Le 22 octobre 2026, OpenAI a publié une note sur la pratique FDE. Cet article se concentre sur la refonte du processus de validation d’un client anonyme du secteur des semi-conducteurs, en discutant comment la livraison personnalisée se transforme en capacité réutilisable ; il s’agit d’une pratique nouvellement divulguée, et non d’une acquisition survenue en 10.
Faits
- OpenAI indique qu’en 2025, environ 15 FDE ont mené plus de 10 cas d’usage chez ce client, couvrant la génération de tests, l’analyse de pannes et l’assistance architecturale, et ont co‑construit l’évaluation avec les ingénieurs du client.
- Selon la société, les cas d’usage concernés sont passés en production et ont été utilisés en phase précoce entre 3 et 6 mois ; la génération de tests ciblés a permis d’économiser environ 48 % de temps, tandis que l’optimisation du noyau a entraîné une amélioration médiane des performances de 22 %. Ces deux indicateurs mesurent des tâches différentes.
- Par la suite, l’équipe a migré les applications personnalisées vers la plateforme unifiée Codex, affirmant qu’environ 90 % du code sur mesure a pu être supprimé pour chaque projet. L’article cite également un exemple de réplication en août 2026 : le premier déploiement a duré 2 mois, tandis que l’extension à une deuxième équipe n’a pris que 1 jour(s) ; cela ne doit pas être considéré comme la durée moyenne de tous les projets.
Analyse
Jugement FDEPE : ce cas indique que les actifs FDE ne résident pas uniquement dans la quantité de code initialement livrée, mais aussi dans les ensembles d’évaluation, les définitions métier, les connecteurs et les capacités opérationnelles transférables. Pour les entreprises de services d’ingénierie détenues par des fonds de capital-investissement, l’acquisition doit vérifier à la fois l’efficacité du premier processus et la réduction éventuelle des coûts de déploiement pour la deuxième équipe.
Il est recommandé d’enregistrer séparément les jours-homme de la première livraison, ceux des copies ultérieures, les dépenses de maintenance, le taux de précision des tâches et le taux d’adoption, puis de relier les indicateurs d’efficacité aux coûts réels de livraison. Sinon, la réduction du code personnalisé pourrait simplement se traduire par un transfert de coûts vers les abonnements à la plateforme, les appels et l’adaptation continue.
Preuves contraires et limites
- Le client est anonyme, l’article public ne fournit pas de données, de groupe de contrôle ou de coût total pouvant être recalculés de manière indépendante ; tous les chiffres d’effet doivent être compris selon les déclarations du fournisseur.
- 48 % représente l’économie de temps sur les tâches de génération de tests spécifiques, 22 % correspond à l’indice de performance du noyau, aucun n’est égal aux coûts de R&D de l’entreprise ou à l’amélioration du profit.
- La première mise en ligne a tout de même pris plusieurs mois ; la réplication rapide par la deuxième équipe ne prouve pas qu’un secteur inconnu ou un système hétérogène puisse être réalisé en une journée. Ce cas ne comporte aucun contexte de transaction PE public.