Sonnet 4.8, GPT-5.5 Cyber, Alpha et un Codex qui dévore mon workflow : ma semaine
J'ai failli laisser cette semaine me passer sous le nez.
J'avais une livraison client qui brûlait, deux repos en pleine migration et une routine Codex qui s'était légèrement emballée pendant la nuit. Alors quand mon Slack s'est allumé à 7h14 mercredi matin avec une capture d'écran d'une référence dans le code source d'Anthropic à "Sonnet 4.8" — la même semaine où l'UK AI Security Institute a publié une évaluation publique où GPT-5.5 a égalé ou surpassé Claude Mythos en cybersécurité offensive, la même semaine où un modèle furtif appelé "Alpha" a commencé à dominer les classements OpenRouter, et la même semaine où OpenAI a discrètement transformé Codex en quelque chose qui ressemble étrangement à une super app — j'ai failli faire la chose responsable et tout ignorer jusqu'au week-end.
Je ne l'ai pas fait. J'ai passé deux soirées à tester ce que je pouvais réellement avoir entre les mains, à lire la couverture des fuites et à décortiquer l'évaluation AISI ligne par ligne. Ce que j'ai trouvé est plus intéressant que ce que les gros titres suggèrent, et les gros titres étaient déjà bruyants.
Ceci est mon bilan hebdomadaire des sept jours où la feuille de route IA que je pensais comprendre a été silencieusement réécrite. Si vous avez lu mon analyse signal-versus-bruit d'avril 2026, c'est la suite naturelle. Le rapport signal-bruit cette semaine est bien plus élevé. Presque chaque développement de cette liste va affecter ma façon de travailler le mois prochain.
Quatre fils. Laissez-moi les parcourir dans l'ordre où ils ont réellement changé ma réflexion.
Fil 1 : La fuite de Sonnet 4.8 ne concerne pas vraiment Sonnet 4.8
Anthropic a eu un mars difficile. Deux incidents de sécurité séparés — un CMS interne accessible publiquement exposé le 26 mars, puis 512 000 lignes de code source TypeScript de Claude Code accidentellement publiées sur npm quelques jours plus tard — ont combiné pour donner au monde extérieur le regard le plus détaillé sur la feuille de route d'Anthropic que j'aie jamais vu, et probablement plus que ce que l'entreprise n'avait jamais eu l'intention de partager. Fortune a publié les deux histoires. La fuite npm a été particulièrement douloureuse car elle contenait des références à une famille de modèles qu'Anthropic n'avait pas encore formellement nommée.
Voici ce que les fuites ont réellement révélé, sur la base de ce qui a été corroboré par les reportages de Fortune, la couverture de Decoder et les analyses de suivi de chercheurs indépendants :
- Opus 4.7 — déjà livré mi-avril 2026, public, documenté
- Sonnet 4.8 — référencé dans le code, attendu pour mai 2026, améliorations en vision et suivi d'instructions impliquées
- Mythos — la famille de prochaine génération au-dessus de la division actuelle Opus/Sonnet, actuellement en aperçu restreint
- Capybara — un nom de tier fuité positionné au-dessus d'Opus, suggérant que l'arbre généalogique est sur le point de gagner un nouveau sommet
- Undercover Mode — un flag que je n'ai vu expliqué nulle part dans la documentation officielle
- 44 feature flags — le genre de détail que personne en dehors d'Anthropic n'était censé lire
L'interprétation des gros titres dans la plupart de la presse a été « Anthropic a accidentellement révélé que Sonnet 4.8 arrive en mai ». Cette partie est techniquement vraie. C'est aussi la partie la moins intéressante.
Ce qui me revient sans cesse, c'est la forme de la feuille de route. Il y a deux ans et demi, Anthropic livrait une famille de modèles avec une division petit/moyen/grand. La structure fuitée d'aujourd'hui montre au moins quatre tiers nommés en développement actif simultané : une ligne Sonnet cheval de bataille itérant sur une cadence d'environ six à huit semaines, une ligne Opus maintenue délibérément en avance, une ligne Mythos représentant ce qu'Anthropic lui-même a appelé un « changement de palier » en capacité, et un tier Capybara au-dessus d'Opus que personne dans la communauté des analystes n'a complètement élucidé.
Quand j'ai creusé la couverture de la fuite Mythos, ce qui m'a frappé, c'est à quel point Anthropic lui-même semble prendre au sérieux les implications cybersécuritaires de son propre modèle. Les documents fuités reconnaissent que Mythos pourrait « augmenter considérablement les risques de cybersécurité en trouvant et exploitant rapidement les vulnérabilités logicielles » — un langage qui ressemble moins à du marketing et plus à un dépôt réglementaire. Ce cadrage compte car il prépare le fil suivant de l'histoire de cette semaine.
Sonnet 4.8 sortira probablement sans surprise. Meilleure vision, meilleur suivi d'instructions, même tarification à 3 $/15 $ par million de tokens, les habituels gains incrémentaux dans les benchmarks de coding. Je le testerai le jour de sa sortie. Mais le modèle que personne en dehors des partenaires Project Glasswing ne teste — Mythos — est celui auquel je n'arrête pas de penser.
Il y a un traitement plus complet de la fuite dans mon post sur la fuite d'Anthropic Claude Mythos et une analyse plus longue spécifique à la cybersécurité dans impact cybersécurité de Claude Mythos. Je ne vais pas revenir dessus ici. Ce sur quoi je veux me concentrer, c'est ce qui s'est passé ensuite.
Car ce qui s'est passé ensuite, c'est qu'OpenAI a sorti un modèle qui a frappé Mythos au visage sur le seul benchmark public où les deux ont été mesurés.
Fil 2 : GPT-5.5 n'était pas censé être l'histoire de cybersécurité
L'UK AI Security Institute (AISI) est l'une des rares organisations sur la planète à mener de véritables évaluations de cybersécurité contre des modèles frontier avec une méthodologie publique et une profondeur technique crédible. Leur suite d'évaluation utilise 95 tâches capture-the-flag sur quatre niveaux de difficulté — facile, moyen, difficile et expert — couvrant le reverse engineering, le développement d'exploits pour divers bugs de sécurité mémoire, les attaques cryptographiques, le pivotement réseau et le déballage de malware obfusqué. Ce ne sont pas des problèmes jouets. Le niveau « expert » est calibré contre des tâches que les professionnels de la sécurité humains considèrent comme non triviales.
L'AISI a publié son évaluation de GPT-5.5 le 30 avril 2026. Le chiffre titre, celui que Decoder a repris, est que GPT-5.5 a atteint un taux de réussite de 71,4 % sur les tâches cyber offensives de niveau expert — le plaçant dans un match nul statistique avec Claude Mythos Preview, le modèle dont Anthropic s'inquiétait au point d'en restreindre l'accès via Project Glasswing.
J'ai lu le rapport AISI deux fois. Trois choses ont sauté aux yeux que la couverture des gros titres a passé sous silence.
Premièrement, le résultat « Last Ones » est la vraie histoire. Enfoui dans l'évaluation se trouve une simulation d'attaque réseau d'entreprise end-to-end en 32 étapes appelée « The Last Ones ». Un expert humain a besoin d'environ 20 heures pour la compléter. GPT-5.5 a complété la chaîne entière dans 2 tentatives sur 10. Mythos Preview l'a fait dans 3 sur 10. Les deux résultats sont individuellement alarmants. Lus ensemble, ils marquent que nous sommes entrés dans un régime où un modèle frontier peut exécuter de manière autonome des opérations offensives en plusieurs étapes qui nécessitaient auparavant des pentesters seniors.
Deuxièmement, les chiffres de coût et de latence sont la partie sous-estimée de l'évaluation. Quand GPT-5.5 réussit ces tâches, il réussit vite. Le coût d'exécution de Last Ones se mesure en dollars à un chiffre par tentative et en minutes de temps réel. La même chaîne réalisée par un expert humain coûte ce qu'un pentester senior gagne en 20 heures plus les frais de coordination. L'asymétrie économique est la partie qui devrait empêcher les CISO de dormir.
Troisièmement, l'AISI a trouvé un jailbreak universel. Le même rapport note que les red teamers de l'AISI ont identifié un seul prompt universel qui a provoqué du contenu en violation sur chaque requête cyber malveillante qu'OpenAI a fournie pour les tests. L'attaque a nécessité six heures de red teaming expert pour être développée. Six heures. Pour un jailbreak universel. Sur le modèle qui vient d'égaler Mythos en cyber offensif.
Cette dernière découverte est la raison pour laquelle l'annonce suivante a atterri différemment de ce que je pense que les gens ont traité.
GPT-5.5 Cyber et la question de la distribution
Le 30 avril, le même jour que la publication du rapport AISI, Sam Altman a annoncé GPT-5.5 Cyber — une variante spécialisée ajustée pour les workflows de sécurité, allant d'abord à un groupe vérifié de « défenseurs cyber critiques » via le nouveau programme Trusted Access for Cyber d'OpenAI. Les entités gouvernementales, les opérateurs d'infrastructures critiques, les fournisseurs de sécurité, les fournisseurs cloud et les institutions financières l'obtiennent en premier. Le déploiement plus large est échelonné.
Le cadrage qu'OpenAI a utilisé est fascinant. Deux semaines plus tôt, Altman avait publiquement critiqué l'approche Project Glasswing d'Anthropic pour Mythos comme trop restrictive. Maintenant OpenAI déployait Cyber via un programme de vérification. TechCrunch et The Register ont tous deux pointé l'incohérence. Je pense que l'incohérence est en fait la chose la plus honnête que les deux laboratoires aient faite en matière de cyber.
Voici ce que personne de chaque côté n'a voulu dire clairement : il n'existe pas de bonne politique de distribution pour un modèle frontier de cyber offensif. Restreignez-le et les acteurs malveillants y arrivent quand même via des modèles open source qui suivent six mois plus tard. Faites-en de l'open source et vous avez donné à chaque acteur de menace un multiplicateur de force. Vendez-le sous licence entreprise et vous avez créé un système de classes dans la sécurité défensive où les banques Fortune 100 ont accès à des outils de découverte de vulnérabilités que les services d'eau municipaux n'ont pas.
Voir Anthropic et OpenAI converger vers à peu près la même réponse restrictive malgré leur posture publique me dit que les deux entreprises ont fait les calculs et sont arrivées à la même conclusion. Cette conclusion est « nous ne savons pas vraiment quoi faire, alors nous commencerons étroit et élargirons prudemment ». Je pense que c'est la position honnête. Je pense aussi que les laboratoires open source vont la rendre non pertinente d'ici douze mois.
Pour mon propre travail, l'implication pratique est claire. Je n'aurai pas d'accès direct à Mythos ni à GPT-5.5 Cyber. La plupart des lecteurs de ce post non plus. Ce que nous aurons, c'est le sillage — les modèles de base publics Sonnet 4.8 et GPT-5.5 qui bénéficient des mêmes avancées d'entraînement, moins les ajustements fins de cyber offensif. Ce sont les modèles qui seront dans nos IDE et nos terminaux le trimestre prochain. Ils deviennent mesurablent meilleurs en raisonnement de code comme effet secondaire du travail cyber, et ça vaut la peine d'y prêter attention même si vous n'exécutez jamais un exploit de votre vie.
Pour un contexte plus approfondi sur ma réflexion sur le glissement progressif de capacité de coding agentique, ma comparaison GPT-5.5 vs Opus 4.7 couvre le côté modèle contre modèle, et ma pièce précédente sur l'autonomie de Mythos et DeepSeek V4 aborde la question open source.
Fil 3 : Alpha est le modèle mystère le plus intéressant qu'OpenRouter ait jamais hébergé
OpenRouter lance des modèles furtifs à cadence régulière depuis plus d'un an. Quasar Alpha a été le premier que j'ai remarqué. Optimus Alpha est venu ensuite. Pony Alpha a explosé les classements en février 2026, traitant plus de 40 milliards de tokens dès son premier jour avant que Zhipu AI ne confirme discrètement qu'il s'agissait de leur système GLM-5. J'ai écrit sur tout cet arc dans GLM-5 Pony Alpha testé, et le schéma a été constant : un laboratoire chinois utilise OpenRouter comme test de charge public discret avant d'annoncer formellement le modèle sous son vrai nom.
Cette semaine, une nouvelle fiche furtive est apparue sur OpenRouter simplement étiquetée « Alpha » — distincte des précédents lancements à noms d'animaux. La description des capacités sur la fiche se lit comme une liste de souhaits : modèle de base haute performance, charges de travail agentiques solides, précision du tool-calling, contexte long, génération de code, workflows automatisés, compatibilité avec Claude Code et OpenCode et des outils de productivité similaires.
Je lui ai consacré trois heures mercredi soir. Voici ce que j'ai observé.
Le modèle est rapide. La latence du tool-calling est plus proche de GPT-5.5-mini que d'Opus 4.7 sur les mêmes workflows. La qualité de génération de code se situe dans les parages de Sonnet 4.6 — clairement derrière Opus 4.7 sur le raisonnement difficile, mais bien devant les baselines open source de l'année dernière. La compréhension du contexte long semble réelle mais je ne l'ai pas poussée au-delà de 400K tokens, donc je ne peux pas vérifier l'affirmation de 1M de contexte avec confiance. Les workflows agentiques ont tenu sur une tâche de recherche-et-résumé en quatre étapes où certains modèles plus petits décrochent à mi-chemin.
Ce que je ne peux pas vous dire, c'est qui l'a construit. La liste des candidats, basée sur le schéma établi et sur l'analyse de style de réponse que les gens font sur OpenRouter, comprend :
- DeepSeek V4 — longtemps rumoré, expliquerait le focus sur les outils agentiques
- La prochaine itération de Zhipu AI au-dessus de GLM-5 — si Pony Alpha était GLM-5, ceci pourrait être GLM-6
- MiniMax M2.x — MiniMax est en pleine forme et la convention de nommage correspond
- Mise à jour Qwen 3.x — l'équipe Qwen d'Alibaba a été silencieuse, peut-être trop silencieuse
- Un laboratoire occidental — moins probable vu le schéma furtif d'OpenRouter, mais pas impossible
Mon instinct dit laboratoire chinois de poids ouverts, probablement Zhipu ou MiniMax, probablement une réponse au positionnement de DeepSeek ou au lancement de GPT-5.5. La raison pour laquelle je pense que ça compte n'est pas le modèle lui-même mais la cadence. Les laboratoires alignés open source livrent maintenant des capacités proches de la frontière environ quatre à six mois derrière les laboratoires fermés. La compression est réelle. La question de distribution Mythos-vs-Cyber que j'ai cadrée plus haut est résolue par cette tendance, pas par des débats politiques. D'ici un an, la capacité de cyber offensif actuellement restreinte aux partenaires Project Glasswing et aux entreprises approuvées TAC tournera sur le laptop de quelqu'un via un téléchargement Hugging Face.
Si vous voulez tester Alpha vous-même, il est toujours listé au moment où j'écris et gratuit à interroger. Je n'y mettrais pas de trafic de production — les fiches furtives disparaissent sans préavis et la provenance n'est pas vérifiée — mais pour la calibration de capacité, ça vaut les trente minutes.
Fil 4 : Codex est discrètement devenu une super app, et je pense qu'OpenAI a gagné le trimestre
J'utilise OpenAI Codex au quotidien aux côtés de Claude Code depuis des mois. Mon test pratique honnête est dans openai-codex-super-app-tested. La mise à jour d'avril comptait. Celle de mai est plus importante.
Voici ce qui a changé, basé sur l'annonce d'OpenAI et la couverture qui a suivi :
- Computer Use a été livré sur macOS. Codex a maintenant son propre curseur. Il clique, tape, lit l'écran et opère des fenêtres en arrière-plan pendant que vous continuez à travailler.
- La marketplace de plugins a dépassé 90 intégrations. Gmail, Google Drive, Docs, Sheets, Slack, Notion, la suite complète Microsoft 365 (Outlook, Excel, Word, PowerPoint, Teams, SharePoint), Atlassian Rovo, Jira, Confluence, GitLab, GitHub, Linear, CircleCI, CodeRabbit, Figma, Render, Neon, Salesforce, HubSpot, Zendesk. La liste se lit comme chaque outil B2B auquel vous vous êtes inscrit. The Decoder a un bon résumé.
- Le système de mémoire Chronicle est activé par défaut. Codex se souvient maintenant du contexte sur plusieurs jours. L'agent qui a commencé à revoir une PR mardi reprend le même fil jeudi sans ré-expliquer la base de code.
- Les automatisations sur plusieurs jours sont de première classe. Les tâches récurrentes — rapprochement financier mensuel, briefings de projet hebdomadaires, revues de pipeline — sont planifiées et s'exécutent de manière autonome.
- Assistants de configuration basés sur les rôles pour la finance, le marketing, les opérations, le juridique, les RH et l'ingénierie, chacun avec des intégrations d'outils préconfigurées et des modèles de prompts.
Les assistants de configuration basés sur les rôles sont la partie dont personne ne parle correctement. OpenAI positionnait Codex comme un outil de développeur. La mise à jour d'avril à mai l'a explicitement repositionné comme un outil de travailleur du savoir avec des fonctionnalités de développeur encore attachées. Ce repositionnement se voit dans le texte marketing (« Codex for almost everything »), dans les assistants de rôles et surtout dans la couverture d'intégrations — Excel, PowerPoint et Outlook ne sont pas des intégrations de développeur.
La lecture concurrentielle est intéressante. Codex est maintenant positionné face à face contre :
- Claude Code avec Routines et Computer Use — la pile équivalente d'Anthropic, actuellement plus polie sur les workflows de coding mais moins large en intégrations
- Microsoft 365 Copilot — qui a le fossé d'intégration mais un noyau de raisonnement plus faible
- Google Workspace Gemini — fort sur Google Workspace, faible partout ailleurs
- Des agents enterprise personnalisés construits sur Workspace Agents, le framework enterprise d'OpenAI
J'utilise à la fois Codex et Claude Code en parallèle depuis plus d'un an. Mon avis honnête, après cette mise à jour : Codex a dépassé Claude Code en largeur, tandis que Claude Code est encore devant en finition du workflow de coding pur. Si vous ne pouvez en avoir qu'un, choisissez selon que vous avez besoin de profondeur ou de largeur. Si vous pouvez utiliser les deux — et c'est mon cas — vous devriez. Mon post workflow à deux agents Codex plus Claude Code explique comment je répartis le travail entre eux.
La mise à jour que je remarque le plus en pratique est spécifiquement le plugin Slack. Codex extrait le contexte des canaux, rédige des réponses, résume les longs fils et peut modérer des canaux. Cette dernière capacité est un indice. OpenAI ne construit plus un assistant de codage. Ils construisent un agent d'opérations qui écrit du code quand c'est nécessaire.
Pour une couverture plus large de l'angle super app, mon test de workflow Codex AI super app GPT-5.5 approfondit le schéma d'automatisation sur plusieurs jours et comment je l'ai utilisé pour le travail client.
Comment ces quatre fils se connectent (et pourquoi ça compte pour votre workflow)
Lus ensemble, les nouvelles de cette semaine forment une histoire, pas quatre.
La fuite de Sonnet 4.8 montre que la feuille de route d'Anthropic accélère à travers quatre couches de modèles simultanément. Les benchmarks de cybersécurité de GPT-5.5 montrent que la capacité frontier déborde du coding vers le cyber offensif comme effet secondaire d'un meilleur raisonnement et d'une meilleure utilisation des outils. Le modèle mystère Alpha sur OpenRouter montre que les laboratoires alignés open source compriment l'écart à moins de six mois. La mise à jour super app de Codex montre que les laboratoires fermés courent pour verrouiller la distribution avant que les laboratoires ouverts ne rattrapent.
La lecture structurelle : les laboratoires fermés sprintent simultanément en capacité et en distribution, sachant que les laboratoires ouverts vont commoditiser la couche de capacité d'ici un an. Leur pari est que la distribution — les fossés d'intégration avec Slack, Microsoft, Google, les workflows basés sur les rôles, la mémoire sur plusieurs jours — est ce qui ne sera pas commoditisé.
Si vous construisez des logiciels pour vivre, ce pari a des conséquences directes sur comment vous devriez passer les quatre-vingt-dix prochains jours. J'en vois quatre :
Un : arrêtez d'optimiser vos prompts et commencez à optimiser vos intégrations d'outils. Le modèle va s'améliorer. Votre compétence en prompt engineering composera moins que votre compétence à câbler des outils, des MCPs et des intégrations ensemble. Je consacre maintenant deux pour un à la plomberie d'intégration par rapport au design de prompts. Il y a six mois, ce ratio était inversé.
Deux : partez du principe que votre IDE et votre agenda de travail seront une seule surface d'ici la fin de l'année. Codex Computer Use plus mémoire Chronicle plus agents basés sur les rôles plus 90+ plugins est le prototype. Anthropic a la même pile dans un emballage légèrement différent. La surface de travail-et-code unifiée n'est plus une prédiction pour 2027. Elle est en cours de livraison.
Trois : prenez au sérieux le débordement de capacité en cybersécurité. Si vous livrez du code et que vous n'avez pas d'étape de revue de sécurité dans votre pipeline d'agents, c'est le trimestre pour en ajouter une. Les mêmes modèles qui amélioreront votre productivité de développement améliorent la productivité des attaquants au même rythme. J'ai ajouté un sous-agent de revue de sécurité à mon propre pipeline il y a deux semaines. Il se rentabilise déjà.
Quatre : testez au moins un modèle furtif par mois. Alpha ne sera pas le dernier. La cadence sur OpenRouter est maintenant mensuelle. Passer trente minutes par mois à tester ce qui est sur la plateforme maintient votre calibration de capacité honnête, et c'est l'assurance la moins chère possible contre être pris au dépourvu par un modèle open source qui égale soudainement la frontière fermée.
La semaine que j'ai failli ignorer s'est avérée être l'une des semaines les plus importantes de l'année jusqu'ici. La fuite de Sonnet 4.8 a réécrit mon modèle mental de la feuille de route d'Anthropic. L'évaluation AISI a réécrit mon modèle mental de notre proximité avec le cyber offensif autonome. Alpha a réécrit mon modèle mental de l'écart open source. La mise à jour Codex a réécrit mon modèle mental de ce qu'un outil de coding IA est même en 2026.
Quatre réécritures. Une semaine. Si vous utilisez encore la même pile d'outils et le même workflow qu'en février, vous utilisez une architecture qui est maintenant manifestement obsolète. Je testerai Sonnet 4.8 le jour de sa sortie, j'utiliserai Cyber le jour où je me qualifierai pour l'accès TAC (ce ne sera pas le cas), et je passerai Alpha dans mon benchmark de workflow complet ce week-end.
Ce que je ferais ce soir si j'étais vous : ouvrez le rapport AISI, lisez la section Last Ones, et posez-vous une question. Si un modèle frontier peut exécuter de manière autonome une chaîne offensive de 32 étapes en 11 minutes pour moins de deux dollars, à quoi ressemble votre infrastructure pour lui ?
C'est la question que je n'ai pas pu poser toute la semaine. Je doute que vous le puissiez non plus.
Foire aux Questions
Quand sort Claude Sonnet 4.8 ?
Sonnet 4.8 est attendu pour mai 2026 sur la base de références trouvées dans le code source fuité de Claude Code. Anthropic n'a pas confirmé de date exacte publiquement. La tarification devrait rester à 3 $ par million de tokens d'entrée et 15 $ par million de tokens de sortie, correspondant à Sonnet 4.6.
GPT-5.5 est-il meilleur que Claude Mythos en cybersécurité ?
Selon l'évaluation de l'UK AI Security Institute du 30 avril 2026, GPT-5.5 a atteint un taux de réussite de 71,4 % sur les tâches cyber offensives de niveau expert — statistiquement à égalité avec Claude Mythos Preview. GPT-5.5 a également complété la chaîne d'attaque « Last Ones » de 32 étapes dans 2 tentatives sur 10 contre 3 sur 10 pour Mythos. L'écart se situe dans la marge d'erreur statistique.
Qu'est-ce que le modèle Alpha sur OpenRouter ?
Alpha est un modèle de base furtif sans nom listé sur OpenRouter début mai 2026, revendiquant de fortes performances sur les charges de travail agentiques, la génération de code et le contexte long. Son origine n'a pas été confirmée, bien que la spéculation de la communauté pointe vers un laboratoire chinois de poids ouverts comme Zhipu, MiniMax ou DeepSeek sur la base du schéma précédent de lancements furtifs d'OpenRouter.
Qu'est-ce que GPT-5.5 Cyber et qui peut y accéder ?
GPT-5.5 Cyber est une variante spécialisée de GPT-5.5 ajustée pour les workflows de cybersécurité incluant les tests de pénétration, l'identification de vulnérabilités et le reverse engineering de malware. OpenAI le déploie d'abord auprès de « défenseurs cyber critiques » vérifiés via son programme Trusted Access for Cyber, en donnant la priorité aux entités gouvernementales, aux opérateurs d'infrastructures critiques, aux fournisseurs de sécurité et aux grandes institutions financières et cloud.
OpenAI Codex peut-il remplacer Claude Code maintenant ?
La mise à jour d'avril-mai 2026 de Codex a ajouté Computer Use sur macOS, plus de 90 intégrations de plugins, la mémoire Chronicle sur plusieurs jours et des assistants basés sur les rôles — dépassant Claude Code en largeur. Claude Code reste plus fort en finition du workflow de coding pur. La plupart des utilisateurs sérieux utilisent les deux en parallèle plutôt que d'en choisir un. Voir la section sur Codex ci-dessus pour ma comparaison détaillée.
Travaillons Ensemble
Vous cherchez à construire des systèmes IA, automatiser des workflows ou faire évoluer votre infrastructure technique ? Je serais ravi de vous aider.
- Fiverr (builds sur mesure et intégrations) : fiverr.com/s/EgxYmWD
- Portfolio : mejba.me
- Ramlit Limited (solutions enterprise) : ramlit.com
- ColorPark (design et branding) : colorpark.io
- xCyberSecurity (services de sécurité) : xcybersecurity.io
