Crise de capacité sur Codex : ce qui s’est passé le 16 juin 2026 et ce que cela révèle

Chronologie de l'incident : trois heures de bras de fer

La perturbation a eu une longue traîne et un pic court mais intense. Des services de surveillance externes ont détecté les premiers problèmes tard dans la soirée du 15 juin, vers 22h12-22h16, heure de l'Est . Cependant, l'incident n'a été officiellement reconnu que le lendemain matin, laissant les développeurs qui utilisent Codex pour des tâches nocturnes dans l'ignorance la plus totale .

Une fois l'alerte interne déclenchée, la réponse a été rapide :

• 6h32 (heure de l'Est) — La page de statut d'OpenAI a marqué l'incident comme « Identifié » .
• ~7h39 (heure de l'Est) — Vaibhav Srivastav a publiquement reconnu l'erreur sur X (anciennement Twitter), redirigeant les utilisateurs vers la page de statut .
• ~7h40 (heure de l'Est) — Thibault Sottiaux a publié : « Oy. Nous savons que certains utilisateurs de Codex rencontrent des taux d'erreur élevés avec 'modèle saturé' et travaillons à stabiliser la situation. » .
• 9h32 (heure de l'Est) — Une mesure d'atténuation a été appliquée et la surveillance a commencé .
• 9h48 (heure de l'Est) — Le statut est repassé au vert : « Tous les services impactés ont maintenant entièrement récupéré. » .

La panne a touché l'ensemble de l'écosystème Codex, y compris l'interface en ligne de commande (CLI), l'extension pour VS Code et l'application de bureau . Si le chronomètre officiel de l'incident indiquait environ 3 heures de perturbations, la gêne pratique pour les utilisateurs s'est étalée sur une période bien plus longue.

La frustration des développeurs atteint son paroxysme

Pour les abonnés professionnels et Pro, ce n'était pas un simple inconvénient – c'était une menace directe pour leur productivité. La réaction sur la communauté des développeurs OpenAI et sur X a été viscérale.

La principale plainte ne portait pas seulement sur l'indisponibilité du service, mais sur la manière dont il tombait en panne. Les utilisateurs ont signalé que les sessions Codex « s'arrêtaient en plein milieu sans sauvegarder l'état », les obligeant à reconstruire manuellement le contexte perdu et à refaire leur travail . Un utilisateur britannique a résumé le sentiment général avec cette image frappante : « Rendre le travail impossible quand on ne sait pas à quel moment Codex va planter, et qu'on doit sans cesse revenir en arrière pour retrouver ce qui a été fait ou non. Totalement inacceptable. » .

Le message d'erreur générique lui-même a été une source majeure de colère. Le conseil « d'essayer un autre modèle » n'offrait aucune piste concrète quand le modèle principal était indisponible et que les utilisateurs ne savaient pas s'ils devaient réessayer, réduire leur effort de raisonnement ou simplement attendre .

La confiance dans la communication d'OpenAI a également été écornée. Plusieurs utilisateurs ont souligné un décalage entre le début réel des problèmes – selon les rapports de la communauté et leur propre expérience – et le moment où la page de statut officielle a commencé à enregistrer l'incident, une différence qui donne une impression de manque de transparence .

Au milieu de la frustration, l'humour noir des développeurs a fait son apparition. L'influenceur Matthew Berman a créé le site willcodexquotareset.com, qui affichait, en plaisantant, « 94 % de chances d’une réinitialisation du quota Codex dans les 48 heures » . L'analyse de sentiment menée par Digg sur les conversations autour de l'événement montre une division : 63,8 % de positif, beaucoup remerciant OpenAI pour la rapidité de la correction, mais une part significative de 36,2 % de négatif, certains utilisateurs remettant en cause la fiabilité du service après une série de pannes à répétition .

Une année noire : la fiabilité de Codex en 2026

L'incident du 15-16 juin n'est pas un cas isolé. C'est le pic le plus visible d'une année marquée par des dégradations récurrentes de Codex, qui ont véritablement commencé début mai 2026. Un schéma de saturation de capacité et de mauvais calibrage des limites de débit de GPT-5.5 est apparu à plusieurs reprises.

Voici une chronologie des principaux incidents Codex en 2026, qui témoigne d'une plateforme sous tension permanente :

• 23 avril — L'erreur « Selected model is at capacity » est largement signalée pour la première fois sur le forum communautaire, avec des échecs en milieu de session et aucune sauvegarde de l'état .
• 7 mai et + — Début d'une série de dégradations de la latence de Codex et de boucles de reconnexion, avec une aggravation mesurable des temps de réponse publics .
• 12 mai — Suite à un déploiement visant à doubler la capacité, les déconnexions de flux deviennent courantes sur l'app Codex, se terminant par des erreurs de fermeture de websocket .
• 13 mai — GPT-5.5 connaît des taux d'erreur élevés, touchant de manière disproportionnée les utilisateurs gratuits .
• 14 mai — Les services Codex Cloud et Code Review subissent un taux d'échec élevé pendant 32 minutes .
• 29 mai — Une panne complète d'OpenAI met hors service simultanément ChatGPT, l'API, DALL-E, Codex et Sora .
• 3 juin — Des taux d'erreur élevés touchent Codex, ChatGPT et l'API Responses pendant environ 6,2 heures .
• 11 juin — Des erreurs élevées pour GPT-5.5 dans Codex apparaissent dans la soirée, préparant le terrain pour l'incident majeur .
• 15-16 juin — L'erreur « Selected Model is at Capacity » se transforme en panne généralisée d'environ 3 heures .

Le fil conducteur est clair : la demande sur GPT-5.5 ne cesse de se heurter à des plafonds configurés, qu'il s'agisse de limites de débit, de surcharge liée à l'effort de raisonnement ou de tensions plus larges sur l'infrastructure. La correction du 16 juin était une simple réinitialisation des limites de débit — un remède qui a traité le symptôme (le plafond atteint) plutôt que le déséquilibre sous-jacent entre la capacité et la popularité du modèle. Sans une solution de mise à l'échelle plus profonde de l'infrastructure, l'erreur est vouée à réapparaître à mesure que de plus en plus de développeurs adoptent Codex pour des tâches de codage intensives.