Planifier dans ChatGPT Pro, exécuter dans Codex : le guide de transmission des documents de conception

Le flux de travail à s'approprier ce mois-ci n'est pas un modèle, c'est une division du travail. Vous confiez GPT-6 Pro dans ChatGPT une URL de dépôt, vous lui demandez un document de conception plutôt qu'un correctif, et vous remettez ce document à Codex ou Claude Code pour qu'il l'implémente. Le planificateur tourne sur GPT-6 Astra — GPT-6 Pro est le nom que les plafonds d'usage de ChatGPT lui attribuent — et Astra est un modèle du 2026-09-03, donc rien ici ne relève d'une couverture de lancement ni d'une annonce de sortie. Ce qui a changé au cours des sept derniers jours est plus circonscrit, et mérite d'être énoncé précisément : le 2026-09-17, des praticiens ont rapporté que le plugin GitHub officiel dans le ChatGPT Chat ordinaire, et non ChatGPT Work ni Codex, peut modifier des fichiers de dépôt, effectuer des commits et ouvrir des pull requests sans puiser dans le quota Codex/Work. Il s'agit d'une affirmation de la communauté, non d'une documentation du fournisseur — les pages d'aide officielles décrivent encore l'application GitHub comme étant en lecture seule et font passer toute écriture par Codex — et les réserves qui l'accompagnent importent autant que l'affirmation elle-même. Tout ce qui suit est étiqueté comme rapporté par le fournisseur, rapporté par la communauté, ou relevé sur les pages officielles le 2026-09-19.

Le workflow, en une seule passe

Les praticiens décrivent la même boucle avec de légères variations. Celle qui revient : coller une adresse GitHub dans ChatGPT, lui demander de lire le code et de produire un document de conception, puis télécharger ce document et le transmettre à un agent d’exécution. Certains demandent aussi une pull request ; d’autres s’arrêtent au document et laissent l’exécuteur rédiger. Dans les deux cas, la forme est identique — planifier dans le produit de chat, construire dans le produit agent — et la raison pour laquelle cela vaut la peine d’être copié est que les deux moitiés sont décomptées séparément.

• Artefact de planification — un document de conception : les interfaces à ajouter, les fichiers à modifier désignés par leur chemin, l'ordre de migration, les tests d'acceptation, et la marche à suivre en cas de problème.

• Artefact d'exécution — une branche et une pull request, produites par un agent capable d'exécuter les tests qu'il vient d'écrire.

• Artefact de revue — le diff, qui est la seule chose qui devrait jamais parvenir à un relecteur.

Le document de conception est l'élément porteur, et il mérite sa place pour deux raisons. Premièrement, un document est portable : le même texte fonctionne que l'exécuteur soit Codex, Claude Code ou un agent scripté que vous avez écrit vous-même, de sorte que la planification que vous avez payée n'est pas liée à l'outil d'un seul fournisseur. Deuxièmement, c'est la surface de revue qui existe avant que quoi que ce soit ne soit écrit dans votre dépôt — ce qui compte beaucoup étant donné que le chemin d'écriture dans le produit de chat est la partie la moins documentée de tout le dispositif.

Pourquoi la structure à deux compartiments est toute l'astuce

ChatGPT ne facture pas ce flux de travail sur une seule enveloppe. Chat, ChatGPT Work et Codex disposent de quotas séparés, Work et Codex partageant un seul pool entre eux ; une clé API OpenAI relève encore d'une facturation distincte. C'est cette structure qui rend la passation économique : la réflexion a lieu dans le compartiment Chat, l'exécution dans le compartiment agent, et un document de conception coûte un message Chat tandis que la mise en œuvre consomme de l'usage agent.

Les chiffres, tels qu’OpenAI les publie pour le côté Chat — des chiffres déclarés par le fournisseur dans la documentation de son propre forfait, et non des mesures :

ChatGPT Pro à 200 $ par mois — 200 messages GPT-6 Pro par semaine ; GPT-5.6 Sol Pro permet en outre 170 messages par jour, les deux modèles étant plafonnés ensemble à 200 par jour.

• ChatGPT Pro à 100 $ par mois — 50 messages GPT-6 Pro par semaine, prélevés sur un quota partagé avec GPT-5.6 Sol Pro.

• Business Standard — 15 messages GPT-6 Pro par mois, partagés avec Sol Pro ; Business Premium — 50 par semaine sur la même base de partage.

• ChatGPT Plus — aucun GPT-6 Pro dans Chat. Astra n'atteint Plus que par le biais de ChatGPT Work et Codex, qui est précisément la catégorie que ce playbook cherche à protéger.

Du côté Work/Codex, OpenAI publie des estimations plutôt que des limites, et le dit clairement : environ 5 à 45 messages Astra par fenêtre de cinq heures sur Plus, 25 à 225 sur Pro 5x, et 100 à 900 sur Pro 20x, la même page précisant que la consommation réelle varie selon la complexité de la tâche, le contexte, la sortie et l'utilisation d'outils, et que des limites hebdomadaires peuvent s'appliquer en plus. Ces fourchettes correspondent à environ la moitié des chiffres équivalents de Sol, ce qui est la raison arithmétique pour laquelle un modèle de pointe est tout simplement abordable à exécuter en tant qu'agent.

La conséquence pratique est une règle budgétaire que vous pouvez écrire sur une carte. Réservez les messages Chat aux décisions et l’usage de l’agent au code. Une session de planification qui débat d’une interface pendant vingt minutes coûte une poignée de messages Chat et produit un document qui fait gagner à un agent une heure de modifications exploratoires — c’est exactement le compromis que font réellement les praticiens du fil.

Le chemin d'écriture : ce que fait le connecteur, et ce que les gens prétendent qu'il fait

Ici, les sources divergent, et la divergence est la partie intéressante.

La documentation d'aide d'OpenAI elle-même est sans ambiguïté : l'application GitHub dans ChatGPT lit vos dépôts pour l'analyse et la recherche, et générer du code, le modifier et le pousser vers GitHub, c'est ce à quoi sert Codex. C'est la position en lecture seule, et c'est celle sur laquelle il faut se baser pour planifier si vous intégrez cela à un processus d'équipe, car c'est celle qui a un fournisseur derrière elle.

La position de la communauté, datée du 17 septembre 2026, est que le plugin GitHub de la version web en mode Chat modifiera le code, créera des commits et ouvrira des pull requests, et que, parce qu’il s’agit d’un plugin officiel plutôt que d’un serveur MCP tiers, il ne consomme ni le quota Codex ni le quota Work. Ce même fil de discussion se montre prudent quant à son périmètre : petits outils, modifications mineures, petits bugs — les grandes refactorisations et le débogage difficile restent du ressort de Codex. Ses propres commentateurs ajoutent les mises en garde qu’il vaut la peine de répéter, car ce sont elles qui font mal :

• Les limites de débit normales de ChatGPT s’appliquent toujours. « Pas de quota Codex » ne signifie pas « gratuit ».

• La qualité peut se dégrader après plusieurs tours sans avertissement, la session basculant en cours de tâche vers un modèle plus petit.

• Les auteurs du fil conseillent de ne pas basculer vers Work lorsque l’interface le propose, et avertissent que marteler les pages de chat anonymes dégrade l’expérience web pour tout le monde.

Une analyse japonaise indépendante du même schéma parvient à une conclusion compatible, sans l'affirmation sur le quota : si une intégration GitHub prend en charge les actions d'écriture, le chat ordinaire peut lire un dépôt, modifier des fichiers, créer une branche et ouvrir une pull request ; les limites de débit habituelles du chat s'appliquent ; et Codex et Work puisent dans le pool d'agents partagé, si bien que le chat ordinaire sert aux modifications de quelques fichiers et Codex aux tâches logicielles longues. Là où les deux comptes rendus concordent, cette concordance est la partie exploitable : le chat est un canal pour les petits changements, Codex est le canal pour les longues sessions, et les pools sont distincts.

Il existe des serveurs MCP tiers qui exposent un véritable flux de travail git — branche, diff, commit, push, ouverture d’une pull request — avec des autorisations que vous pouvez échelonner de la lecture seule jusqu’au push. Si vous voulez que le chemin d’écriture soit déterministe et auditable plutôt qu’un comportement que vous espérez, c’est la voie à suivre ; si vous voulez rester dans ce qu’OpenAI documente, planifiez dans Chat et écrivez dans Codex.

Quoi qu’il en soit, c’est la passation du document de conception qui rend le chemin d’écriture du chat défendable. Une session de chat avec un périmètre d’écriture sur un dépôt constitue un octroi de permission plus large qu’une session de chat avec un périmètre de lecture, et le document est l’artefact que vous examinez avant que cet octroi ne soit exercé.

La passation, étape par étape

• Faites pointer le planificateur vers le dépôt — une URL publique collée dans le prompt, ou le connecteur GitHub si vous l’avez autorisé — et demandez-lui de lire le code avant de proposer quoi que ce soit.

• Demandez un document de conception, pas un correctif. Exigez les chemins de fichiers, les interfaces ajoutées ou modifiées, l'ordre dans lequel les modifications doivent être intégrées, et les tests qui prouvent chaque étape.

• Demandez-lui de citer les fichiers qu'il a réellement lus. Un document de conception qui décrit une interface que le dépôt ne possède pas est la façon la plus courante dont ce flux de travail échoue, et les citations sont ce qui vous permet de le détecter en une minute plutôt qu'en un sprint.

• Enregistrez le document dans le dépôt plutôt que de le coller dans l'outil suivant. Un exécuteur qui lit un fichier peut le relire ; un exécuteur qui a reçu un collage n'a qu'une seule tentative.

• Démarrez l’exécuteur avec le document comme instruction, et cantonnez une pull request à une section de celui-ci. C’est dans les longues sessions que la qualité de l’agent se dégrade insidieusement.

• Maintenez ensuite le planificateur dans un rôle de relecture uniquement. Lorsque le document est erroné, replanifiez et mettez le document à jour — ne laissez pas l’exécuteur improviser au-delà, car le travail improvisé est précisément ce que le document avait pour but d’empêcher.

Là où ça casse.

• État obsolète du dépôt — le planificateur a lu la branche par défaut alors que vous travaillez sur une branche de fonctionnalité, de sorte que les chemins de fichiers dans le document sont en retard d’une version. Indiquez quelle branche lire, ou collez l’arborescence de la branche.

• Dérive du document de conception — le document et le code ne concordent pas, et l’exécuteur suit le document. L’étape des fichiers cités ci-dessus est l’assurance peu coûteuse.

• Surprise de quota dans la mauvaise direction — une conversation de planification de vingt minutes est peu coûteuse en messages Chat et coûteuse en attention ; une longue exécution d’agent, c’est l’inverse. Budgétisez le compartiment que vous consommez réellement.

• Rétrogradation silencieuse — une session de chat qui passe à un modèle plus petit après plusieurs tours produira quand même un document de conception au ton assuré. Évaluez le document sur ses mérites, et non en partant du principe que le modèle phare l’a rédigé.

• Dérive des permissions — la voie d'écriture, que ce soit via un plugin ou un serveur MCP, donne à une session de chat la capacité de modifier votre code. Classez les permissions par niveaux et révoquez-les une fois la modification intégrée.

Exécution de la moitié executor via un seul point de terminaison

La moitié « planification » de ce workflow vit à l’intérieur d’un produit par abonnement, et cette partie-là est ce qu’elle est. La moitié « exécution » est un appel API, et c’est cette moitié-là qu’il vaut la peine de posséder. Si vous scriptez l’exécuteur — une petite boucle d’agents, une tâche CI qui transforme un document de conception approuvé en branche —, l’appel au modèle est la seule pièce qui doit être interchangeable, parce que le modèle que vous voudrez le trimestre prochain n’est pas celui autour duquel vous planifiez aujourd’hui.

Voilà à quoi sert une couche de routage. openai/gpt-6-astra se trouve derrière le même point de terminaison compatible OpenAI que plus de 200 autres modèles, avec le prix catalogue du fournisseur répercuté à 0 % de marge — ainsi, lorsqu'un fournisseur modifie un prix, le prix de notre côté évolue le jour même plutôt qu'au prochain renouvellement de contrat. Le basculement automatique vous permet de placer un modèle non éprouvé sur une fraction du trafic avec un modèle éprouvé en dessous, ce qui est la manière honnête de déterminer si un exécuteur bon marché est suffisamment performant pour vos tests. Et le DSL de routage compose plusieurs modèles en un seul appel, afin qu'un modèle de relecture puisse vérifier le diff de l'exécuteur sur la même clé, dans le même chemin de requête, sans une seconde intégration.

Rien de tout cela ne change la structure de la passation. Cela change le coût de l’expérimentation avec la moitié que vous contrôlez : une clé, un point de terminaison et une chaîne de modèle que vous pouvez modifier sans toucher au pipeline.

Qui devrait exécuter ceci maintenant, et qui devrait attendre ?

Si vous payez déjà un abonnement ChatGPT au niveau Pro et que vous utilisez déjà Codex ou Claude Code, la passation vaut la peine d’être adoptée cette semaine, car les deux postes sont déjà séparés sur votre facture et le document de conception est l’élément le moins coûteux de la boucle. Commencez par une modification que vous comprenez suffisamment bien pour repérer un mauvais plan : demandez le document, lisez les fichiers cités, puis transmettez-le.

Si vous êtes sur Plus, modérez vos attentes. Astra vous parvient via Work et Codex, mais pas via Chat, donc la moitié « planification » de ce playbook ne vous est pas accessible sous la forme décrite — vous planifieriez et exécuteriez à partir du même pool, ce qui supprime l’argument économique et ne laisse que la discipline de rédiger d’abord le document. Cette discipline vaut quand même la peine d’être conservée. La remise, non.

Et si votre raison de vouloir cela est le chemin d’écriture dans Chat plutôt que la passation, attendez que la documentation d’OpenAI rattrape le fil de discussion du forum. Une capacité que les propres pages d’aide de l’éditeur contredisent est une capacité à garder sur un dépôt de travail jusqu’à ce que ces pages changent.

La même clé donne accès au reste du catalogue, et vous pouvez parcourir le catalogue complet des modèles pour voir ce qui d'autre se trouve derrière un point de terminaison compatible OpenAI.