OpenAI a décrit le 19 novembre 2026 la Performance Factory, un système autonome dans lequel des agents Codex repèrent, diagnostiquent et aident à corriger les régressions de performance de ChatGPT et de ses services. Le billet est signé Okay Zed et Cyrus Forbes, membres du personnel technique, et présente le système comme une réponse à un rythme de développement agentique qui rend intenable l'ingénierie de performance manuelle.
Le chiffre central est le volume. OpenAI indique que le premier flux de travail, le Regression Workflow, a suivi plus de 1 700 investigations et identifié la cause de plus de 600 cas en un peu plus de trois mois, soit selon les auteurs environ 17 investigations automatiques par jour. Le flux ouvre une tâche quand une alerte de performance se déclenche, un agent enquête sur le ralentissement et consigne ses constats, propose un correctif à relire par un ingénieur, puis, après le déploiement, un autre agent vérifie si la performance est revenue à son niveau de référence.
Le billet retrace le parcours de l'équipe. Les ingénieurs ont d'abord enquêté à la main et accumulé plus de 30 outils de performance. Ils ont ensuite utilisé Codex comme partenaire, consigné leur méthode dans une compétence partagée appelée perf-forensics, déplacé les investigations dans le cloud pour que les alertes lancent des sessions automatiquement, et enfin construit l'usine pour exécuter des flux de bout en bout. Le système comporte quatre éléments : un service de tâches avec des flux configurables, écrits en fichiers de configuration et en consignes Markdown, une boucle de distribution qui affecte le travail prêt aux agents, une API interne qui exécute Codex dans le cloud sous une identité de service aux droits limités, et des abonnements qui réveillent les agents lorsque surviennent des événements comme des commentaires de demande de fusion ou la fin d'un déploiement.
La fiabilité repose sur des contrôles croisés. Les premiers agents s'arrêtaient parfois à la première cause plausible ; OpenAI a donc ajouté une revue contradictoire où une autre session Codex tente de réfuter le diagnostic. Dans un exemple, un relecteur a rouvert une enquête parce que le service de localisation des fichiers avait déjà récupéré alors que les requêtes d'images échouaient encore. Lors d'une revue manuelle de 100 hypothèses de cause, 70 % ont été jugées exactes et 30 % demandaient davantage de travail. Corriger s'est révélé plus difficile que trouver la cause, car les changements proposés étaient parfois plus compliqués que nécessaire ou créaient de nouveaux problèmes ; les correctifs passent donc eux aussi en revue contradictoire et ce sont les ingénieurs qui décident de ce qui part en production.
OpenAI partage aussi des enseignements d'exploitation. Elle protège l'attention des ingénieurs en reliant les incidents voisins et en classant l'impact estimé, teste les compétences d'enquête sur des incidents passés avec des éléments limités à ce que l'agent aurait pu voir, note séparément l'utilité des synthèses, et fait tourner chaque jour un agent qui parcourt les exécutions récentes à la recherche de pannes d'outils et d'erreurs d'accès, afin que les problèmes récurrents deviennent des tâches de réparation.
Les prochaines étapes comprennent la détection proactive de ralentissements que les alertes manquent, des flux réutilisables comme le dimensionnement des services, des tests de performance synthétiques et l'étude de la possibilité que des agents relisent et livrent un jour des correctifs à faible risque sans humain. Pour l'instant, le goulet d'étranglement peut être un ingénieur qui valide la modification.
Tous les chiffres proviennent d'OpenAI et d'un système interne : ils montrent ce que l'entreprise a mesuré, et non un résultat audité de façon indépendante.