Contexte technique
J’ai examiné la version OpenAI Codex rust‑v0.145.0 et il y a vraiment de quoi s’intéresser : l’équipe n’a pas seulement peaufiné l’UX, elle a stabilisé le multi‑agent V2 en opt‑in. Pour ceux qui construisent de l’automatisation IA et des pipelines de développement, ce n’est plus cosmétique, mais un changement dans le modèle même d’exécution des tâches.
La principale nouveauté que je vois, c’est la possibilité d’attribuer un modèle et un niveau de raisonnement distincts aux sous‑agents. Concrètement, un agent parent peut assurer l’orchestration pendant que j’envoie les threads enfants vers différents profils : là où j’ai besoin d’un balayage économique de la base de code, ou d’un agent plus lourd pour une logique complexe.
C’est plus important qu’il n’y paraît. Auparavant, dans beaucoup de scénarios agentiques, le choix du modèle était trop « lié à la session » ; désormais, le routage se rapproche du niveau du thread et de la sous‑tâche.
Le deuxième point qui m’a immédiatement frappé, c’est la concurrence. Codex V2 normalise l’exécution parallèle de plusieurs agents sur un projet : l’un explore la structure du dépôt, un autre vérifie les dépendances, un troisième assemble un morceau de fonctionnalité. Ensuite, tout est consolidé en une seule réponse.
Autre élément de la release : le retour des rôles et l’amélioration de la navigation entre agents. D’expérience, ce n’est pas un détail — c’est ce qui rend un système multi‑agent au moins utilisable au quotidien. Quand on ne peut pas rapidement savoir qui fait quoi et se repérer dans la hiérarchie, toute la beauté de l’architecture agentique tourne vite au chaos.
Mais je ne vais pas l’idéaliser. Autour de V2, des questions d’observabilité se posent déjà : plus les sous‑agents ont d’autonomie, plus le besoin d’audit, de débogage et de contrôle des instructions entre agents devient critique.
Ce que cela change pour les entreprises et l’automatisation
Pour les équipes, je vois trois bénéfices. Un : il devient moins cher de construire une intégration IA mixte, où toutes les sous‑tâches ne passent pas par le profil de raisonnement le plus coûteux. Deux : les tâches volumineuses que l’on peut honnêtement paralléliser avancent plus vite. Trois : l’architecture se rapproche d’une véritable organisation d’ingénierie, avec un orchestrateur et des exécutants spécialisés.
Qui y perd ? Ceux qui espéraient que le multi‑agent résoudrait à lui seul le chaos dans les processus. Sans règles de routage, contraintes de bac à sable et observabilité claire, le système casse facilement en production.
Chez Nahornyi AI Lab, nous résolvons précisément ces problèmes en pratique : nous ne nous contentons pas d’activer un mode agent à la mode, nous construisons des solutions d’IA pour les entreprises de manière à ce qu’elles soient pilotables, auditables et ne brûlent pas le budget pour rien. Si vous avez un scénario où un seul assistant a déjà atteint ses limites, je peux travailler avec vous pour décomposer l’architecture et mettre en place une automatisation IA adaptée à votre processus réel, sans agents jouets juste pour cocher une case.