passe de « copilot » à « operator », l’entreprise doit passer de « prompting » à orchestration.
