Analyse approfondie de dépôt
På denna sida
Leçon mise à jour le 3 novembre 2026 sur la base du manuel Codex : « Deep Research for GitHub » n’est pas une fonctionnalité de Codex. L’analyse de dépôt s’effectue avec Codex en mode lecture seule, tandis que la recherche approfondie est une fonctionnalité de ChatGPT Work, dont la disponibilité dépend de votre compte et de votre espace de travail. Le tableau comparatif des durées non sourcé de la version précédente a été supprimé. Sources : Codex CLI · Mode non interactif.
Analyse approfondie de dépôt
Avant de modifier du code, tu dois souvent commencer par le comprendre : l’architecture d’un projet legacy, ses dépendances et sa dette technique. Deux outils répondent à ce besoin. Codex analyse un dépôt de l’intérieur : il lit les fichiers, examine l’historique Git et exécute des commandes de diagnostic sans apporter aucune modification. La recherche approfondie de ChatGPT Work mène des investigations sur plusieurs sources et fournit un rapport sourcé ; c’est l’outil adapté aux questions qui dépassent le cadre du dépôt, comme l’évaluation d’une bibliothèque externe.
Analyser sans rien modifier
Une tâche Codex standard exécute une action : écrire du code, corriger un bug ou générer des tests. Pour l’analyse, demande à Codex de synthétiser sans rien modifier et donne-lui les moyens de respecter cette contrainte. Configure la session en mode lecture seule (/permissions, mode read-only), ou lance l’analyse avec codex exec, qui utilise par défaut un bac à sable en lecture seule. Il peut scanner des centaines de fichiers, examiner l’historique Git et produire un rapport détaillé. Cette différence se reflète immédiatement dans ton prompt, qui doit se concentrer sur la compréhension plutôt que sur la modification :
"Analyze the architecture of this project without modifying any files.
How does data flow from the API to the database? What patterns are
used? Where are the fragility points?"
Le résultat n’est pas un commit, mais un document structuré contenant des références aux fichiers pertinents et des recommandations. Tu le passes en revue, tu en discutes lors d’une réunion technique et tu le corriges là où il contient des erreurs.
Accélérer l’intégration technique
Lorsqu’un développeur rejoint une équipe, il passe généralement ses deux premières semaines à reconstruire mentalement une carte que personne n’a jamais écrite : quel service appelle quoi, pourquoi un module porte un nom qui ne correspond plus à son contenu, ou où se cache la logique de facturation. Codex peut dresser cette carte pour lui :
"Analyze this repository and generate an onboarding guide
for a new developer. Cover:
- General architecture and layers
- Naming and structure conventions
- End-to-end flow of a typical request
- The most important files to read first
- Common pitfalls and project-specific quirks"
Le document résultant sert de référence durant les premières semaines et est corrigé au fur et à mesure que l’équipe fournit des retours. Cet exercice de correction présente un avantage inattendu : il révèle des angles morts que personne ne s’est donné la peine de documenter parce que « tout le monde sait comment ça marche ».
Auditer les dépendances et la dette technique
Le second cas d’usage naturel est l’inventaire. Une base de code vieille de trois ans accumule des bibliothèques abandonnées, des doublons fonctionnels et des imports morts que personne n’ose supprimer faute de vue d’ensemble :
"Analyze all project dependencies (package.json
and lock file). Identify:
- Obsolete packages (last update > 1 year ago)
- Known vulnerabilities
- Duplicate packages (same functionality)
- Unused packages (imported nowhere)
- Packages with incompatible licenses"
Cette analyse recoupe package.json, le fichier de verrouillage et les imports réellement présents dans le code. Pour les vulnérabilités connues et l’état de maintenance des paquets, elle nécessite des données publiques ; tu dois donc explicitement autoriser l’accès réseau ou utiliser les outils d’audit de ton gestionnaire de paquets (comme npm audit). L’évaluation de la dette technique suit la même logique, avec une exigence supplémentaire : la dernière ligne du prompt. Sans critères de tri, tu obtiens une liste de quarante problèmes sans savoir par où commencer.
"Evaluate the technical debt of this project. Analyze:
- Cyclomatic complexity of core modules
- Most frequently modified files (Git hotspots)
- Code duplication patterns
- Unresolved TODOs and FIXMEs
- Test coverage by module
Rank problems by impact and effort to fix."
La valeur de ces analyses réside dans le ratio entre le temps investi et les résultats obtenus : quelques instructions précises remplacent des jours de lecture. Mesure cela sur tes propres projets plutôt que de te fier à des estimations génériques, et relis toujours le rapport : l’agent peut se tromper, surtout concernant ce que le dépôt ne contient pas.
Évaluer un projet externe avant adoption
Pour une bibliothèque open source que tu envisages d’adopter, la question dépasse le cadre du dépôt : fréquence des versions, activité des issues et réputation. C’est le domaine de la recherche approfondie de ChatGPT Work. Dans l’application de bureau, passe en mode Work, ouvre Plugins et sélectionne Deep research ; sur le web, ouvre le menu + dans une conversation Work. La disponibilité dépend de ton compte et de ton espace de travail :
"Analyze the repository github.com/org/library.
Evaluate its maturity:
- Release frequency and maintenance
- Documentation quality
- Community activity (issues, PRs)
- Test coverage
- Recommendation: Is it safe to adopt in production?"
C’est l’étape de vérification que nous sautons presque toujours parce que nous ne pouvons pas y consacrer une demi-journée, alors que son absence nous coûte cher deux ans plus tard : la bibliothèque n’est plus maintenue, son unique mainteneur a disparu et tu te retrouves avec une dépendance que tu dois réécrire dans l’urgence.
Obtenir des rapports actionnables
La qualité du rapport dépend directement de la précision du prompt. « Où sont les points de fragilité ? » donne un résultat bien plus utile que « Analyse le projet », car la première formulation impose un angle et force une hiérarchie. Demande également un format explicite — « classer par priorité », « organiser par module » — pour obtenir un document que tu peux parcourir rapidement plutôt que lire de bout en bout. Ensuite, enchaîne avec des tâches Codex concrètes qui corrigent les problèmes identifiés. À ce stade, l’analyse cesse d’être un simple rapport de plus pour devenir le point de départ d’un plan de travail. Enfin, partage ces rapports avec ton équipe, car leur valeur augmente avec le nombre de personnes qui s’y réfèrent quotidiennement.
Viktiga punkter
- Pour analyser un dépôt, exécute Codex en mode lecture seule (
/permissions, oucodex exec, qui est en lecture seule par défaut) - Idéal pour l’intégration, les audits et l’évaluation de la dette technique
- La recherche approfondie de ChatGPT Work convient aux questions multi-sources, comme l’évaluation d’une bibliothèque externe
- Les résultats alimentent des tâches Codex concrètes pour corriger les problèmes identifiés
- Relis chaque rapport : un agent peut se tromper, surtout sur le contenu manquant