OpenAI Codex est un grand modèle de langage développé par OpenAI pour traduire des messages en langage naturel dans le code source. Annoncé en 2021, il s’agissait d’une version de production modifiée de GPT-3 qui a été affinée sur le code source dans plusieurs langages de programmation et qui a servi de modèle original pour GitHub Copilot.
Codex a été conçu pour aider les programmeurs en générant du code à partir d’instructions en langage clair, en complétant partiellement le code écrit et en interagissant avec des logiciels et des services en ligne. Les chercheurs et les commentateurs ont également décrit les limites et les risques, y compris la production inexacte ou non sécurisée, la difficulté avec des messages plus complexes et les préoccupations en matière de droits d’auteur liées à la formation sur le code accessible au public.
Il ne doit pas être confondu avec l’agent codant distinct Codex, que OpenAI a introduit en 2025 sous un nom similaire, mais qui n’utilise pas le nom de la société. Capacités Construit sur GPT-3, Codex a été formé davantage sur 159 gigaoctets de code Python tiré de 54 millions de dépôts GitHub. Un cas d’utilisation typique de Codex consiste pour un utilisateur à taper un commentaire, tel que « //calculer la moyenne mobile d’un tableau pour une taille de fenêtre donnée », puis utiliser l’IA pour suggérer un bloc de code qui satisfait cette invite de commentaire. OpenAI a déclaré que le Codex peut traiter environ 37 % des demandes et est destiné à rendre la programmation humaine plus rapide plutôt qu’à la remplacer. Selon le blog d’OpenAI, Codex excelle le plus dans « la cartographie... des problèmes simples au code existant », qu’ils décrivent comme « probablement la partie la moins amusante de la programmation ». Le co-fondateur de , , a déclaré : « Codex est un moyen d’écrire du code sans avoir à en écrire autant », et que « ce n’est pas toujours correct, mais c’est juste assez proche ». OpenAI a déclaré que le Codex pouvait accomplir environ 37 % des tâches de programmation dans son ensemble d’évaluation et était destiné à rendre les programmeurs humains plus rapides plutôt qu’à les remplacer.
OpenAI affirme que Codex peut créer du code dans plus d’une douzaine de langages de programmation, y compris Go, JavaScript, Perl, PHP, Ruby, Shell, Swift et TypeScript, bien qu’il soit plus efficace en Python. Selon VentureBeat, les démonstrations d’OpenAI ont suggéré que le Codex pouvait garder une trace des premières parties d’une invite et utiliser ce contexte pour générer un code de travail. Dans ces démonstrations, il a été utilisé pour créer un jeu par navigateur en JavaScript et pour générer du code de visualisation de données en utilisant matplotlib.
Lors de démonstrations, OpenAI a montré Codex interagissant avec des services et des applications tels que Mailchimp, Microsoft Word, Spotify et Google Calendar. Limitations et préoccupations Les démonstrations OpenAI ont également montré des faiblesses telles qu’un code inefficace et des résultats inattendus occasionnels dans des exemples individuels. Dans une interview avec The Verge, le directeur de la technologie d’OpenAI, , a déclaré que « parfois [Codex] ne sait pas exactement ce que vous demandez » et que cela peut nécessiter quelques essais et erreurs. Les chercheurs d’OpenAI ont constaté que le Codex avait du mal avec les invites à plusieurs étapes et pouvait produire des résultats inattendus. Ils ont également soulevé des préoccupations en matière de sécurité, notamment la dépendance excessive des programmeurs novices, les biais dans les données d’entraînement et les risques de sécurité liés au code vulnérable.
VentureBeat a déclaré que parce que le Codex est formé sur les données publiques, il pourrait être vulnérable à « l’empoisonnement des données » par des téléchargements intentionnels de code malveillant. Selon une étude menée par des chercheurs de l’Université de New York, environ 40 % du code généré par GitHub Copilot (qui utilise le Codex) dans les scénarios pertinents pour les CWE à haut risque incluaient des bugs ou d’autres défauts de conception exploitables. Préoccupations relatives au droit d’auteur La Free Software Foundation a exprimé ses inquiétudes quant au fait que les extraits de code générés par Copilot et le Codex pourraient violer le droit d’auteur, en particulier la condition de la GPL qui exige que les œuvres dérivées soient concédées sous licence à des conditions équivalentes. Les questions qu’ils ont soulevées incluent la question de savoir si la formation sur les référentiels publics relève de l’utilisation équitable ou non, comment les développeurs pourraient découvrir du code généré contrefaisant, si des modèles d’apprentissage automatique formés pourraient être considérés comme un code source modifiable ou une compilation des données de formation, et si les modèles d’apprentissage automatique pouvaient eux-mêmes être protégés par le droit d’auteur et par qui. Une étude interne de GitHub a révélé qu’environ 0,1 % du code généré contenait des copies directes à partir des données d’entraînement. Dans un exemple, le modèle a généré le code de données d’entraînement mettant en œuvre l’algorithme de la racine carrée inverse rapide, y compris des commentaires et une mention de droit d’auteur incorrecte.
En réponse, OpenAI a déclaré que « l’incertitude juridique sur les implications des droits d’auteur de la formation aux systèmes d’IA impose des coûts substantiels aux développeurs d’IA et devrait donc être résolue avec autorité ».
Les questions de droit d’auteur avec le Codex ont été comparées à l’affaire judiciaire , dans laquelle les juges ont jugé que l’utilisation par Google Livre de fragments de texte provenant de millions de livres numérisés constituait une utilisation équitable. Notes et références
Catégorie:Intelligence artificielle