Quand une mise à jour majeure de modèle arrive, la tentation est d'ajouter des capacités à l'agent existant. Cet article défend l'inverse : après GPT-6 Astra, les agents de type Codex devraient être allégés. L'auteur expose quatre directions d'optimisation et une checklist, visant à réduire le prompting redondant, l'orchestration d'outils et le gonflement du contexte que les modèles plus faibles exigeaient auparavant.
Le signal plus large est un schéma récurrent en ingénierie d'agents : l'échafaudage qui compense la faiblesse d'un modèle devient une dette technique dès que le modèle progresse. Les équipes qui construisent des agents de codage, des copilotes IDE ou des outils de dev autonomes devraient profiter de chaque sortie majeure pour réévaluer leur couche d'orchestration, pas seulement changer l'identifiant du modèle.
Nous traitons cela comme un signal directionnel, pas comme un tutoriel. Les quatre directions méritent un examen, mais l'enseignement durable est la discipline d'auditer régulièrement la complexité de l'agent face à la capacité du modèle. La checklist est un point de départ, pas une recette figée.