Qu’est-ce que Open Interpreter ?
Open Interpreter est né en 2023 comme un outil Python qui laissait un modèle de langage exécuter du code sur votre ordinateur. Le projet a depuis été réécrit : le dépôt principal est désormais un fork en Rust du Codex CLI d'OpenAI, destiné aux modèles bon marché et ouverts comme Kimi, GLM, DeepSeek et Qwen. La version Python d'origine continue sous forme de fork communautaire, endolith/open-interpreter.
Sa particularité est l'émulation de harnais. Une commande /harness bascule entre 10 réimplémentations des boucles de prompts et d'outils d'autres agents, dont claude-code, kimi-code, qwen-code, deepseek-tui et swe-agent, partant de l'idée que chaque modèle travaille mieux dans le harnais pour lequel son fabricant l'a réglé. Il parle le protocole exec de Codex et l'Agent Client Protocol, lit AGENTS.md et les dossiers partagés .agents/skills, et prend en charge MCP, les hooks et l'exécution de commandes en sandbox. Le dépôt compte environ 68 900 étoiles, est sous licence Apache 2.0 et a publié rust-v0.0.61 le 11 novembre 2026 ; Interpreter Workstation est son client de bureau.
Open Interpreter vaut-il le coup ?
Les fabricants règlent leurs modèles sur leur propre harnais d'agent, et un modèle placé dans la boucle d'un autre fait souvent moins bien que ses benchmarks ne le laissent penser. La réécriture d'Open Interpreter part de ce constat. Elle forke le Codex CLI d'OpenAI, garde sa sandbox et son protocole exec, et ajoute 10 réimplémentations en Rust d'autres harnais : Kimi tourne dans une copie de Kimi Code, Qwen dans Qwen Code, et ainsi de suite. Le projet ne publie aucun chiffre de benchmark montrant ce que cela apporte, alors que c'est précisément le chiffre qu'un lecteur voudrait.
Le modèle de sécurité est celui de Codex, un bon héritage. Les commandes s'exécutent dans des sandboxes natives, Seatbelt sur macOS et Bubblewrap avec seccomp sur Linux et WSL, avec trois modes (read-only, workspace-write et danger-full-access) et trois politiques d'approbation. En workspace-write, l'accès réseau est coupé tant que vous ne l'activez pas, et la documentation indique que l'outil doit s'arrêter plutôt que tourner sans sandbox quand une politique ne peut pas être appliquée. Une option --yolo supprime sandbox et approbations ; la documentation la réserve aux machines virtuelles jetables.
La portabilité est un objectif assumé. Il lit AGENTS.md et les répertoires partagés .agents/skills, fonctionne dans les éditeurs ACP via interpreter acp et accepte le SDK de Codex avec une substitution de binaire en une ligne. La configuration et l'état des sessions restent en local sous ~/.openinterpreter. L'installation passe toutefois par un script curl vers le shell depuis le site du projet.
C'est le nom qui prête à confusion. Le dépôt date de juillet 2023 et compte environ 68 900 étoiles et 10 792 commits, mais l'essentiel de cette histoire appartient au programme Python que les gens ont mis en favori, désormais confié à un fork communautaire. La branche Rust est jeune, avec des numéros de version encore à 0.0.61 le 11 novembre 2026, même si elle publie souvent et n'a que 41 tickets ouverts. Face à Codex lui-même, la différence tient au changement de harnais et au catalogue de fournisseurs plus large ; face à opencode, à un objectif plus resserré : faire bien travailler les modèles bon marché.
Là où il fait la différence
Un développeur indépendant qui paie ses tokens d'API de sa poche
Obtenir des résultats proches de Claude Code avec un modèle ouvert moins cher
Installez, ajoutez une clé Kimi ou DeepSeek et choisissez avec /harness le harnais du fabricant du modèle. L'outil est gratuit ; le coût est le prix au token du fournisseur.
Une équipe qui a déjà bâti ses outils sur le SDK de Codex
Essayer des modèles ouverts sans réécrire l'intégration
Réglez codexPathOverride sur interpreter dans le constructeur du SDK ; le projet fournit un script de compatibilité sans fournisseur pour vérifier que le protocole correspond.
Une développeuse dont l'éditeur prend en charge l'Agent Client Protocol
Utiliser un seul agent dans l'éditeur avec le choix du fournisseur
Configurez le client pour lancer interpreter acp, gardez workspace-write avec des approbations on-request et changez de modèle depuis la TUI ou le client avec /model.
Avant de vous engager
- Mise en route
- curl -fsSL https://www.openinterpreter.com/install | sh sur macOS et Linux, ou une ligne PowerShell sous Windows ; tapez i ou interpreter pour démarrer, puis ajoutez une clé de fournisseur ou pointez vers un modèle local.
- Intégrations
- Fournisseurs compatibles OpenAI et Chat Completions, Kimi, DeepSeek, Z.AI GLM et d'autres ; éditeurs Agent Client Protocol ; SDK et protocole exec de Codex ; MCP ; hooks ; AGENTS.md et .agents/skills ; agent-browser et trycua pour les tests QA.
- Données et confidentialité
- La configuration et l'état des sessions sont stockés en local sous ~/.openinterpreter. Le code et les prompts partent chez le fournisseur choisi. Les commandes tournent dans une sandbox du système ; workspace-write coupe le réseau sauf activation. La documentation de la sandbox ne décrit aucune télémétrie.
- Coût à grande échelle
- Aucun coût de licence ; la dépense se résume à la facture de tokens du fournisseur choisi, ou rien avec un modèle local.
- Limites
- Branche Rust à 0.0.61 ; aucun benchmark publié sur l'émulation de harnais ; --yolo désactive toute protection ; 41 tickets ouverts ; les fonctions et la documentation de l'ère Python vivent désormais dans un fork communautaire séparé.
Les points forts
- Bascule entre 10 harnais émulés, réglés pour des familles de modèles précises
- Hérite de la sandbox, des approbations et du protocole exec de Codex
- Prise en charge d'ACP, MCP, AGENTS.md et des dossiers de skills partagés
- Les utilisateurs du SDK de Codex peuvent l'adopter en une ligne
Les points faibles
- Aucune preuve publiée que l'émulation de harnais améliore les résultats
- La réécriture Rust en est encore à la version 0.0.x
- Les étoiles et l'historique reflètent surtout l'ancien projet Python
- Installation par un script curl vers le shell
Idéal pour
Développeurs qui veulent un agent en terminal façon Codex mais utilisent des modèles Kimi, GLM, DeepSeek ou Qwen pour contenir les coûts.
Alternatives à Open Interpreter
Open Interpreter : questions fréquentes
- Open Interpreter vaut-il le coup ?
- Open Interpreter est désormais un fork de Codex bien construit autour d'une bonne idée, faire tourner des modèles bon marché dans le harnais pour lequel ils ont été réglés, et les 68 900 étoiles qu'il affiche appartiennent surtout à un autre programme, plus ancien. Nous lui donnons 3.9 sur 5.
- Combien coûte Open Interpreter ?
- Gratuit et open source (Apache 2.0). Vous apportez une clé de fournisseur ou un modèle local ; l'outil en terminal n'a pas d'abonnement Open Interpreter.
- Quels sont les inconvénients de Open Interpreter ?
- Aucune preuve publiée que l'émulation de harnais améliore les résultats; la réécriture Rust en est encore à la version 0.0.x; les étoiles et l'historique reflètent surtout l'ancien projet Python; installation par un script curl vers le shell.
- À qui s’adresse Open Interpreter ?
- Développeurs qui veulent un agent en terminal façon Codex mais utilisent des modèles Kimi, GLM, DeepSeek ou Qwen pour contenir les coûts.
- Combien coûte Open Interpreter pour une équipe ou en production ?
- Aucun coût de licence ; la dépense se résume à la facture de tokens du fournisseur choisi, ou rien avec un modèle local.
- Open Interpreter est-il sûr pour les données de l’entreprise ?
- La configuration et l'état des sessions sont stockés en local sous ~/.openinterpreter. Le code et les prompts partent chez le fournisseur choisi. Les commandes tournent dans une sandbox du système ; workspace-write coupe le réseau sauf activation. La documentation de la sandbox ne décrit aucune télémétrie.
- Quelles sont les meilleures alternatives à Open Interpreter ?
- Les alternatives les plus proches que nous avons testées sont OpenAI Codex CLI, OpenCode, Qwen Code, Interpreter Workstation et Aider.
Réponses vérifiées le 21 nov. 2026.