GPT-5-Codex : 4 astuces simples pour coder plus vite (et mieux) avec l'IA
Avec GPT-5 et GPT-5-Codex, de nouvelles bonnes pratiques de prompting apparaissent quand d'autres se confirment. OpenAI lui même donne de bons conseils pour optimiser les résultats obtenus sur ses modèles, notamment pour la génération de code. La start-up a ainsi édité un cookbook très riche pour bien prompter son modèle phare GPT-5.
Bien que les conseils d'OpenAI aient été conçus initialement pour GPT-5, l'arrivée récente de GPT-5-Codex ne remet pas en question la pertinence de ces recommandations. GPT-5-Codex étant essentiellement un fine-tuning de GPT-5 spécialisé pour le code, les bonnes pratiques que nous détaillons aujourd'hui s'appliquent donc parfaitement aux deux modèles. Que vous utilisiez GPT-5 pour des tâches de développement ou que vous ayez migré vers GPT-5-Codex, ces techniques vous permettront de tirer le meilleur parti des deux modèles en configuration agentique.
1.Soyez précis dans vos prompts
Soyez précis dans vos instructions à GPT-5. Comme GPT-4.1, le modèle est assez littéral et prendra en compte l'ensemble des instructions du prompt. Evitez alors de vous contredire et pire encore d'utiliser des exemples few shots qui se contredisent. Si votre prompt est trop vague ou contient des instructions incohérentes, le modèle aura tendance à "réfléchir" pour comprendre ce qui ne va pas. Vous consommerez alors plus de tokens et obtiendrez un résultat moins précis.
OpenAI met d'ailleurs à disposition un outil pour optimiser vos prompts à destination de GPT-5. Une fois le prompt soumis pour optimisation, l'IA applique des corrections et vous renvoie le prompt idéal.
2.Evitez les instructions fermes et limitantes
Contrairement aux modèles précédents qui nécessitaient parfois d'être "poussés" avec des instructions autoritaires, GPT-5 et GPT-5-Codex réagissent mieux à un langage plus nuancé. Les formulations impératives en majuscules ou les injonctions répétées peuvent créer l'effet inverse de celui recherché. Les formulations impératives en majuscules comme "TOUJOURS vérifier le code avant de le soumettre" ou "OBLIGATOIREMENT tester chaque fonction" peuvent paradoxalement nuire aux performances. Le modèle, dans sa volonté de suivre scrupuleusement ces directives strictes, risque de sur-analyser ou d'effectuer des vérifications redondantes.
Par exemple, plutôt que d'écrire "Vous DEVEZ absolument analyser tous les fichiers du projet avant toute modification", privilégiez une formulation comme : "Examinez, si possible, la structure du projet pour comprendre le contexte avant d'apporter des modifications". Le modèle sera plus efficace et répondra sans générer sur-réflexion.
3.Encouragez le modèle à réfléchir et à agir en autonomie
C'est un conseil qui peut paraître assez contradictoire par rapport aux précédents mais il n'en est rien. Pour mener à bien sa mission, GPT-5 et GPT-5-Codex ont parfois besoin d'instructions les poussant à réfléchir avant d'agir et à agir en autonomie sans solliciter une rétroaction humaine trop régulière. C'est notamment le cas si vous souhaitez développer une application complète en partant de zero. Dans votre prompt, OpenAI recommande d'inclure une section <self_reflection> qui demande au modèle de réfléchir d'abord à ce qui fait une excellente application, par exemple, avant de se lancer dans la génération du code.
Par exemple, pour développer une application de gestion de tâches :
Créez une application de gestion de tâches en React avec TypeScript.
<self_reflection> - Réfléchissez d'abord aux critères qui définissent une excellente application de productivité - Etablissez 5-6 catégories d'évaluation (UX, performance, architecture, etc.) - Utilisez ces critères pour concevoir et valider votre solution - Iterez jusqu'à ce que votre approche respecte vos standards dans chaque catégorie </self_reflection>
Par ailleurs, GPT-5 a tendance à solliciter l'utilisateur pour des clarifications trop rapidement face à une incertitude. Pour éviter ces interruptions, OpenAI recommande d'utiliser des balises <persistence> pour préciser au modèle de continuer jusqu'à résolution complète de la tâche, de déduire l'approche la plus raisonnable en cas de doute, ou de documenter ses hypothèses plutôt que de demander une rétroaction humaine.
Exemple d'un prompt avec des instructions de persistence :
Refactorisez cette base de code React pour améliorer les performances et la maintenabilité. <persistence> - Continuez l'analyse et les modifications jusqu'à ce que tous les problèmes identifiés soient résolus - Si vous rencontrez du code ambigu, choisissez l'interprétation la plus probable basée sur le contexte - Documentez vos hypothèses et décisions plutôt que de demander confirmation - Ne terminez que lorsque le refactoring est complet et fonctionnel </persistence>
4.Fournissez vos conventions de code en XML
La dernière recommandation n'est pas nouvelle et était déjà préconisée avec GPT-4.1 ou même les derniers modèles Claude. L'utilisation de balises XML permet de structurer clairement les instructions et d'améliorer significativement la compréhension du modèle. Le XML est d'ailleurs particulièrement efficace pour fournir du contexte détaillé sur vos conventions de code. Plutôt que de lister vos règles dans un paragraphe dense, OpenAI recommande d'utiliser des balises <code_editing_rules>, <guiding_principles> ou <frontend_stack_defaults>. Par exemple pour préciser vos conventions de naming et d'organisation :
<code_editing_rules> <naming_conventions> - Variables en camelCase (userName, isActive) - Constantes en UPPER_SNAKE_CASE (API_URL, MAX_RETRIES) - Fichiers en kebab-case (user-profile.js, api-client.ts) </naming_conventions> <structure> - Une fonction par fichier quand possible - Maximum 100 lignes par fonction - Commentaires en français pour la logique métier </structure> </code_editing_rules>