ToolNavs Outils IA à découvrir
Proposer Connexion
Retour à Informations sur l’IA
La Performance Factory d'OpenAI entre en service : des agents Codex corrigent seuls les régressions de performance, plus de 1 700 cas en trois mois

La Performance Factory d'OpenAI entre en service : des agents Codex corrigent seuls les régressions de performance, plus de 1 700 cas en trois mois

Informations sur l’IA • Admin • • 23 vues

La Performance Factory d'OpenAI transforme la correction des problèmes de performance en une chaîne de montage d'agents : le 19 novembre 2026, OpenAI a révélé dans son blog officiel que ce système d'automatisation, articulé autour de Codex, tourne en interne depuis plus de trois mois, a traité plus de 1 700 enquêtes sur des régressions de performance et en a identifié la cause dans plus de 600 cas. Les ingénieurs ne courent plus après chaque alerte : ils n'interviennent qu'aux points de décision clés.

De l'alerte à la correction vérifiée, comment cela se déroule-t-il ?

Le premier flux mis en service s'appelle le Regression Workflow : dès qu'une alerte de performance se déclenche, une tâche est créée automatiquement, et un agent détermine d'abord quand l'indicateur s'est dégradé et quelles requêtes ont été touchées, puis confronte les déploiements et les changements de configuration et lit le code concerné pour trouver la cause. Une fois le diagnostic validé, l'agent rédige un correctif et ouvre une pull request, un ingénieur la relit et la fusionne, puis, après le déploiement, un autre agent vérifie que la performance est revenue à son niveau de référence avant de clore le dossier. Quatre éléments soutiennent cette chaîne : un service de tâches aux flux configurables, une boucle de répartition qui assigne le travail, une API qui exécute Codex dans le cloud, et des abonnements qui réveillent les agents lorsque surviennent des événements tels que des revues de code ou des déploiements terminés. Les ingénieurs ont condensé leur expérience de débogage dans une compétence appelée perf-forensics, et les agents répètent la même méthode, traitant en moyenne 17 enquêtes par jour. OpenAI détaille le bac à sable de Codex : pas de conteneurs, des mécanismes natifs du système pour tenir l'agent en cage explique comment Codex fonctionne dans un environnement restreint — la condition qui permet de faire tourner ce type d'automatisation en confiance.

Sept diagnostics sur dix sont justes ; faire aboutir le correctif est l'étape la plus difficile

OpenAI ne cache pas les points faibles du système. Lors d'un examen manuel de 100 propositions de cause racine, 70 ont été jugées exactes ; les 30 autres demandaient un travail supplémentaire ou n'établissaient pas pleinement la causalité. L'équipe a donc ajouté une revue contradictoire : une session Codex distincte tente de réfuter le diagnostic, en vérifiant par exemple si des requêtes similaires non exposées sont bien restées saines, ou si l'indicateur s'est rétabli après un retour en arrière. Corriger est plus difficile que trouver la cause : les modifications proposées par les agents sont parfois plus compliquées que nécessaire, voire introduisent de nouveaux problèmes, et les arbitrages comme l'ajout d'un cache relèvent toujours de l'ingénieur. Chaque correctif proposé passe par la même revue contradictoire, et seules les modifications à faible risque pourraient un jour être déployées sans intervention humaine.

OpenAI construit ensuite une boucle d'évaluation : comparer les correctifs proposés par les agents avec les modifications finalement fusionnées par les ingénieurs, constituer des jeux d'évaluation, améliorer les flux, et utiliser des tests de performance synthétiques pour que les agents puissent tester un correctif avant de le soumettre. Si cette approche tient, l'ingénierie de la performance passera de « les humains cherchent les problèmes » à « les agents cherchent les problèmes, les humains tranchent » — pour d'autres équipes qui exploitent des services à grande échelle, ce mode de travail pourrait compter davantage que n'importe quel chiffre.

Outils Recommandés

Plus