Codex lent ou lourd : causes et solutions — application, CLI et WSL

Lorsque Codex semble lent ou lourd, le plus rapide pour trouver la solution est d'abord de repérer où le temps est perdu. Si les réponses de l'IA sont lentes, vérifiez le serveur et les réglages. Si le démarrage est lent, vérifiez les serveurs MCP et le dossier de réglages. Si l'écran de l'application est lourd, vérifiez la version de l'application et la longueur de la conversation. Si l'exécution des commandes est lente, vérifiez l'emplacement de vos fichiers et les performances de votre ordinateur. Cet article classe les solutions par symptôme, à partir de la documentation officielle d'OpenAI et des réponses données par le personnel d'OpenAI sur le GitHub de Codex (vérifié le 25 octobre 2026).

Codex fonctionne dans l'application de bureau ChatGPT (Windows et macOS), dans la CLI (la version qu'on utilise dans un terminal) et dans des extensions d'éditeurs comme VS Code. Dans cet article, un « fil » désigne un ensemble d'échanges de travail : une conversation de l'application ou une session de la CLI. Dans tous les cas, le modèle qui réfléchit tourne sur les serveurs d'OpenAI, et les commandes demandées par l'IA tournent sur votre ordinateur. Les symptômes sont repérés par couleur : réponse démarrage application commande.

1. Commencer par identifier la cause

Lorsque quelque chose semble lent, regardez votre écran et vérifiez ces trois points dans l'ordre.

1. Codex attend-il une approbation ?Codex peut rester bloqué en attendant votre autorisation pour exécuter une commande ou modifier un fichier. Le guide de dépannage officiel d'OpenAI cite aussi ce point comme première chose à vérifier lorsque Codex semble bloqué.
2. Que fait-il en ce moment ?Si vous attendez avant de pouvoir écrire, ou si le message de préparation des serveurs MCP reste affiché, il s'agit d'un problème de démarrage. Si les messages « réflexion » ou « rédaction de la réponse » restent affichés, c'est un problème de réponse. Si une commande reste en cours sans avancer, c'est un problème de commande. Si la saisie ou le changement d'écran lui-même sont saccadés, c'est un problème d'application.
3. Est-ce lent pour tout le monde ?Consultez la page d'état d'OpenAI pour voir si Codex est touché par une panne. En cas de panne, il y a en général peu de choses à faire localement.

Dans la CLI, /status affiche le modèle utilisé, la quantité de jetons consommés et le contexte restant (l'espace libre dans la mémoire du fil). Si le contexte restant est faible, passez à « Ne pas continuer à utiliser un fil long » au chapitre 2. Si vous avez réglé l'effort de raisonnement sur High ou plus, passez au tableau du chapitre 2.

2. Quand les réponses de l'IA sont lentes réponse

Congestion ou pannes côté serveur

Certaines lenteurs n'ont aucune cause locale. Dans un signalement où le mode Fast était aussi lent que le mode standard, un membre du personnel d'OpenAI a répondu : « We had a capacity issue last week » (nous avons eu un problème de capacité la semaine dernière), puis a expliqué qu'ils avaient atténué le problème (openai/codex #24422, juin 2026). C'est un exemple de lenteur due à un manque de capacité côté serveur. Pour le message « model is at capacity », consultez Résoudre le message « Selected model is at capacity » de Codex.

Adapter l'effort de raisonnement à la tâche

Dans Codex, vous pouvez choisir le temps de réflexion du modèle avant sa réponse. Plus le réglage est élevé, plus le modèle réfléchit en profondeur, et plus il consomme de temps et de quota d'utilisation. La description officielle d'OpenAI est la suivante (OpenAI « Models »).

Dans la CLI, vous choisissez le niveau avec le modèle, via /model. Vous pouvez définir la valeur par défaut avec model_reasoning_effort dans le fichier de configuration (config.toml). Le niveau le plus léger s'affiche comme Light dans l'application, et comme low dans la CLI et dans le fichier de configuration.

Si vous utilisez toujours High ou plus, même les tâches simples prennent plus de temps. Pour de petites corrections, passer à Light (low dans la CLI) ou à Medium donne des réponses plus rapides. La page de sélection des modèles d'OpenAI recommande d'associer le modèle léger GPT-6 Luna à Light (Low) pour les modifications fines et les tâches bien délimitées (OpenAI « Model selection »).

Mode rapide (Fast et Ultrafast)

Si vous voulez réduire le temps d'attente, il existe des modes plus rapides qui consomment davantage de quota d'utilisation en échange de la vitesse (OpenAI « Speed »).

Dans la CLI, changez de mode avec /fast. Si le modèle utilisé n'a pas de palier plus rapide, /fast n'apparaît pas. Si vous vous connectez avec une clé API, l'utilisation est facturée au tarif de l'API et les multiplicateurs ci-dessus ne s'appliquent pas.

Ne pas continuer à utiliser un fil long

Si vous enchaînez plusieurs tâches dans un même fil, le contexte grossit, et les réponses comme l'écran deviennent plus lourds. Dans un signalement indiquant que les fils ralentissaient après une longue utilisation, un membre du personnel d'OpenAI a recommandé de créer un nouveau fil pour chaque tâche.

Le membre du personnel a ajouté que, si le même fil continue, le contexte se dilue à chaque compaction, et qu'en repartant de zéro on va plus vite et le modèle ne se laisse pas distraire par les tâches précédentes (openai/codex #11984).

Si vous voulez vraiment garder le même fil, la commande /compact de la CLI résume les échanges jusque-là et libère du contexte (la description officielle est « Summarize the visible chat to free tokens »). /new démarre un nouveau fil (OpenAI « Slash commands »).

3. Quand le démarrage est lent (CLI et MCP) démarrage

Attente du démarrage des serveurs MCP

Si vous avez enregistré des serveurs MCP (un moyen de connecter des outils externes) dans Codex, celui-ci attend leur préparation à chaque démarrage. Les serveurs facultatifs ne sont attendus que 1 seconde par défaut avant de continuer. Les serveurs réglés sur required = true sont attendus jusqu'à leur démarrage (10 secondes au maximum par défaut). Si vous conservez un serveur qui répond lentement, ou un serveur que vous n'utilisez plus, la première réponse sera retardée. Les réglages officiels d'OpenAI sont les suivants (OpenAI « Model Context Protocol »).

# Exemple dans ~/.codex/config.toml : arrêter un serveur non utilisé
[mcp_servers.old-server]
command = "npx"
args = ["-y", "old-mcp-server"]
enabled = false

Le dossier de réglages est volumineux ou corrompu

Dans un signalement indiquant que la CLI démarrait lentement, un membre du personnel d'OpenAI a expliqué que le dossier ~/.codex, où sont conservés les réglages et les journaux, pouvait être volumineux ou corrompu, et a suggéré de le renommer temporairement pour tester (openai/codex #9290, janvier 2026). Renommer le dossier fait démarrer Codex comme lors d'une première utilisation, il faudra donc vous reconnecter. Les anciens fils sont aussi enregistrés dans ce dossier : renommez-le sans le supprimer, puis remettez-le en place après le test.

# macOS et Linux : renommer le dossier
mv ~/.codex ~/.codex-backup
# Windows (PowerShell) : renommer le dossier
Rename-Item $HOME\.codex .codex-backup

Pour revenir en arrière, renommez d'abord le nouveau .codex créé pendant le test (par exemple en .codex-test), puis renommez .codex-backup en .codex.

Vérifier que vous n'utilisez pas une ancienne version

Certaines versions de la CLI incluent des améliorations du démarrage. Par exemple, la version 0.152.0 (1er septembre 2026) a réduit le délai avant la première réponse, et la version 0.161.0 (7 octobre) détecte plus tôt, au démarrage, la corruption de la base de données des journaux (versions publiées sur GitHub). Vérifiez votre version avec codex --version, puis recherchez et installez les mises à jour avec codex update. Si vous avez installé Codex par une méthode que codex update ne prend pas en charge (par exemple avec un gestionnaire de paquets), mettez-le à jour avec la même méthode que celle utilisée pour l'installer. Le Codex inclus dans l'application de bureau peut avoir une version différente de celle de la CLI, et l'application se met à jour séparément (voir le chapitre 4).

4. Quand l'application est lourde ou se fige application

Mettre à jour vers la dernière version et redémarrer

Beaucoup de problèmes de lenteur de l'application de bureau ont été corrigés dans les versions récentes.

Windows

Dans un signalement indiquant que l'application se fige ou saccade sous Windows (openai/codex #20214), un membre du personnel d'OpenAI a écrit le 28 août 2026 qu'ils avaient corrigé l'une des causes.

Selon ce membre du personnel, l'une des causes était que les commandes exécutées dans le bac à sable accumulaient des ressources utilisées par dwm.exe, le composant de Windows qui affiche l'écran. Il recommande de passer à la version v26.825.32147 ou plus récente, puis de redémarrer l'application.

Le membre du personnel parle d'« une des causes », et au 25 octobre 2026 ce problème est toujours ouvert : des utilisateurs continuent de signaler des blocages dus à d'autres causes, même après la mise à jour. L'application Windows est distribuée par le Microsoft Store, vérifiez donc les mises à jour dans la Bibliothèque du Store (OpenAI « ChatGPT desktop app for Windows »).

macOS

Pour le problème d'utilisation élevée du processeur sur macOS, un membre du personnel a écrit qu'il avait été corrigé dans la version d'avril 2026 (v26.415.20818) (openai/codex #16231). En revanche, les signalements de saisie retardée à cause de processus auxiliaires qui s'accumulent restent non résolus en octobre (#25744). Gardez l'application à jour, et redémarrez-la si elle devient lourde.

Sur les deux systèmes, la première chose à faire est de passer à la dernière version et de redémarrer l'application.

Les étapes officielles en cas de blocage

Le guide de dépannage d'OpenAI décrit ainsi les étapes à suivre en cas de blocage (OpenAI « Troubleshooting »).

Ranger les fils

Travailler longtemps dans un même fil (chapitre 2) influe aussi sur la lourdeur de l'écran. Pour le nombre de fils, des signalements restent ouverts sur GitHub : le changement de fil est lent, et un grand nombre de fils fait tourner le processeur en continu (#11011 et d'autres). OpenAI n'affirme pas officiellement que l'archivage allège l'application, mais archiver les fils terminés avec /archive dans la CLI (ils disparaissent de la liste sans être supprimés) ou avec la fonction d'archivage de l'application évite que la liste ne s'allonge indéfiniment.

Si vous utilisez des tâches planifiées, le guide de dépannage officiel contient des étapes pour elles. Les tâches planifiées fréquentes accumulent des worktrees (des copies du dossier de travail) : archivez les exécutions dont vous n'avez plus besoin, et ne épinglez pas celles qu'il n'est pas nécessaire de conserver (OpenAI « Troubleshooting »).

5. Quand l'exécution des commandes est lente (WSL et emplacement des fichiers) commande

Les compilations, tests et recherches demandés par l'IA tournent sur votre ordinateur. Si ces opérations sont lentes, vérifiez l'emplacement de vos fichiers et les performances de votre ordinateur, plutôt que le modèle ou les réglages.

Avec WSL, placer les fichiers côté Linux

Si vous exécutez Codex dans Linux à l'intérieur de Windows (WSL), l'emplacement du dossier de travail peut changer fortement la vitesse. OpenAI explique que travailler sous des chemins de lecteurs Windows, comme /mnt/c/..., peut être lent, et recommande de placer les dépôts dans votre dossier personnel Linux (par exemple ~/code/my-app). Si les grands dépôts sont lents, OpenAI suggère aussi d'augmenter la mémoire et le processeur alloués à WSL, et de mettre WSL à jour (OpenAI « WSL »).

# Exemple %UserProfile%\.wslconfig : mémoire et processeurs alloués à WSL
[wsl2]
memory=8GB
processors=4

# Mettre WSL à jour, puis l'arrêter pour appliquer les réglages (dans PowerShell)
wsl --update
wsl --shutdown

Pour la syntaxe de .wslconfig, voir Microsoft « Advanced settings configuration in WSL ». wsl --shutdown arrête toutes les distributions WSL en cours, fermez donc d'abord ce sur quoi vous travaillez. Adaptez les valeurs à la mémoire et au nombre de processeurs de votre ordinateur.

Gardez à l'esprit que, lorsque vous utilisez dans l'application Windows un agent qui tourne nativement sous Windows, c'est l'emplacement inverse qui est recommandé.

Source : OpenAI « ChatGPT desktop app for Windows ». Dans l'application Windows, l'agent par défaut tourne nativement sous Windows. Le passage à WSL nécessite de redémarrer l'application. Dans un signalement indiquant que l'agent WSL était extrêmement lent (#25715), un membre du personnel a indiqué qu'une correction censée atténuer le problème avait été intégrée le 5 juin 2026, mais au 25 octobre le problème reste ouvert.

Où la performance de l'ordinateur compte

La durée des commandes dépend du processeur, de la mémoire et du stockage de votre ordinateur (en particulier, un disque dur HDD ou un SSD). La fluidité de l'écran de l'application dépend aussi de votre machine. En revanche, le temps que l'IA passe à réfléchir et à rédiger sa réponse ne change pas lorsque vous achetez un nouvel ordinateur. Pour savoir ce qui dépend de votre ordinateur et comment mesurer où part le temps, consultez Configuration PC nécessaire pour Claude Code et Codex.

6. Signaler le problème à OpenAI si rien n'aide

Si le problème persiste malgré les étapes précédentes, vous pouvez le signaler à OpenAI : le personnel peut alors consulter les journaux et chercher la cause.

• Envoyer depuis la CLI : avec /feedback dans la CLI, vous pouvez envoyer à l'équipe de Codex des journaux et des informations de diagnostic (suivez les indications et choisissez ce que vous incluez)
• Rechercher sur GitHub : cherchez dans les issues d'openai/codex les signalements du même symptôme et les réponses du personnel. Lorsque vous signalez un problème, indiquez le numéro de version et votre système d'exploitation
• Obtenir des journaux détaillés de la CLI : les journaux en texte brut ne sont pas créés par défaut. Si vous lancez la CLI en indiquant l'emplacement des journaux, par exemple avec RUST_LOG=debug codex -c log_dir=./.codex-log (dans Windows PowerShell : $env:RUST_LOG="debug"; codex -c log_dir=./.codex-log), un fichier codex-tui.log est créé (OpenAI « Environment variables »)

Les journaux peuvent contenir le contenu de votre travail et des chemins de fichiers. Avant de les publier dans un espace public, supprimez les valeurs secrètes et les informations personnelles.

Résumé

FAQ

Q. Codex est-il plus lent que Claude Code ?

Il n'y a pas de réponse simple. La vitesse varie fortement selon l'effort de raisonnement, le modèle, le type de tâche, les bugs de l'application et la durée des commandes locales. Peu de mesures comparent les deux outils dans des conditions identiques, et les modèles sont différents : il est risqué de trancher sur la base d'une seule mesure. Pour une comparaison détaillée de ce qui dépend de votre ordinateur et de ce qui n'en dépend pas, consultez Configuration PC nécessaire pour Claude Code et Codex.

Q. Le mode rapide accélère-t-il toujours les choses ?

Il accélère la génération de texte par le modèle, mais il ne change ni la durée des commandes ni le temps de démarrage des serveurs MCP. Pendant les périodes de forte charge sur le serveur, les choses peuvent rester lentes même en mode Fast (chapitre 2). Le quota du forfait s'épuise aussi plus vite : le plus prudent est de ne l'utiliser que pour les travaux qui doivent aller vite.

Q. Que faire si l'extension VS Code ne répond pas ou est lourde ?

Mettez à jour l'extension et VS Code, puis redémarrez VS Code. La documentation officielle ne contient pas de démarche spécifique pour une extension lourde, mais la longueur du fil (chapitre 2) influe de la même façon sur l'extension. Si l'extension ne répond pas sous Windows, la documentation d'OpenAI recommande d'installer les Outils de build C++ de Microsoft et le package redistribuable Visual C++, puis de redémarrer complètement VS Code (OpenAI « Windows sandbox »).