OpenAI a présenté le 19 novembre 2026 Performance Factory, un système interne où des agents Codex enquêtent sur les régressions de performance de ChatGPT, proposent des correctifs et vérifient le rétablissement après leur déploiement. Un ingénieur décide si le changement est intégré. OpenAI décrit ce fonctionnement dans son compte rendu technique.

Performance Factory sert aux équipes d’ingénierie d’OpenAI : ce n’est pas une fonction que les utilisateurs peuvent activer dans ChatGPT. Une régression de performance est une dégradation apparue après un changement. NeoTeo avait déjà décrit le rôle de Codex lors d’incidents chez OpenAI ; Performance Factory concerne plus précisément l’enquête sur les ralentissements de ChatGPT.

Comment Codex enquête-t-il sur une régression ?

Le flux, nommé Regression Workflow, démarre lorsqu’une alerte de performance configurée se déclenche. Elle ouvre une tâche suivie par le système. Codex s’appuie sur la compétence perf-forensics pour examiner quand le ralentissement a commencé, quelles requêtes sont touchées et si un déploiement ou un changement de configuration peut l’expliquer.

Dans l’environnement interne décrit par OpenAI, les agents peuvent consulter des dépôts de code et des outils d’observabilité : mesures, journaux, traces, profils processeur et instantanés mémoire. Des identités de service leur accordent des permissions limitées. Le système répartit les tâches, lance l’exécution de Codex dans le cloud et peut reprendre un travail en attente après des événements comme un commentaire sur une demande de fusion ou un déploiement.

L’enquête ne s’arrête pas à la première explication proposée. Une session Codex distincte, avec un contexte neuf, vérifie les éléments à l’appui du diagnostic et cherche d’autres causes possibles. Une fois une piste étayée, les agents peuvent proposer un correctif et soumettre aussi ce changement à une revue contradictoire.

Un diagnostic automatique devient une piste de travail ; un ingénieur décide si le correctif rejoint le code.

Qui décide si un correctif est intégré ?

Un ingénieur examine la modification proposée et décide de la fusionner ou non. Après son déploiement, un agent vérifie si les performances sont revenues à leur niveau de référence. Si le problème persiste ou ne s’est corrigé qu’en partie, le cas peut repartir en enquête.

OpenAI estime que Codex convient mieux aux causes clairement circonscrites et aux changements limités qu’aux transformations architecturales. Une correction complexe peut créer de nouveaux problèmes : une mise en cache, par exemple, risque de servir des données périmées.

OpenAI explore la détection proactive des problèmes, des tests synthétiques de performance et la possibilité de déployer un jour certains correctifs à faible risque sans validation humaine. Ces pistes ne font pas partie du processus général décrit par l’entreprise, dans lequel les ingénieurs gardent la décision de fusion.

Que mesurent les chiffres communiqués par OpenAI ?

OpenAI attribue les volumes suivants au Regression Workflow pendant un peu plus de trois mois. L’entreprise indique également avoir évalué manuellement un échantillon de suggestions de causes premières :

MesureValeur rapportéePérimètre
Enquêtes suiviesPlus de 1 700Un peu plus de trois mois
Cas avec cause identifiéePlus de 600Même période rapportée
Enquêtes automatisées par jour17 en moyenneMoyenne indiquée par OpenAI
Suggestions de causes premières examinées100Évaluation manuelle par OpenAI
Suggestions jugées exactes70 %Les 30 % restantes nécessitaient des ajustements ou n’établissaient pas pleinement la causalité

Ces chiffres décrivent l’activité d’enquête et l’évaluation interne des suggestions par OpenAI. Ils ne constituent pas une mesure de la vitesse de ChatGPT perçue par ses utilisateurs.