Codex : économiser ses limites avec Fast et le bon modèle

👁 114 lectures

Dans les réglages de Codex, sous « Utilisation et facturation », une phrase mérite d’être lue deux fois : « Limite partagée entre Codex, le mode Work, les agents d’espace de travail et ChatGPT for Excel. Les conversations dans le chat ne sont pas comptabilisées ». Juste en dessous, une barre affiche le quota hebdomadaire. Le premier jour, elle indiquait 100 %. Quelques heures plus tard, en parcourant un fichier de configuration, j’ai découvert un réglage qui, depuis des semaines, épuisait ce quota deux fois et demie plus vite.

Il s’agissait du mode Fast. Voici ce qu’il coûte, comment choisir le modèle et le niveau de raisonnement adaptés à une tâche, et les réglages que j’ai finalement conservés. Tous les chiffres proviennent de la documentation d’OpenAI ou de mes tests du 3 novembre 2026. Les tests ont été réalisés en polonais, et non en français.

Fast consomme 2,5 fois plus de quota

Le mode Fast accélère les réponses du modèle. OpenAI annonce une vitesse de travail multipliée par 1,5. Le coût est indiqué dans le même document : avec le quota de l’abonnement, Fast consomme 2,5 fois plus que le mode standard ; avec des crédits achetés séparément, il en consomme deux fois plus. Il fonctionne avec GPT-6.1 Sol, GPT-6.1 Terra, GPT-6 Astra, GPT-6 Sol et GPT-6 Luna, là où il est disponible.

Il existe aussi le mode Ultrafast, réservé à GPT-6 Astra et GPT-6.1 Sol. Il consomme huit fois plus que le mode standard sur le quota de l’abonnement et six fois plus avec des crédits. Une heure de travail en Ultrafast revient donc à huit heures en mode standard.

Dans mon cas, Fast était activé par défaut à deux endroits. Le fichier ~/.codex/config.toml contenait service_tier = "priority", et la section de l’application de bureau indiquait default-service-tier = "priority". Dans Codex, Priority correspond à Fast, mais sous un ancien nom. J’ai supprimé les deux lignes. Quand je suis vraiment pressé, je saisis /fast on dans Codex, puis /fast off une fois terminé. Je vérifie l’état avec /fast status.

Si vous préférez laisser Fast activé en permanence, la documentation indique ces deux lignes :

service_tier = "fast"

[features]
fast_mode = true

Sol, Astra ou Luna : quel modèle choisir ?

Codex propose plusieurs noms dans le sélecteur de modèles, mais les descriptions affichées dans l’application sont succinctes. GPT-6.1 Sol est présenté comme « le dernier modèle généraliste pour le code et le travail au quotidien ». GPT-6 Astra est décrit comme une « intelligence de premier plan pour les tâches les plus exigeantes ». GPT-6 Luna est un « modèle rapide et économique pour les tâches plus simples ». Il y a aussi GPT-6.1 Terra, que j’ai testé séparément dans l’article GPT-6.1 Terra dans Codex, ainsi que des modèles plus anciens des séries 6 et 5.6.

Astra offre un raisonnement plus puissant, mais appartient à une génération antérieure à Sol 6.1. Je ne l’ai donc pas choisi comme modèle par défaut. Je le réserve aux tâches où une erreur me coûterait plus cher que le temps gagné : concevoir l’architecture d’une nouvelle application, résoudre un bug difficile que Sol a déjà mal diagnostiqué, ou mener une recherche approfondie. Pour renommer des fichiers, écrire un script simple ou lire un journal, Luna avec un niveau faible suffit.

Le niveau de raisonnement est un deuxième réglage

Chaque modèle dispose d’un réglage d’effort de raisonnement : low, medium, high, xhigh et max ; la plupart proposent aussi ultra. Luna s’arrête à max. Dans son guide de prompting pour Codex, OpenAI recommande medium pour un usage quotidien, et high ou xhigh pour les tâches les plus difficiles et les plus longues. Un niveau plus élevé signifie davantage de réflexion avant la réponse, et donc une consommation de quota plus importante.

J’ai choisi high comme réglage par défaut. Je travaille surtout sur des projets complets, de bout en bout, pour lesquels une erreur évitée peut valoir davantage qu’un temps de réflexion plus long. J’active max ou ultra manuellement, pour une tâche précise. Voici à quoi ressemble le fichier de configuration :

model = "gpt-6.1-sol"
model_reasoning_effort = "high"
plan_mode_reasoning_effort = "xhigh"

La troisième ligne concerne le mode de planification. Le plan n’est généré qu’une fois, mais il détermine tout le travail qui suit : il vaut donc la peine d’accorder davantage de temps au modèle à cette étape. L’exécution du plan se poursuit ensuite au niveau high habituel.

Même une question courte consomme du quota

En configurant Codex, je lui ai posé depuis le terminal des questions de contrôle du type : « Quelle règle suivez-vous concernant les tirets ? » (traduction d’une question testée en polonais). La réponse ne faisait que quelques lignes, mais le compteur affichait à chaque fois entre 19 et 24,5 milliers de tokens. Même dans une conversation vide, Codex envoie au modèle ses propres instructions, mon fichier AGENTS.md, la liste des compétences disponibles et les descriptions des outils. C’est pourquoi dix questions d’une phrase chacune coûtent plus cher qu’une seule question contenant dix points.

J’ai donc adopté trois habitudes :

• Je confie toute la tâche dans un seul message, avec le contexte et le résultat attendu, plutôt que de procéder étape par étape.
• Je garde AGENTS.md court. J’ai déplacé les détails dans des compétences, chargées uniquement quand elles sont nécessaires.
• Je ne prolonge pas indéfiniment les longs échanges. Une nouvelle conversation accompagnée d’un bon fichier AGENTS.md coûte moins cher qu’un centième message dans un ancien fil.

Mémoire de Codex et quota

J’ai également activé la mémoire de Codex (memories = true dans la section [features]). Codex extrait lui-même des notes des conversations et les réutilise ensuite, comme le fait Claude Code. La création de ces notes consomme aussi du quota, mais une limite de sécurité est prévue : avec les réglages par défaut, Codex cesse d’en générer lorsqu’il reste moins de 25 % du quota. Le seuil se modifie avec la clé memories.min_rate_limit_remaining_percent.

Une fois le quota hebdomadaire épuisé, Codex peut continuer à travailler grâce à des crédits achetés séparément. L’onglet correspondant affiche leur solde et propose une option de recharge automatique. Lors de l’achat, OpenAI annonce une remise pouvant atteindre 40 %. Je n’ai pas activé la recharge automatique : je préfère que l’épuisement du quota serve d’avertissement plutôt que de déclencher une dépense sans que je m’en rende compte.

J’explique les limites du forfait moins cher dans l’article Les limites de Codex avec ChatGPT Plus. Pour transférer dans Codex les règles et les compétences de Claude Code, afin de ne pas avoir à tout réexpliquer à chaque message, consultez le guide [pwlink slug= »claude-code-do-codexa »]Comment passer de Claude Code à Codex[/pwlink]. Mais le changement qui m’a le plus aidé tient à une seule ligne supprimée : service_tier = "priority". Avec le même quota hebdomadaire, je peux maintenant effectuer deux fois et demie plus de travail qu’avec un réglage dont j’avais même oublié l’activation.

Sources

• OpenAI, Speed (Fast et Ultrafast) : https://learn.chatgpt.com/docs/agent-configuration/speed
• OpenAI, Configuration Reference : https://learn.chatgpt.com/docs/config-file/config-reference
• OpenAI Cookbook, Codex Prompting Guide : https://developers.openai.com/cookbook/examples/gpt-5/codex_prompting_guide
• Réglages de Codex Desktop, onglet Utilisation et facturation, état au 3 novembre 2026
• Mes tests de Codex CLI 0.162.1, le 3 novembre 2026

// lire la suiteChatGPT sans compte : accès, limites et alternativesGuidesHiggsfield AI avis : analyse des tarifs, limites et modèlesGuidesGPTs dans ChatGPT : création, limites et fin annoncéeGuides