D1 · Codex Fundamentals and Surfaces

Ce domaine vaut 20 % de l’examen blanc — soit environ 10 items sur 50. Il évalue votre capacité à placer une tâche de codage sur la bonne surface Codex, à choisir un modèle et un reasoning effort adaptés au travail, et à raisonner sur la gamme de modèles et ses évolutions récentes. Presque tous les items se ramènent à une seule question : étant donné cette tâche, cet environnement et cette échéance, quelle surface, quel modèle et quel effort dois-je choisir ?

Ce que vous devez savoir

Codex est un seul agent derrière de nombreuses surfaces : l’application desktop ChatGPT, ChatGPT Work sur le web, le Codex CLI, l’extension IDE Codex, Codex cloud et Codex Micro, ainsi que des intégrations dans Slack, GitHub, GitLab (bêta) et Linear. Les surfaces partagent un même fichier de configuration ; le choix entre elles porte donc sur l’endroit où le travail se fait, pas sur les capacités. Dans Codex, vous pouvez exécuter plusieurs modèles — gpt-6-astra, gpt-5.6-sol, gpt-5.6-terra, gpt-5.6-luna et la research preview gpt-5.3-codex-spark — et les contrôler avec /model de façon interactive ou -m / --model en ligne de commande. Une échelle de raisonnement de Low (faible) à Ultra échange du temps de réflexion et du parallélisme contre de la vitesse et du coût. Depuis le 31 août 2026, la famille gpt-5.4 a été retirée de Codex sous connexion ChatGPT ; connaître les remplaçants actuels compte donc.

Objectifs d’apprentissage

À l’issue de cette page, vous devriez être capable de :

1. Sélectionner la bonne surface Codex pour une tâche, parmi l’application desktop, ChatGPT Work web, le CLI, l’extension IDE, le cloud et Micro.
2. Choisir un modèle Codex et en changer avec /model, -m ou --model, pour les exécutions interactives comme non interactives.
3. Appliquer l’échelle de raisonnement Low → Medium → High → Extra High → Max → Ultra, et expliquer la distinction Max/Ultra et les subagents.
4. Raisonner sur la gamme de modèles, y compris le retrait de gpt-5.4 / gpt-5.4-mini de Codex et leurs remplaçants.
5. Distinguer les exécutions interactive, non interactive et cloud et faire correspondre chacune à une forme de tâche.

1.1 The Codex surfaces

Codex est le même agent partout ; la surface décide où il s’exécute et comment vous interagissez avec lui.

                        ONE CODEX AGENT
                        one shared config.toml
   ┌──────────┬───────────┬──────────┬───────────┬─────────┬────────┐
   │ Desktop  │ ChatGPT   │  CLI     │   IDE     │  Cloud  │ Micro  │
   │  app     │ Work web  │ codex(1) │ extension │ sandbox │        │
   └────┬─────┴─────┬─────┴────┬─────┴─────┬─────┴────┬────┴───┬────┘
        │           │          │           │          │        │
     chat on     managed    scripted    tight edit  long /  quick,
     desktop     browser    & CI runs   loop, diff  parallel small

1.2 Exécutions interactive, non interactive et cloud

La même tâche peut s’exécuter de trois façons, et l’examen attend que vous fassiez correspondre la forme du travail au mode.

Exemple travaillé — la même tâche « corriger le test en échec », de trois façons :

codex
# puis, dans la session :
# > fix the failing test in the payments module and show me the diff

codex exec -m gpt-5.6-terra "fix the failing test in the payments module"

Codex cloud → New task → "fix the failing test in the payments module"
S’exécute dans un sandbox hébergé ; suivez la progression, revenez au diff et aux preuves plus tard.

1.3 Les modèles disponibles dans Codex

Codex peut exécuter la gamme de modèles actuelle plus une research preview spécifique à Codex. Choisissez le modèle le moins coûteux qui satisfait la tâche.

gpt-5.5 et gpt-5.4 restent listés comme « autres modèles ». Utilisez l’annexe gamme de modèles comme source unique des prix et des limites.

1.4 Contrôler le modèle : /model, -m et --model

Vous choisissez le modèle par session, par commande, ou comme valeur par défaut partagée.

# Interactif : changer en cours de session
codex
# > /model            (ouvre le sélecteur de modèle)

# Lancer sur un modèle précis
codex --model gpt-5.6
codex -m gpt-5.6-terra

# Non interactif sur un modèle précis
codex exec -m gpt-5.6 "refactor the auth middleware and run the tests"

La valeur par défaut partagée vit dans config.toml :

model = "gpt-5.6"

1.5 L’échelle de raisonnement : de Low à Ultra

Codex expose une échelle de reasoning effort dans le CLI. Un effort plus élevé signifie plus de temps de réflexion (et de coût) ; l’échelon supérieur ajoute du parallélisme.

Low ─► Medium ─► High ─► Extra High ─► Max ─► Ultra
(fast,   (default)  (harder)  (deep)      │        │
 cheap)                                   │        │
                                MORE THINKING       DELEGATES TO
                                ON ONE TASK          SUBAGENTS IN
                                (Max)                PARALLEL (Ultra)

• Low (faible) — rapide, économique ; modifications mécaniques et recherches simples.
• Medium (moyen) — la valeur par défaut ; la plupart du travail quotidien.
• High (élevé) — tâches plus dures nécessitant un raisonnement plus soigné.
• Extra High (très élevé) — raisonnement profond, multi-étapes, sur une tâche difficile.
• Max — plus de temps de réflexion sur une seule tâche ; à utiliser quand un problème dur nécessite que le modèle raisonne plus longtemps, pas quand le travail se découpe en morceaux.
• Ultra — délégation automatique à des subagents en parallèle ; à utiliser quand une tâche se décompose réellement en sous-tâches indépendantes exécutables simultanément.

La distinction Max/Ultra est un item de prédilection : Max approfondit une seule ligne de raisonnement, Ultra répartit le travail sur des subagents. Dans les clients graphiques, les niveaux se lisent Light / Medium / High / Extra High, et le déploiement d’Astra expose des options Power telles que Terra Light, Sol Light, Sol Medium, Astra Light, Astra Medium et Astra Extra High. Si Ultra est absent du sélecteur, activez-le via Settings → Configuration → « Ultra in model picker slider ».

1.6 Les retraits de modèles de septembre 2026

La disponibilité des modèles dans Codex a changé sous connexion ChatGPT, et l’examen teste les remplaçants, pas le tumulte.

Deux faits comptent pour les items de jugement : le retrait s’applique à la connexion ChatGPT, et la connexion par clé API n’est pas affectée. Ainsi, une équipe épinglée sur gpt-5.4 dans une config partagée qui se connecte avec ChatGPT doit migrer vers Terra/Luna ; un service qui s’authentifie par clé API n’est pas soumis à la même échéance.

Cadre de décision

Utilisez SURFACE-MODEL-EFFORT (SME) pour placer toute tâche en trois mouvements.

Application : « un batch scripté nocturne qui renomme une API dépréciée dans de nombreux fichiers » → CLI avec codex exec (surface), Luna (modèle — mécanique, fort volume), effort Low ou Medium (ce n’est pas difficile, juste volumineux). « repenser la couche de cache, un seul problème épineux » → extension IDE, Sol ou Astra, effort Max.

Erreurs courantes

Défi de mise en situation

Scénario. Priya dirige une équipe plateforme de quatre personnes. Elles ont trois chantiers en cours cet après-midi : (1) un renommage mécanique d’un appel de journalisation déprécié dans ~180 fichiers, (2) une refonte réellement difficile de la logique de batching des requêtes, sur laquelle un ingénieur va faire du pair, et (3) un lot de quatre petits correctifs de bugs indépendants dans des modules sans lien, qui doivent tous atterrir aujourd’hui. L’équipe se connecte à Codex avec ses comptes ChatGPT, et son config.toml partagé épingle encore model = "gpt-5.4". Un ingénieur signale que Codex « a cessé de prendre en compte le modèle » ce matin.

Trace de raisonnement d’expert.

1. Corriger le blocage d’abord. La config épingle gpt-5.4, qui a été retiré de Codex sous connexion ChatGPT le 31 août. Puisque toute l’équipe se connecte avec ChatGPT, le correctif consiste à changer la valeur par défaut partagée pour gpt-5.6-terra (le remplaçant direct de gpt-5.4). La connexion par clé API ne serait pas affectée, mais ce n’est pas ainsi que cette équipe s’authentifie.
2. Placer la tâche 1 (le renommage). Elle est mécanique et à fort volume, et peut s’exécuter sans surveillance. Surface : CLI avec codex exec. Modèle : Luna. Effort : Low. Inutile de mobiliser quelqu’un.
3. Placer la tâche 2 (la refonte). Un seul problème difficile, un ingénieur en pair. Surface : extension IDE pour une boucle de revue serrée. Modèle : Sol ou Astra. Effort : Max — plus de temps de réflexion sur une seule tâche, pas Ultra, car elle ne se scinde pas en parties indépendantes.
4. Placer la tâche 3 (quatre correctifs indépendants). Ceux-ci se décomposent réellement. C’est le cas Ultra — délégation automatique à des subagents en parallèle — ou quatre tâches cloud exécutées à la fois. Dans les deux cas, le cloud est une bonne surface pour que les correctifs ne bloquent pas les deux ingénieurs.
5. Ne pas surdimensionner le modèle. Rien ici ne nécessite Astra, sauf éventuellement la refonte ; le renommage sur Astra brûlerait du budget sans bénéfice.

Décision conforme à l’examen : migrer la config partagée vers gpt-5.6-terra ; exécuter le renommage de façon non interactive sur le CLI avec Luna à l’effort Low ; faire la refonte dans l’IDE avec Sol/Astra à Max ; disperser les quatre correctifs indépendants avec Ultra ou comme tâches cloud parallèles. Pas tout sur Astra, pas Ultra pour la refonte unique, pas le renommage dans une session interactive.

Pièges d’évaluation

Questions d’entraînement

Chaque item indique combien de réponses sélectionner. Essayez avant de révéler.

Points clés à retenir

• Codex est un seul agent derrière de nombreuses surfaces (desktop, ChatGPT Work web, CLI, extension IDE, cloud, Micro) qui partagent un même config.toml.
• Choisissez la surface selon où le travail se fait : CLI pour le terminal/CI (avec codex exec pour les exécutions sans surveillance), IDE pour les boucles de revue serrées, cloud pour le travail long ou parallèle.
• Choisissez le modèle le plus bas qui satisfait la tâche : Luna (fort volume), Terra (défaut / remplacement GPT-5.5), Sol (complexe), Astra (le plus dur) ; Spark est une research preview réservée à Pro.
• Contrôlez le modèle avec /model en session, -m / --model au lancement, ou model = '…' dans config.toml.
• L’échelle de raisonnement est Low → Medium → High → Extra High → Max → Ultra ; Max approfondit une tâche, Ultra délègue à des subagents parallèles.
• gpt-5.4 / gpt-5.4-mini ont été retirés de Codex sous connexion ChatGPT le 31 août 2026 → remplacer par gpt-5.6-terra / gpt-5.6-luna ; la connexion par clé API n’est pas affectée.