« Je veux continuer l’analyse » → « Alors on relance Codex ou Work. » C’est pratique, mais sur un projet long la limite peut arriver avant la fin de la recherche.
Le but n’est pas d’éviter Codex ou Work. Il est de leur confier une fois la préparation lourde, puis de ramener l’analyse répétitive dans Chat.
Pourquoi revenir dans Chat
Parce que Work et Codex ont des limites explicites.
La documentation actuelle d’OpenAI indique que Codex, ChatGPT Work, ChatGPT for Excel et Workspace Agents partagent le même pool d’usage agentique et de crédits lorsqu’ils sont disponibles. Codex possède également des fenêtres d’usage de 5 heures et hebdomadaires. Une fois la limite atteinte, le travail suivant peut devoir attendre le reset ou utiliser des crédits supplémentaires s’ils sont disponibles.
Gros dépôts, longues sessions de code, traitement massif de fichiers et agents longue durée peuvent vider ce pool rapidement. La recherche peut encore avoir beaucoup à faire alors que la réserve hebdomadaire, elle, est déjà terminée.
Chat standard utilise une autre structure de limites. Il possède aussi des limites par modèle et fonctionnalité, et même Pro ne doit pas être présenté comme littéralement illimité. Mais déplacer l’analyse itérative hors du pool partagé Work/Codex réduit fortement les interruptions imposées par son épuisement.
Inutile de louer une pelleteuse pour chaque trajet. Construisez la route une fois, puis conduisez.
Répartition simple
- Récupérer, connecter, convertir : Codex / Work / local
- Figer en formats réutilisables : Parquet / CSV / JSON / manifest
- Répéter hypothèses, analyses et rédaction : Chat
La deuxième couche est la clé.
Usine à articles
Gardez dans Codex les gros refactors, nouveaux scripts, réparations de déploiement et premières conversions massives.
Mettez dans Chat la production quotidienne : article depuis conversation, édition, 12 langues, confidentialité, doublons, titres, recherche supplémentaire, source draft GitHub et révision d’anciens articles.
Si chaque article exige « invoquer Codex », l’usine devient une usine à invocations de Codex.
Analyse de marché
Le plus lourd est souvent la préparation initiale.
Codex fait une fois API, bulk download, binary decode, timestamps, hash, split Discovery/Validation/Final et Parquet.
Ensuite Chat peut comparer à répétition ES / NQ / 6E / 6J, BTC / ETH et tous les marchés JPY de bitbank.
On étudie queue, cancel, partial fill, adverse selection, spread capture, inventory cost, maker rebate, latency stress, placebo et stabilité temporelle.
La question n’est pas « le prochain tick monte-t-il ? », mais qui doit exécuter immédiatement, où la liquidité disparaît, quelle position de file mérite d’être conservée et comment gérer l’inventaire après un fill unilatéral.
Bundle Chat
research-bundle/
DATA_MANIFEST.json
CHECKSUMS.sha256
DATA_QUALITY.csv
SPLITS.json
discovery/*.parquet
validation/*.parquet
final_sealed/*.parquet
RESEARCH_STATE.json
CHECKPOINT.md
Champs communs si possible :
ts_event, ts_recv, venue, symbol, event_type,
side, price, size, order_id, sequence, action
Si L2 n’a pas d’order_id, laissez null. N’inventez pas les données manquantes.
Garder Final scellé
Discovery crée les hypothèses, Validation tente de les casser et Final ne s’ouvre qu’une fois après gel des règles.
Économiser du quota tout en contaminant le holdout reste une mauvaise recherche.
Quel outil pour quel travail
| Travail | Meilleur endroit |
|---|---|
| Sites avec connexion | Work |
| Gros binaires | Codex / local |
| Implémentation globale du repo | Codex |
| WebSocket 24/7 | collector local |
| Données préparées | Chat |
| Hypothèses et falsification | Chat |
| Python et simulation | Chat |
| Articles et traduction | Chat |
Ce n’est pas « Chat sait tout faire ». C’est séparer la construction unique de la recherche répétée.
Architecture finale
Sites externes / API / GitHub / données de marché
↓
Codex / Work seulement si nécessaire
↓
Parquet + manifest
↓
Chat
hypothèse → analyse → falsification
↓
Validation → Final
↓
article / rapport / GitHub
L’astuce n’est pas « ne pas utiliser Codex ». C’est faire construire par Codex un environnement suffisamment bon pour ne plus devoir le rappeler à chaque itération.
Références (4)
- OpenAI Help Center: https://help.openai.com/en/articles/11369540
- GPT-5.6 in ChatGPT: https://help.openai.com/en/articles/20001354-gpt-56-in-chatgpt
- ChatGPT Work and Codex: https://help.openai.com/en/articles/20001275-chatgpt-work-and-codex
- Databento Pricing: https://databento.com/pricing
