Contexte technique
Je me surprends aussi de plus en plus souvent à ne pas activer de mode de planification distinct. Avec le duo GPT-5.5 et Codex, le modèle maintient vraiment mieux le rythme de la tâche : il élabore d'abord le travail, puis passe à la mise en œuvre sans que j'aie à le pousser constamment. Pour l'implémentation pratique de l'IA, c'est un changement très appréciable.
Mais je vais tout de suite mettre un frein : les documents officiels d'OpenAI ne promettent pas explicitement que le modèle remplace de manière fiable un planificateur dédié. La documentation suggère autre chose : GPT-5.5 est plus performant dans les flux de travail agentiques (agentic workflows), prend en charge reasoning.effort, fonctionne via l'API Responses et utilise mieux les outils. Ce n'est pas la même chose qu'une commutation automatique garantie entre les phases 'plan' et 'act'.
J'ai fouillé dans les guides disponibles et le tableau est le suivant. GPT-5.5-Codex est effectivement devenu plus sûr de lui dans les longues tâches d'ingénierie, restant moins bloqué sur « voici mon plan » et passant plus souvent à l'action. Cependant, si vous avez besoin d'un pipeline de production prévisible, le framework qui l'entoure reste crucial : modes, politiques d'outils (tool policies), limites sur les réponses inactives, et parfois une couche explicite 'strict-agentic'.
Donc, je comprends parfaitement le sentiment des utilisateurs que « le planificateur n'est plus nécessaire ». Du point de vue de l'UX, c'est vrai : la friction a diminué. Mais du point de vue de l'architecture de l'IA, je le formulerais plus prudemment : ce n'est pas l'abandon de l'approche du planificateur, mais une augmentation de la capacité de base du modèle à gérer lui-même son cycle de travail.
Impact sur l'entreprise et l'automatisation
La première conséquence est simple : moins de microgestion manuelle dans le développement. Alors qu'auparavant il fallait extraire un plan de l'agent, puis le pousser à l'exécution, une partie de cette mécanique peut maintenant être supprimée, accélérant l'intégration de l'IA dans les produits.
Deuxièmement, ce n'est pas l'inférence elle-même qui devient moins chère, mais l'orchestration qui l'entoure. Moins d'étapes de service, moins de messages superflus, des scénarios d'automatisation par l'IA plus simples là où la tâche ne nécessite pas un audit strict de chaque étape.
Mais ceux qui abandonneront le contrôle trop tôt seront perdants. Dans les processus sensibles, où la vérifiabilité, les approbations (approvals) et la traçabilité des actions sont importantes, une phase de planification distincte reste utile.
Je verrais les choses ainsi : pour les tâches de développement internes et les agents rapides, on peut simplifier le flux en toute confiance. Pour les systèmes en production avec un risque d'erreur, il vaut mieux tester sur ses propres scénarios plutôt que de croire à la magie. Si la vitesse de votre équipe est un goulot d'étranglement ou si votre agent planifie sans fin ou piétine, nous pouvons analyser votre processus ensemble : chez Nahornyi AI Lab, j'affine généralement ces configurations pour obtenir une automatisation par l'IA cohérente, sans le théâtre inutile autour de « l'agent intelligent ».