Codex : « le modèle sélectionné est saturé », que faire ?

La réponse courte

Le message « Le modèle sélectionné est saturé. Essayez un autre modèle. » vient de Codex, l'agent de code d'OpenAI. Il signifie que le modèle choisi n'a plus de capacité libre chez OpenAI à cet instant. Ce n'est pas un problème de quota ni de compte : le refus vient des serveurs d'OpenAI, et il passe en général tout seul.

Attendez quelques minutes et relancez, ou vérifiez la page de statut d'OpenAI. Si l'erreur revient, passez à un autre modèle avec /model. Si aucun modèle hébergé ne répond et que le travail ne peut pas attendre, codex --oss fait tourner Codex sur un modèle local via Ollama. C'est une solution de dépannage, pas un équivalent.

À quoi ressemble le message, et où il apparaît

Codex existe sous plusieurs formes : la CLI (interface en ligne de commande) codex, l'extension pour VS Code, l'application de bureau et la version web. Toutes parlent au même service. Le message de saturation peut donc apparaître dans n'importe laquelle, souvent au milieu d'une tâche déjà lancée.

En anglais, les utilisateurs le collent sous cette forme :

Selected model is at capacity. Please try a different model.

En français, on le voit le plus souvent ainsi :

Le modèle sélectionné est saturé. Essayez un autre modèle.

Certaines pages le citent avec « Veuillez essayer un autre modèle ». La traduction varie selon la version et l'interface. Ne cherchez donc pas une chaîne exacte au mot près. Les deux mots qui comptent sont « saturé » et « at capacity ». OpenAI ne publie pas de code d'erreur pour ce cas, et les rapports publics sur le forum OpenAI et sur GitHub n'en montrent pas.

Ces rapports vont tous dans le même sens. Sur le dépôt GitHub de Codex, un utilisateur avec un abonnement payant et un quota largement disponible a reçu ce refus. La même requête a réussi un peu plus tard sur le même modèle, et tout de suite sur un autre modèle. Son quota n'avait pas changé entre les deux essais. Seule la capacité du modèle était en cause. Lors de l'incident du 16 juin 2026, un modérateur du forum OpenAI a renvoyé vers la page de statut, où l'incident a été suivi puis résolu en quelques heures.

Saturation, limite d'usage ou accès refusé : comment faire la différence

Trois pannes se ressemblent dans Codex. Elles n'ont pas la même cause, donc pas le même remède.

La saturation du modèle. C'est le message de cette page. Le problème est chez OpenAI. Il touche un modèle précis et disparaît quand la demande baisse. Un autre modèle répond souvent tout de suite, parce que la capacité est gérée modèle par modèle.

La fenêtre d'usage épuisée. Avec une connexion ChatGPT, Codex compte votre usage dans des fenêtres de temps liées à votre forfait. Quand la fenêtre est pleine, le message parle de limite d'usage et indique en général quand elle se réinitialise. Changer de modèle ne sert à rien dans ce cas, parce que la limite porte sur votre compte et non sur le modèle. Tapez /status dans la session : la commande affiche la configuration de la session et votre consommation. Le fonctionnement de ces fenêtres est détaillé dans notre guide sur Codex avec un abonnement ChatGPT.

L'erreur d'authentification ou d'accès au modèle. Une session expirée ou un modèle que votre compte ne peut pas utiliser donne une erreur qui revient à chaque essai, à toute heure. Une erreur 401 Unauthorized désigne la connexion : relancez codex login. Un message qui dit que le modèle n'existe pas, ou que vous n'y avez pas accès, désigne le nom du modèle dans votre configuration.

Le test le plus simple tient en une règle. La saturation est intermittente et ne touche qu'un modèle. Une limite d'usage touche tous les modèles à la fois. Une erreur d'accès revient à chaque fois, sur le même modèle.

Que faire quand le modèle sélectionné est saturé

Suivez ces étapes dans l'ordre. Les premières ne coûtent rien.

1. Attendez quelques minutes, puis relancez la même demande.
2. Ouvrez status.openai.com et cherchez un incident Codex en cours.
3. Passez à un autre modèle avec /model, pour la session ou pour un seul lancement.
4. En dernier recours, lancez codex --oss avec un modèle local servi par Ollama.

Relancer dans le même fil. Dans une session interactive, plusieurs utilisateurs rapportent qu'il suffit d'écrire « continue » dans le même fil. Le contexte de la conversation est conservé après le refus, donc l'agent reprend là où il s'était arrêté. Ce geste demande quelqu'un devant l'écran. Une tâche lancée sans surveillance reste bloquée jusqu'au retour d'un humain.

Lire la page de statut. Si un incident Codex est ouvert, le problème est connu et il n'y a rien à corriger chez vous. Si la page est verte, l'erreur peut quand même venir d'un pic de demande trop court pour y figurer. Passez alors à l'étape suivante.

Comment changer de modèle dans Codex CLI

Ce guide a été vérifié avec Codex CLI 0.160.1, la version publiée le 5 octobre 2026. Vérifiez la vôtre :

codex --version

La sortie doit ressembler à codex-cli 0.160.1. Pour mettre à jour une installation faite avec npm :

npm install -g @openai/codex@latest

Dans une session ouverte, tapez /model. La commande ouvre un sélecteur qui liste les modèles disponibles pour votre compte, avec le niveau de raisonnement quand le modèle le permet. Choisissez-en un autre, puis relancez votre demande. Tapez ensuite /status : la ligne du modèle doit afficher celui que vous venez de choisir.

Pour un seul lancement, passez le modèle en option :

codex -m <autre-modele>

-m est la forme courte de --model. Remplacez <autre-modele> par un nom affiché dans /model. Les noms de modèles changent souvent, donc copiez-les depuis le sélecteur plutôt que depuis un article.

Pour changer le modèle par défaut, modifiez ~/.codex/config.toml :

model = "<autre-modele>"

Il est plus pratique de garder votre modèle habituel et de préparer un profil de secours. Créez ~/.codex/secours.config.toml avec seulement les réglages qui changent :

model = "<autre-modele>"
model_reasoning_effort = "medium"

Puis lancez :

codex --profile secours

Le fichier de profil s'applique par-dessus ~/.codex/config.toml, donc le reste de votre configuration ne bouge pas. Le jour où votre modèle principal est saturé, vous changez une option sur la ligne de commande, pas un fichier. Si vous changez souvent de modèle selon la tâche, le routage entre plusieurs modèles pour un agent de code automatise ce choix.

Dernier recours : un modèle local avec codex --oss et Ollama

Quand tous les modèles hébergés refusent, Codex peut parler à un modèle qui tourne sur votre machine ou sur votre VPS (serveur privé virtuel). La documentation d'OpenAI cite deux fournisseurs locaux pour l'option --oss : Ollama et LM Studio. Sur un serveur Linux, installez Ollama avec le script officiel, téléchargez un modèle, puis lancez Codex dessus :

curl -fsSL https://ollama.com/install.sh | sh
ollama pull gpt-oss:20b
codex --oss -m gpt-oss:20b

gpt-oss:20b est le plus petit des modèles à poids ouverts publiés par OpenAI. Pour faire d'Ollama le fournisseur local par défaut, ajoutez oss_provider = "ollama" dans ~/.codex/config.toml. Ollama propose aussi la commande ollama launch codex, qui prépare un profil Codex pour vous.

Vérifiez deux points avant de compter dessus. D'abord, la documentation d'Ollama demande une fenêtre de contexte d'au moins 64k jetons pour Codex. Avec un contexte plus court, les longues sessions d'agent perdent le début de la conversation. Ensuite, ce modèle demande environ 16 Go de mémoire selon les chiffres publiés, et il tourne bien plus lentement sur un processeur seul que sur un GPU (processeur graphique). Le dimensionnement du serveur est détaillé dans notre guide sur la RAM et le CPU d'un VPS pour agent de code. La configuration complète se trouve dans notre guide pour utiliser Ollama avec un agent de code.

Soyons clairs : un petit modèle local est un dépannage. Il lit le code et propose des corrections simples pendant la panne. Il ne remplace pas un grand modèle hébergé sur une refactorisation qui touche vingt fichiers. Revenez à votre modèle habituel dès que la saturation passe.

La même erreur côté Claude

Claude Code, l'agent de code d'Anthropic, a son équivalent : une erreur de surcharge renvoyée quand les serveurs d'Anthropic manquent de capacité. Le diagnostic et les remèdes sont très proches, et ils sont détaillés dans notre page sur l'erreur « model overloaded » de Claude Code. Si c'est votre forfait Claude qui est épuisé, et non le modèle, la page sur la limite atteinte dans Claude explique quoi faire.

FAQ

Que veut dire « Le modèle sélectionné est saturé » dans Codex ?

Le modèle choisi n'a plus de capacité libre chez OpenAI à ce moment. Le refus vient des serveurs d'OpenAI, pas de votre compte ni de votre ordinateur. Attendez quelques minutes et regardez status.openai.com. Si l'erreur continue, choisissez un autre modèle avec la commande /model.

Ce message veut-il dire que j'ai atteint ma limite d'usage Codex ?

Non. Une limite d'usage porte sur votre compte et touche tous les modèles à la fois, avec un message qui parle de limite et de réinitialisation. La saturation porte sur un seul modèle. Tapez /status dans Codex pour voir votre consommation, puis essayez un autre modèle : s'il répond, votre limite n'est pas en cause.

Comment changer de modèle dans Codex CLI ?

Dans une session, tapez /model et choisissez un autre modèle dans la liste. Pour un seul lancement, utilisez codex -m <nom-du-modele>. Pour changer le modèle par défaut, écrivez model = "<nom-du-modele>" dans ~/.codex/config.toml. Ces commandes ont été vérifiées avec Codex CLI 0.160.1.

Combien de temps dure la saturation d'un modèle Codex ?

Le plus souvent, quelques minutes. Lors d'incidents plus larges, comme celui du 16 juin 2026, le problème a duré plusieurs heures avant sa résolution. La page status.openai.com indique si un incident est ouvert et quand il est résolu.

Peut-on utiliser Codex sans les serveurs d'OpenAI ?

Oui, avec l'option --oss. Installez Ollama, téléchargez un modèle comme gpt-oss:20b, puis lancez codex --oss -m gpt-oss:20b. Le modèle local tourne sur votre machine ou votre VPS. Il est plus petit et plus lent qu'un modèle hébergé, donc gardez-le pour les pannes.