À retenir
Chaque semaine, un nouvel article classe des agents IA en listant des specs techniques — sans jamais répondre à la vraie question : et moi, dans mon métier, lequel je prends ?
C'est ce qu'on va faire ici. Pi Agent et Codex d'OpenAI ont des philosophies radicalement opposées. Comprendre ces deux visions en cinq minutes vous évitera des semaines d'essais-erreurs. Et si vous lisez jusqu'au bout, vous saurez aussi pourquoi Claude Code reste la référence dans cet écosystème — et comment se former concrètement pour en tirer parti.
Pi Agent : le harness qui fait confiance au modèle
Un projet né de la frustration des abstractions
Pi Agent est créé par Mario Zechner — le développeur derrière libGDX, framework de jeu vidéo open source utilisé par des millions de développeurs. En 2026, via sa société Earendil Inc., il publie earendil-works/pi sous licence MIT avec une conviction simple : les harnesses complexes envoient trop de contexte, sur-configurent le modèle, et ajoutent des couches d'abstraction qui nuisent plus qu'elles n'aident.
La solution ? Donner au LLM 7 outils natifs — et uniquement 7 — puis s'effacer.
Les 7 outils natifs de Pi Agent
read
write
edit
bash
grep
find
ls
Ces 7 primitives couvrent théoriquement n'importe quelle tâche de coding. Pi ne pré-bake pas de fonctionnalités au-dessus. Si vous avez besoin de MCP, de sous-agents ou d'un mode plan, vous les ajoutez via des extensions TypeScript.
BYOK et multi-modèle
Pi Agent ne facture rien. Vous configurez votre propre clé API auprès du provider de votre choix parmi plus de 35 options : Anthropic (Claude), OpenAI, GitHub Copilot, Azure, DeepSeek, NVIDIA NIM, Google Gemini, Amazon Bedrock, Mistral, Groq, Cerebras, xAI, OpenRouter, Kimi For Coding, llama.cpp en local, et bien d'autres.
C'est le principe BYOK (Bring Your Own Key) : Pi est le moteur, vous choisissez l'essence.
Pi Agent est compatible avec llama.cpp, ce qui signifie que vous pouvez faire tourner un modèle entièrement en local — aucune donnée ne quitte votre machine. C'est l'option la plus souveraine disponible parmi les agents coding en 2026.
Pour qui est fait Pi Agent ?
Pi Agent s'adresse à un développeur ou un tech lead qui :
- veut contrôler précisément ce qui est envoyé au modèle
- cherche à minimiser ses coûts API sur des runs longs
- a besoin que le code reste sur sa machine (souveraineté des données)
- veut tester différents modèles sur les mêmes tâches
Pi Agent n'a pas de sandbox intégré. Il tourne avec les permissions de l'utilisateur qui le lance. Pour des runs autonomes overnight, vous devez configurer Docker, Gondolin ou OpenShell vous-même. Ce n'est pas insurmontable, mais c'est un prérequis technique réel.
Codex (OpenAI) : l'agent cloud qui délègue à fond
Trois entités, un seul nom : ce que "Codex" désigne vraiment
Avant d'aller plus loin, une clarification nécessaire. Le mot "Codex" désigne trois réalités différentes chez OpenAI :
- L'ancien modèle Codex (2021) — fine-tuning de GPT-3 sur du code, qui alimentait les premières versions de GitHub Copilot. Obsolète.
- Codex CLI (avril 2025) — outil CLI open source pour l'agentique en local.
- Codex cloud (mai 2025) — agent de coding asynchrone intégré directement dans ChatGPT.
Dans cet article, on parle principalement des versions 2 et 3 : Codex comme agent de coding autonome en 2025-2026.
Architecture : comment fonctionne la délégation Codex
Vous assignez une tâche à Codex → il crée un sandbox cloud isolé → clone votre repo GitHub → code, teste, itère → vous retourne un diff ou ouvre une PR.
Le réseau est désactivé par défaut dans ce sandbox. Codex peut travailler de manière autonome pendant 7 heures ou plus sur des tâches complexes. Pas besoin de surveiller.
Depuis septembre 2025, Codex fonctionne sur GPT-5-Codex — une version de GPT-5 spécifiquement optimisée pour le software engineering : écriture from scratch, features, tests, debugging, refactors à grande échelle.
Le sandbox Codex désactive le réseau par défaut et isole complètement l'exécution du code. C'est une sécurité intégrée sans aucune configuration — un avantage concret pour les équipes qui veulent des runs autonomes sans risque d'effets de bord.
Les 3 niveaux d'approbation du Codex CLI
Le Codex CLI propose trois modes d'exécution selon votre niveau de confiance dans l'agent :
- Read-only avec approbations explicites — l'agent vous demande confirmation avant chaque action
- Auto avec accès complet au workspace — approbation uniquement pour les actions hors workspace
- Full access — lecture totale + exécution de commandes avec accès réseau
Pour qui est fait Codex ?
Codex s'adresse à quelqu'un qui :
- préfère une interface intégrée (ChatGPT UI, pas de configuration CLI)
- veut confier des tâches longues sans surveillance
- travaille en équipe avec des workflows GitHub (PRs automatiques, code review)
- n'a pas besoin de choisir son modèle (GPT-5-Codex est un bon choix par défaut)
Tarifs : Codex est inclus dans ChatGPT Plus (20 $/mois), Pro (200 $/mois), Business et Enterprise. Usage limité selon le plan — Plus correspond à quelques sessions focalisées par semaine ; Pro couvre environ une semaine de travail complète.
Comparatif direct : Pi Agent vs Codex
Benchmarks : les chiffres concrets
Les benchmarks sont le terrain de vérité. Voici les données les plus récentes disponibles en août 2026.
Terminal-Bench 2.1 — tâches CLI réelles (juillet-août 2026)
Terminal-Bench teste des tâches réelles : installation de packages, debug de builds, configuration de serveurs, gestion de repos git. La version 2.1 est plus difficile que la 2.0 ; les scores ne sont pas directement comparables entre versions.
Selon les agrégateurs de benchmarks (CodingFleet, mis à jour le 6 août 2026), Claude Opus 5 se placerait en tête du classement Terminal-Bench 2.1, devant GPT-5.5 via Codex CLI. Ces chiffres sont à confirmer sur le leaderboard officiel tbench.ai : certaines soumissions des agrégateurs tiers ne sont pas toutes auditées par l'équipe officielle.
Ce qui est confirmé sur tbench.ai : Claude Code avec Fable 5 occupe la première place officielle du leaderboard Terminal-Bench 2.1, et Codex avec GPT-5.5 figure parmi les meilleures entrées validées.
Pi Agent en tant que harness BYOK n'est pas soumis comme entité distincte au leaderboard. Son score dépend du modèle configuré : Pi + Claude Opus 5 vous met donc théoriquement dans le haut du tableau.
SWE-bench Verified — résolution de bugs réels GitHub (mi-2025)
Sur SWE-bench Verified (résolution de vrais bugs open source) :
- Claude Sonnet 4 dans Claude Code : environ 72,7 %
- codex-1 (Codex) : environ 72,1 %
L'écart est d'environ 0,6 point en faveur de Claude — un écart marginal. Les deux outils sont compétents ; aucun ne domine de façon écrasante sur ce benchmark.
Benchmark Databricks — pourquoi Pi Agent gagne sur les grandes codebases
C'est le benchmark le plus récent et le plus opérationnel pour des codebases de production réelles. Databricks a publié en juillet 2026 une comparaison de plusieurs harnesses sur leur codebase de plusieurs millions de lignes.
Le résultat clé : Pi Agent atteint la même qualité que Claude Code (environ 87 % de pass rate) sur ces grandes codebases, en utilisant 3 fois moins de contexte par tour — ce qui le rend environ 2 fois moins cher par tâche. L'avantage de Pi n'est pas dans un meilleur taux de réussite, mais dans l'efficacité : même performance, moindre coût.
L'écosystème Pi grossit vite : pi-autoresearch, une extension créée par des ingénieurs dont le CEO de Shopify figure parmi les contributeurs majeurs, ajoute un mode de recherche autonome avec exécution des tests unitaires existants comme garde-fou.
Sur le benchmark Databricks de juillet 2026 (codebase multi-millions de lignes), Pi Agent atteint la même qualité que Claude Code à un coût 2 fois inférieur. La raison : Pi envoie 3 fois moins de contexte par tour, ce qui réduit à la fois le coût et le bruit envoyé au modèle.
Coût réel mensuel : ce que personne ne calcule
Voici un calcul concret pour 200 tâches de coding par mois (usage professionnel actif) :
Codex (ChatGPT Plus) : 20 $/mois pour un usage limité. ChatGPT Pro à 200 $/mois pour un usage intensif.
Pi Agent + Claude Sonnet 4.6 (3 $/M tokens input, 15 $/M tokens output) : En supposant 50 000 tokens par tâche en moyenne, 200 tâches représentent environ 10 millions de tokens. Coût estimé : entre 30 $ et 60 $/mois selon le ratio input/output — et Pi envoie 3 fois moins de contexte, ce qui réduit encore ce chiffre.
Pi Agent + DeepSeek V4 Flash : À 0,18 $/M tokens output, le coût pour 200 tâches simples tombe à moins de 2 $/mois.
La conclusion : Pi Agent peut être très peu coûteux si vous choisissez le bon modèle pour la bonne tâche. Codex a l'avantage de la prévisibilité (abonnement fixe).
Choisir selon votre cas d'usage
Et Claude Code dans tout ça ?
Claude Code est le benchmark de référence dans cet écosystème. Dans quasiment tous les comparatifs anglophones, c'est l'outil qu'on prend pour mesurer les autres. Si vous cherchez à comprendre quels agents maîtriser en 2026 — des harnesses CLI aux plateformes no-code comme Make ou n8n — notre guide fait le point sur l'écosystème complet avec financement CPF.
Pourquoi ? Parce que Claude Code est un harness terminal d'Anthropic qui tire parti des capacités d'instruction-following de Claude — et que Claude reste parmi les modèles les plus performants sur les tâches de coding complexes selon SWE-bench (Claude Opus 4.5 atteignait 79,2 % sur SWE-bench Verified en 2025 — le leaderboard 2026 ayant depuis évolué vers des scores plus élevés).
La relation entre Pi Agent et Claude Code est souvent mal comprise : Pi Agent peut utiliser Claude comme modèle. Ce sont deux harnesses différents qui peuvent tous deux brancher Claude comme "cerveau". La comparaison pertinente n'est donc pas "Pi vs Claude Code" mais "harness minimal (Pi) vs harness officiel Anthropic (Claude Code), les deux alimentés par Claude."
Pour aller plus loin sur Claude Code, lisez notre guide complet Claude Code 2026.
Pi Agent ou Codex : lequel choisir ?
En 2026, Pi Agent gagne sur le coût et la flexibilité multi-modèle, Codex gagne sur la sécurité et l'intégration GitHub. Le choix dépend d'un seul critère : travaillez-vous en local avec des contraintes de souveraineté ou de budget, ou avez-vous besoin d'un sandboxing cloud et d'une intégration GitHub sans configuration ? Voici la réponse selon votre profil.
Verdict par profil
Développeur solo freelance
Équipe avec revues de code
Tâche nocturne autonome
Souveraineté des données
Non-développeur / professionnel
Un développeur solo freelance ou un tech lead indépendant
Recommandation : Pi Agent
Vous avez les compétences CLI, vous voulez contrôler vos coûts, et vous aimez choisir votre modèle selon la tâche. Pi Agent est fait pour vous. Utilisez Claude Opus 5 pour les tâches complexes, DeepSeek ou Kimi pour les tâches routinières.
Configuration initiale à prévoir : environ 30 minutes pour installer Pi, configurer vos clés API et mettre en place un containerDock basique si vous faites des runs overnight.
Une équipe de 3 à 10 développeurs
Recommandation : Codex pour les tâches asynchrones, Claude Code pour le dev interactif
Codex brille sur les workflows GitHub : PR automatiques, code review, tâches batch déléguées la nuit. Claude Code reste plus adapté au développement interactif en temps réel. Les deux ne sont pas exclusifs.
À lire aussi : notre comparatif Pi Agent vs Aider pour comprendre comment Pi se positionne face aux autres harnesses de la scène open source.
Un entrepreneur ou manager non-développeur
Recommandation : Codex en priorité
Pi Agent dans sa version brute exige une configuration CLI et la gestion de clés API — barrière technique réelle pour qui ne code pas au quotidien. Codex, accessible depuis l'interface ChatGPT que vous connaissez probablement déjà, permet de déléguer des tâches de coding sans toucher à un terminal.
Cela dit, avec une formation solide sur les agents IA — structure de prompt, workflow agentique, vérification des outputs — un professionnel non-développeur peut intégrer ces outils dans son travail de façon efficace. C'est exactement ce que couvre notre formation Agent IA PME.
Quelqu'un qui veut des runs autonomes overnight
Recommandation : Codex pour la simplicité, Pi + Docker pour le contrôle
Codex a l'avantage d'un sandbox cloud natif avec réseau désactivé par défaut. C'est la configuration la plus sûre sans effort de configuration.
Pi Agent peut faire la même chose avec Docker ou Gondolin, mais vous devez le configurer vous-même. Une fois en place, Pi vous donne un contrôle total sur ce qui se passe.
Quelqu'un qui a des contraintes de souveraineté des données
Recommandation : Pi Agent
Si votre code ne doit pas quitter votre infrastructure, Pi Agent est le seul choix ici. Le code reste en local. Avec un modèle self-hébergé via llama.cpp ou un provider EU, vous pouvez construire un pipeline 100 % souverain.
Codex passe nécessairement par les serveurs OpenAI. Pour du code propriétaire ou soumis à RGPD, c'est un point à vérifier avec votre DPO.
Voir aussi notre article Replit Agent vs Codex pour une perspective complémentaire sur les agents cloud managés.
Peut-on utiliser Pi Agent sans être développeur ?
Honnêtement : c'est difficile dans sa version brute actuelle.
Pi Agent demande de savoir ouvrir un terminal, installer un package npm global, configurer une variable d'environnement avec une clé API, et comprendre ce que fait un agent quand il modifie des fichiers sur votre machine.
Codex est beaucoup plus accessible : vous ouvrez ChatGPT, vous décrivez votre tâche, vous regardez l'agent travailler. Pas de configuration.
Mais voici ce qu'aucun comparatif ne dit : la vraie barrière n'est pas l'outil, c'est la compréhension du workflow agentique. Savoir structurer une tâche pour un agent, vérifier ses outputs, itérer sur les erreurs — c'est ce qui détermine si vous obtenez un résultat utilisable ou un code cassé.
Avec une formation sur les agents IA, même sans background développeur avancé, vous pouvez maîtriser ces outils. C'est ce que nous faisons chez TIA avec plus de 3 000 diplômés, dont beaucoup ne venaient pas d'un profil purement technique.
L'AI Act européen (article 4, en vigueur depuis février 2025) impose d'ailleurs une obligation de littératie IA aux entreprises — sans sanction directe spécifique à cet article, mais l'obligation est réelle et encadrée par le droit national. Autant en profiter pour former vos équipes sur des outils comme Pi Agent ou Codex.
Qu'est-ce que Pi Agent ?
Pi Agent (earendil-works/pi) est un harness d'agent terminal minimal, open source sous licence MIT, créé par Mario Zechner (Earendil Inc.) début 2026. Il fournit 7 outils natifs au LLM de votre choix — read, write, edit, bash, grep, find, ls — et s'efface pour laisser le modèle raisonner. Il supporte plus de 35 providers via BYOK (Bring Your Own Key) : Anthropic, OpenAI, DeepSeek, Google, Mistral, et bien d'autres.
Quelle est la différence principale entre Pi Agent et Codex ?
Pi Agent est un harness minimal open source qui s'exécute en local sur votre machine : vous choisissez votre modèle, vous gérez la sécurité, vous maîtrisez chaque paramètre. Codex (OpenAI) est un agent cloud managé asynchrone : vous déléguez une tâche, Codex la traite dans un sandbox cloud sécurisé et vous retourne un diff ou une PR. Philosophie minimale vs délégation clé-en-main.
Pi Agent fonctionne-t-il avec Claude ?
Oui. Pi Agent est model-agnostic. En configurant votre clé API Anthropic (ANTHROPIC_API_KEY), vous pouvez utiliser Claude Sonnet, Claude Haiku ou Claude Opus comme moteur de raisonnement dans Pi. Vous bénéficiez alors des capacités de Claude dans un harness minimal et open source.
Codex d'OpenAI est-il gratuit ?
Non, pas pour un usage intensif. Codex est accessible via ChatGPT Plus (20 $/mois) pour quelques sessions par semaine, ou ChatGPT Pro (200 $/mois) pour un usage correspondant à une semaine de travail complète sur plusieurs projets. Le Codex CLI est open source, mais il nécessite une clé API OpenAI payante pour fonctionner.
Quel agent IA coding choisir pour du travail autonome overnight ?
Codex a l'avantage du sandbox cloud natif : réseau désactivé par défaut, environnement isolé, sûr sans configuration. Pi Agent peut faire la même chose avec Docker, Gondolin ou OpenShell, mais vous devez configurer vous-même le sandboxing. Pour commencer sans friction, Codex est la voie la plus sûre. Pour un contrôle maximal avec les coûts les plus bas, Pi Agent + Docker.
Pi Agent est-il meilleur que Claude Code ?
C'est la mauvaise question : Pi Agent et Claude Code sont tous les deux des harnesses terminaux. Pi peut d'ailleurs utiliser Claude comme modèle. La comparaison pertinente est harness minimal (Pi) vs harness officiel Anthropic avec plus de fonctionnalités intégrées (Claude Code). Sur le benchmark Databricks (codebase multi-millions de lignes, juillet 2026), Pi Agent atteint la même qualité que Claude Code à moindre coût, grâce à 3 fois moins de contexte envoyé par tour.
Codex remplace-t-il Claude Code ?
Non. Ce sont deux outils distincts d'éditeurs différents (OpenAI vs Anthropic), avec des architectures différentes (cloud asynchrone vs local synchrone). Ils répondent à des cas d'usage différents et peuvent être utilisés en parallèle. Claude Code reste une référence de performance sur les benchmarks SWE-bench en 2026, avec Claude Opus 4.5 à 79,2 % de résolution de bugs réels — un leaderboard qui a depuis évolué vers des scores plus élevés.
Peut-on utiliser Pi Agent sans être développeur ?
Honnêtement, Pi Agent demande des compétences CLI et une compréhension de la gestion de clés API. Codex (via ChatGPT) est beaucoup plus accessible pour un professionnel non-développeur. Cela dit, la vraie barrière n'est pas l'outil mais le workflow agentique — comment structurer une tâche, vérifier les outputs, itérer. Avec une formation adaptée, un professionnel non-développeur peut intégrer ces outils efficacement dans son travail.
Conclusion
Pi Agent et Codex incarnent deux visions opposées de ce que devrait être un agent IA de coding.
Pi dit : "Fais confiance au modèle, enlève les obstacles." Codex dit : "Délègue et oublie, on gère tout."
Ni l'un ni l'autre n'est universellement supérieur. Pi Agent gagne sur la flexibilité, le coût, et les grandes codebases (benchmark Databricks juillet 2026 : même qualité, 3× moins cher). Codex gagne sur l'accessibilité, la sécurité par défaut, et l'intégration GitHub.
Ce que les deux ont en commun : ils supposent que vous comprenez le workflow agentique. C'est là que la formation fait la différence — pas pour apprendre à lancer un terminal, mais pour savoir quoi demander à un agent, comment vérifier ce qu'il produit, et comment intégrer ça dans un vrai workflow de travail.
Si vous voulez aller plus loin, notre formation Agent IA PME vous donne exactement ce cadre — finançable CPF et OPCO.