Codex vs Claude Code : j'ai donné le même prompt aux deux, le résultat m'a surpris

5 heures et 832 dollars. Deuxième résultat : 61 heures et 3 000 dollars. Même prompt, même objectif, deux outils de code IA. La différence n'est pas de 10%. Elle est de 3 000%.

J'ai lancé Codex et Claude Code sur la même mission : construire un clone production-ready de Typeform. Un brief identique, une seule contrainte, ne pas s'arrêter tant que l'application n'est pas vraiment terminée. Pas de prototype. Pas de "ça marche à peu près". Le vrai truc.

Le résultat m'a surpris. Et surtout, il m'a appris quelque chose de concret sur la façon dont ces deux systèmes travaillent vraiment.

Le duel : même prompt, deux méthodes

Le prompt envoyé aux deux agents était le même. Un /goal structuré en trois phases : recherche, build, vérification. L'objectif : une application de formulaires type Typeform, entièrement fonctionnelle, avec authentification, logique conditionnelle, thèmes, webhooks et tableau de bord de résultats.

La consigne finale était claire : "Ne t'arrête pas à un prototype. Continue de chercher, builder, tester, casser, réparer et retester jusqu'à ce que l'app soit réellement complète."

Deux agents. Deux approches radicalement différentes.

Métrique	Claude Code	Codex
Coût	~$832	~$3 000
Temps	5,5 heures	61 heures (2,5 jours)
Sub-agents	35	126
Output tokens	2 millions	11 millions
Tests unitaires	296	2 300
Tests browser	102	391

Quand Claude Code m'a signalé "c'est prêt", Codex tournait depuis près d'un jour et demi. J'ai failli penser qu'il y avait un bug.

Ce que Claude Code a bien fait, la finesse

Claude Code a construit "Formora". La landing page est brute, on voit que le modèle n'a pas mis beaucoup d'énergie sur le design frontal. Mais dès qu'on entre dans l'application, la logique est là.

La création de formulaire est intuitive. On choisit un mode (conversationnel ou empilé), on définit les questions une par une, on branche la logique conditionnelle. Le wizard de création ressemble vraiment à ce qu'on attend d'un clone de Typeform. Les types de champs sont complets : texte court, long, email, téléphone, site web, NPS, échelle d'opinion, ranking, upload de fichier.

Scoop : Claude Code a utilisé Opus 4.8 comme orchestrateur principal, alors que j'ai lancé la session sur Fable 5. Le modèle a probablement déclenché un mécanisme de safeguard et dégradé l'orchestration vers un modèle plus conservateur. Résultat : Fable 5 a fait le gros du travail, Opus 4.8 a dirigé. Un routing naturel, pas programmé.

La publication fonctionne réellement. On génère un lien, on ouvre le formulaire, on remplit, les résultats apparaissent dans le dashboard. C'est pas parfait, il y a des bugs de numérotation des questions, un bouton logout qui manque, mais c'est utilisable.

Ce qui m'a frappé : l'agent a su dire non. Il a construit 135 fonctionnalités au lieu de 150. Il a priorisé ce qui créait de la valeur utilisateur plutôt que de remplir une checklist technique. C'est rare.

Ce que Codex a bien fait, la puissance brute

Codex a construit "Realform". La landing page est propre, bien structurée, avec un vrai effort sur l'UX visuelle. Les sections s'enchaînent, le design est cohérent. Si tu montres ça à quelqu'un, il ne devinera pas que c'est généré par IA (enfin, presque).

Mais dès qu'on entre dans l'admin, c'est la surcharge. Trop de boutons, trop de variables, trop d'options. L'interface est impressionnante techniquelement, mais overwhelming pour un utilisateur final. C'est le syndrome du "j'ai tout construit, alors je montre tout".

Là où Codex brille : l'architecture backend. Immutable revisions, récupération offline, gestion de concurrence, migration safety. Le genre de trucs que tu ne vois pas dans l'UI mais qui comptent quand tu déplies en production.

Et les tests. 2 300 tests unitaires, 391 tests browser, tests cross-navigateur, tests mobile. Codex a testé sur Chrome, Firefox, Safari, Edge, en responsive, en mode dégradé. C'est un cran au-dessus de ce que Claude Code a fait.

Le problème : il a fallu 61 heures et $3 000 pour y arriver. C'est 11 fois plus cher et 6,6 fois plus lent.

Illustration de la métaphore sportive : triple sauteur vs hauteur, deux approches complémentaires

Le vrai problème : le prompt n'est pas neutre

Voici le piège dans lequel on tombe tous. On croit que "même prompt = même terrain de jeu". C'est faux.

Claude Code fonctionne mieux avec un brief stratégique : "voilà l'objectif, voilà ce que le résultat doit contenir, voilà quand tu t'arrêtes". Le modèle interprète, explore, prend des décisions créatives. Il agit comme un co-fondateur technique.

Codex fonctionne mieux avec un plan d'exécution : étape 1, étape 2, étape 3. Le modèle est obéissant, méthodique, exhaustif. Il ne s'arrête pas tant que la checklist n'est pas complète, même si certaines cases n'apportent pas de valeur réelle.

Mon prompt ressemblait à un brief stratégique. Résultat : Claude Code a interprété l'intention, Codex a suivi les instructions littéralement et a surchauffé.

Si j'avais donné un plan détaillé avec 10 étapes précises, Codex aurait probablement gagné en efficacité. Le format du prompt n'est pas neutre, il favorise un modèle par rapport à l'autre.

Les bugs, parce qu'il y en a toujours

Les deux ont des bugs. C'est inévitable quand un agent construit une application complète en quelques heures.

Claude Code (Formora) :

Numérotation des questions qui ne se met pas à jour (toutes affichent "1")
Bouton logout inaccessible dans les settings
Thème de design qui ne s'applique pas visuellement
Un champ "image preview unavailable" sur l'upload

Codex (Realform) :

Variables UI en surcharge permanente (confusion utilisateur)
Thème de couleur qui ne change rien visuellement
Pas de véritable authentification (demo workspace uniquement)
Pop-up de confirmation positionné au mauvais endroit

Scoop : même avec 2 300 tests unitaires et 391 tests browser, Codex n'a pas attrapé tous les bugs UX. Les tests automatisés ne remplacent pas un humain qui clique. C'est comme tester un restaurant en vérifiant que les fourchettes sont propres, ça ne te dit pas si la nourriture est bonne.

Quand utiliser quoi, le guide pratique

La question n'est pas "quel est le meilleur". Elle est "lequel est meilleur pour quoi".

Utilise Claude Code quand tu as :

Un objectif flou mais une vision claire du résultat attendu
Besoin de vitesse (un prototype fonctionnel en une demi-journée)
Un projet où l'UX compte plus que l'architecture backend
Un budget serré (moins de $1 000 pour un sprint complet)

Utilise Codex quand tu as :

Un plan d'exécution détaillé avec des étapes précises
Besoin de tests exhaustifs (cross-browser, mobile, edge cases)
Un projet où l'architecture backend et la fiabilité priment
Un budget conséquent et du temps (plusieurs jours)

L'approche gagnante : combine-les. Claude Code pour la phase de conception et de build initial. Codex pour l'audit de sécurité, les tests et le renforcement. C'est exactement ce que je fais en ce moment, et le Codex Plugin pour Claude Code (l'adversarial review) est devenu indispensable dans mon workflow.

Ce que ça change pour toi

Si tu utilises des agents de code IA pour builder des applications, arrête de croire qu'un seul outil fait tout. C'est comme si tu demandais au même ouvrier de concevoir ta maison, de la construire et de l'inspecter. Il sera bon à une de ces trois tâches, pas aux trois.

L'expertise n'est plus dans le choix du meilleur modèle. Elle est dans la capacité à distribuer le bon travail au bon outil.

5 heures et 832 dollars contre 61 heures et 3 000 dollars. Le même prompt. Deux résultats qui se complètent. La prochaine fois que tu lances un agent de code IA, pose-toi la question : est-ce que je donne un brief stratégique ou un plan d'exécution ? La réponse déterminera quel modèle tu dois utiliser.