155 $ vs 15 $ : un mois avec Codex, il a remplacé mon Claude Code

Je dépense 600 $ par mois en outils de programmation IA. Deux abonnements Claude Code (CC) à 400 $, et un Codex Pro à 200 $. Depuis le mois dernier, ces 200 $ font plus de travail que les 400 $.

Pour une même tâche d'automatisation, CC a utilisé 155 $ de quota, tandis que Codex n'en a utilisé que 15 $. En lançant 7 instances de Codex en parallèle, j'ai réalisé en 25 minutes un travail qui aurait pris deux à trois jours. Après un mois de test : à l'exception du scraping web et du reverse engineering, Codex remplace totalement CC.

Je garde encore CC surtout par habitude—je l'utilise depuis plus d'un an, tout mon workflow est construit dessus, et le coût de migration n'est pas négligeable. Mais pour les tâches de pur codage, Codex est plus rapide, moins cher et meilleur. Cet article détaille tous les pièges que j'ai rencontrés et les workflows que j'ai développés au fil du mois.

Qu'est-ce que Codex exactement ?

Un outil de programmation créé par OpenAI qui concurrence directement Claude Code. Il fonctionne aussi dans le terminal, peut lire votre code, modifier des fichiers et exécuter des commandes—ses capacités de base sont les mêmes que celles de CC.

Mais il y a quelques différences :

Open Source. Le code est entièrement public, avec 75 000 étoiles sur GitHub. CC n'est pas open source. L'open source signifie que la communauté est très active ; il existe plus de 50 compétences prêtes à l'emploi, créées par d'autres, que vous pouvez installer directement.

Barrières de sécurité. Les barrières de sécurité de Codex sont incroyablement strictes—un véritable « parangon de moralité ». Il refuse catégoriquement d'aider pour divers tâches de scraping ou de reverse engineering, avec des vérifications de sécurité côté cloud. Actuellement, les communautés de contournement comme linux.do et la communauté Tavern ne peuvent rien faire contre GPT. Claude Code est relativement plus « permissif » et vous aidera à faire des « mauvaises choses » 😈.

GPT-5.5. Le 24 avril, le modèle par défaut de Codex est passé à GPT-5.5, ce qui est une grosse affaire. Il est très rapide ; il se lance quelques secondes après avoir envoyé une commande, atteignant environ 90 tokens par seconde même sans mode accélération. Le sentiment le plus évident est : il parle enfin comme un humain. Auparavant, les commentaires de code de la série GPT avaient toujours une « saveur IA », mais la sortie de 5.5 est beaucoup plus naturelle.

Qui est le plus fort ?

D'abord, le ressenti : pour le codage quotidien et les tâches d'automatisation, Codex est nettement plus rapide que CC et fait économiser de l'argent—une même tâche coûte 15 $ sur Codex contre 155 $ sur CC. La raison est que GPT-5.5 utilise beaucoup moins de ressources par tâche que Claude ; il accomplit la même chose avec moins de « réflexion ».

Cependant, CC a ses points forts. Pour les refontes complexes qui nécessitent de modifier une douzaine de fichiers simultanément et de comprendre l'architecture complète du projet, la compréhension de CC est encore plus profonde. Dans des tests en aveugle où les gens ne pouvaient pas dire qui avait écrit le code, le taux de victoire de la qualité du code de CC était de 67 %. De plus, les barrières de sécurité de CC sont plus faibles, ce qui rend le reverse engineering et le scraping très faciles.

Honnêtement, cet écart n'a pas vraiment d'importance dans l'utilisation réelle. Plus tard, je présenterai un outil appelé Superpowers ; une fois installé, la stabilité de la qualité du code de Codex s'améliore considérablement, comblant pratiquement l'écart.

Comment installer

J'ai écrit les détails de l'installation dans le précédent article d'introduction à CC, mais ce n'est pas grave si vous ne l'avez pas vu. Envoyez simplement « Je suis sur Mac/Windows, aide-moi à installer Codex CLI » à n'importe quelle IA (y compris mais sans s'y limiter Claude, ChatGPT, DeepSeek, Doubao, Gemini, etc.), et elle vous guidera étape par étape. Si vous rencontrez une erreur, envoyez une capture d'écran, et elle pourra vous aider à la résoudre.

Codex est encore plus simple que CC : après l'installation, tapez codex dans le terminal et connectez-vous avec votre compte ChatGPT. Pas besoin de configurer des clés ou des variables d'environnement ; connectez-vous et utilisez.

Combien ça coûte ?

Codex n'est pas facturé séparément ; il est inclus dans l'abonnement ChatGPT. Le forfait Plus à 20 $ fonctionne.

Cependant, pour être honnête, le quota Plus se consume très rapidement ; une utilisation intensive peut l'épuiser en une journée. Le forfait Pro à 200 $ offre 5 fois plus d'utilisation, et pendant la période promotionnelle en cours, il est multiplié par 10 jusqu'au 1er juin.

Mes dépenses personnelles : deux abonnements CC (400 $) + un Codex Pro (200 $) = 600 $ par mois. Les 200 $ de Codex font en réalité beaucoup plus de travail que les 200 $ de CC, car il consomme 3 à 4 fois moins de ressources pour la même tâche.

Un autre point clé est les proxys API (stations intermédiaires). Les prix des proxys Codex sont souvent à 10 % du prix officiel. Dans mes tests, certaines stations proposent même des crédits à quelques centimes par dollar. Pendant le Nouvel An lunaire, j'ai même acheté un forfait mensuel à 79 RMB qui permettait des centaines de dollars d'utilisation par jour, mais ce n'est plus disponible maintenant. De plus, les proxys Codex sont beaucoup plus stables que ceux de Claude Code ; OpenAI ne « bugge » pas aussi souvent qu'Anthropic.

Cependant, un autre point concernant les proxys est qu'ils sont semi-souterrains. Le problème avec les industries souterraines est que vous devez les tester vous-même avec de l'argent réel pour trouver des fournisseurs fiables. Je n'ai actuellement aucune station proxy que je puisse recommander sur mon honneur ; j'ai vu plusieurs stations fermer et j'ai même été victime d'escroqueries à hauteur de mille ou deux mille RMB. J'espère que chacun testera par lui-même.

Premières choses à faire après l'installation

1. AGENTS.md

CC a CLAUDE.md ; Codex a AGENTS.md. Ils remplissent la même fonction—placez-le à la racine du projet pour indiquer à l'IA les règles du projet.

Bonne nouvelle : si vous avez déjà un projet CC, Codex lira aussi CLAUDE.md et fonctionnera immédiatement.

Mais il y a une découverte contre-intuitive : écrire trop est en fait mauvais. Les recherches montrent que les fichiers AGENTS.md générés automatiquement diminuent en réalité les taux de réussite des tâches. En effet, Codex peut lire le code lui-même ; si vous le bourrez de trop d'instructions, il se distrait.

La bonne méthode : n'écrivez que ce qu'il ne peut pas découvrir par lui-même. Les commandes de construction, les fichiers à ne pas toucher, les formats de messages de commit. C'est tout—pas plus d'une page.

1. Permissions : ne pas utiliser les valeurs par défaut

Par défaut, Codex demande confirmation pour chaque opération, ce qui est agaçant. La plupart des développeurs utilisent maintenant le mode automatique—le laisser faire sans avoir à appuyer sans cesse sur Entrée.

Configurez-le une fois dans ~/.codex/config.toml :

approval_policy = "never"

sandbox_mode = "workspace-write"

Ainsi, Codex peut librement modifier des fichiers et exécuter des commandes dans le répertoire du projet sans demander.

Mais la condition préalable est d'avoir Git comme filet de sécurité. C'est exactement ce que j'ai dit dans l'introduction à CC :

Le code doit être sur Git et poussé vers le cloud. GitHub, GitLab, peu importe. Avec le mode automatique activé, Codex devient plus agressif ; je l'ai vu casser des fichiers de configuration ou supprimer des choses qu'il ne devrait pas. Avec Git, vous pouvez annuler ; sans, vous devez tout réécrire.

Les bases de données ne peuvent pas être versionnées avec Git ; elles doivent être sauvegardées séparément. Ma pratique est de sauvegarder les fichiers de données critiques toutes les quatre heures vers le cloud. L'IA écrit parfois des scripts qui écrasent des données—une fois, elle a écrit un nouveau script de traitement qui a directement écrasé la sortie d'un ancien script en cours d'exécution, et les données ont disparu. Depuis, je fais toujours une sauvegarde .bak avant les opérations sur les fichiers de données.

Résumé : Code sur Git + push vers le cloud, sauvegardes planifiées des bases de données, et .bak avant les opérations sur les données. Ces trois conditions sont les prérequis pour le mode automatique, pas des options.

Comment attribuer des tâches

1. Laissez-le proposer un plan avant d'agir

Pour les tâches complexes, ne le laissez pas commencer à modifier le code tout de suite. Appuyez sur Shift+Tab pour entrer en mode planification, laissez-le examiner le projet et proposer un plan, et ne le laissez commencer qu'après votre validation. C'est la même logique que CC—plus la tâche est grande, plus vous devez d'abord y réfléchir.

1. Soyez clair sur quatre points dans les instructions

Vous n'avez pas besoin d'écrire beaucoup, mais clarifiez ces quatre points : résultat souhaité, fichier de référence, ce qui ne doit pas être touché, et ce qui compte comme terminé.

Exemple : « Ajoute une limitation de débit au module utilisateur. Réfère-toi à l'implémentation du fichier auth. Ne modifie pas les tests existants. C'est terminé quand tous les tests réussissent. »

1. Commandes utiles

Vous remarquerez que la qualité des réponses de Codex diminue après un certain temps. Tapez /compact pour compresser sa mémoire ou /clear pour repartir de zéro. Il y a aussi une fonctionnalité que CC n'a pas : /fork. Quand vous ne savez pas quelle voie prendre, fork une pour essayer une alternative sans affecter la progression actuelle.

Outils et compétences utiles

1. Astuce économique : mode caveman

Une commande peut économiser 65 % de la consommation de quota :

export CODEX_RESPONSE_STYLE=caveman

Une fois activé, Codex arrête de dire des bêtises—pas d'explications, pas de politesses, juste du travail. J'ai maintenant toutes mes instances Codex configurées ainsi par défaut.

1. Superpowers : stabilisateur de qualité

Je le recommande vivement. En bref, c'est un ensemble de règles qui force Codex à travailler selon un processus : réfléchir à ce qu'il faut faire, rédiger des critères d'acceptation, écrire le code, et enfin vérifier.

Quand il tourne « à nu », Codex a tendance à se jeter directement dans le code et à perdre le fil. Avec Superpowers, il est retenu par le processus ; chaque étape a un point de contrôle qui ne peut être sauté. Le résultat est une qualité beaucoup plus stable pour les tâches complexes.

L'installation est simple : téléchargez depuis GitHub et placez-le dans le répertoire des compétences. Ce n'est pas spécifique à un outil—CC, Cursor et Gemini peuvent tous l'utiliser car c'est essentiellement un document.

1. Surveillance de l'utilisation

pip install ccusage. Une fois installé, vous pouvez voir combien de quota vous brûlez quotidiennement. Sans cela, vous n'avez aucune idée de combien vous dépensez. Une fois, une tâche s'est bloquée dans une boucle et a brûlé des dizaines de milliers de tokens en quelques minutes ; je ne m'en suis rendu compte que grâce au moniteur.

Mon vrai workflow

Petites tâches : ouvrir Codex directement

Corriger des bugs, ajuster le formatage, ajouter des tests—ouvrez simplement un codex dans le terminal. Plus l'instruction est simple, meilleure est la performance : « Corrige le pointeur nul dans ce fichier » ou « Ajoute un test pour cette fonction ».

Grandes tâches : diviser en plusieurs chemins parallèles

C'est la façon la plus puissante de jouer. Divisez une grande tâche en plusieurs morceaux, attribuez un Codex à chacun, et exécutez-les simultanément. La bonne méthode est de créer une copie de projet indépendante pour chaque Codex afin qu'ils n'entrent pas en conflit.

Données réelles : 7 instances Codex travaillant ensemble ont terminé en 25 minutes. Une seule personne travaillant en séquentiel prendrait prudemment deux à trois jours.

La seule règle d'or : un fichier ne peut être attribué qu'à un seul Codex. Deux instances Codex modifiant le même fichier simultanément causeront inévitablement des problèmes, sans exception.

Pièges

1. Divagations après un certain temps

Chaque session Codex a une limite de capacité. Quand elle est pleine, elle ne génère pas d'erreur ; elle commence à écrire du code peu fiable. C'est pire qu'une erreur—au moins avec une erreur, vous savez que quelque chose ne va pas. Quand la qualité baisse silencieusement, vous avez peut-être déjà construit plusieurs couches sur son mauvais code.

Ma règle : si ça commence à sentir le roussi, lancez-en une nouvelle. N'essayez pas de prolonger sa vie. Mieux vaut fournir à nouveau le contexte que de lutter dans une session fatiguée.

1. N'installez pas trop d'extensions

Codex supporte les outils externes, mais chaque outil consomme des ressources supplémentaires. J'ai vu quelqu'un connecter une boîte à outils GitHub avec 93 fonctions, brûlant plus de 50 000 tokens supplémentaires par tour de dialogue. Ne gardez que ce dont vous avez vraiment besoin et supprimez le reste.

Véritables impressions

Codex est maintenant un remplacement complet de CC. Je ne garde CC que par habitude et pour les besoins de scraping ; tout le reste est sur Codex.

La puissance de calcul IA qu'un individu peut déployer augmente rapidement. L'année dernière, c'était un CC qui travaillait ; cette année, c'est un CC plus sept ou huit instances Codex en parallèle. Si vous utilisez CC et que vous sentez que ce n'est pas suffisant—ajoutez un Codex, et vous comprendrez ce que je dis.