Actualites

Copilot Fusion : GitHub veut choisir et combiner les modèles d’IA à la place des développeurs

En automatisant le choix des grands modèles de langage pour les développeurs, la filiale de Microsoft leur promet simplicité et réduction des coûts. Or le fonctionnement de Copilot Fusion provoque un manque de transparence tarifaire.

Publié le: 30 oct. 2026

Lors de la conférence GitHub Universe à San Francisco, le spécialiste de la gestion de versions de code a largement mis en avant ses capacités agentiques. Face à Claude Code, Pi, OpenCode, Codex, Cursor, la filiale de Microsoft mise sur l’infusion de GitHub Copilot au sein de sa plateforme. Une approche qui se reflète directement dans son modèle économique.

Depuis le 28 octobre, GitHub Enterprise inclut l’accès à GitHub Copilot. Plus précisément, les fonctionnalités de complétion de code sont intégrées, mais il faudra payer les crédits IA pour accéder aux fonctionnalités agentiques.

« Si vous êtes un nouveau client, vous bénéficierez immédiatement de ce type d’offre conjointe. Si vous êtes déjà client, vous pouvez contacter votre équipe commerciale pour effectuer la transition », déclare Kayle Daigle, COO de GitHub, en réponse à une question du MagIT. « Les clients qui, pour une raison ou une autre, souhaitent conserver leur ancien contrat pourront le faire », promet-il. Certains clients se sont déjà proposé l’offre lors des deux jours de la conférence.

Cette question économique est au cœur d’une des annonces principales de la conférence Universe : Copilot Fusion.

Copilot Fusion est présenté comme le fruit du projet Hydra, un « runtime intelligent » pour orchestrer et router des modèles de langage. C’est un modèle « vanille » équipé d’outils pour évaluer les tâches et « utiliser des signaux pour le raisonnement, la génération de code, le débogage et l’utilisation d’outils, afin de sélectionner le modèle d’exécution le plus efficace qui réponde aux critères de qualité correspondant au niveau d’effort sélectionné », dixit la documentation de GitHub.

Pour l’instant, Fusion prend en charge trois motifs :

  • Il utilise un seul modèle pour accomplir la tâche (Single).
  • Un petit modèle génère un brouillon évalué par un LLM as-a-Judge et le redirige, au besoin, vers un modèle plus capacitif (Cascade).
  • Un modèle génère une réponse critiquée par plusieurs modèles isolés en parallèle, puis le modèle revoit sa réponse en fonction des remarques (Critique).

« Si vous utilisez Copilot Fusion, nous constatons dans certains cas jusqu’à 77 % d’économies pour obtenir, en quelque sorte, une intelligence de pointe, proche de celle de Claude Opus 5.5 Max, et ce plus rapidement. Il exécute les tâches environ 40 % plus vite que si vous utilisiez uniquement Opus 5.5 Max », avance Kayle Daigle.

GitHub proposait déjà un mode pour sélectionner automatiquement les modèles, mais les développeurs rencontrés par LeMagIT le considèrent peu efficient. « Plusieurs fois, GitHub Copilot Auto a utilisé le plus grand modèle mis à disposition par mon entreprise pour répondre à de simples questions », témoigne Prashant Phadtare, ingénieur logiciel senior chez Equifax, un spécialiste de l’évaluation du crédit. D’autres comme les ingénieurs de Trimble ont constaté l’inverse. Le modèle sélectionné était trop peu doté pour répondre à leurs requêtes.

Après Auto, GitHub croit dur comme fer à la fusion de modèles

Avec la fusion de plusieurs modèles d’IA, « vous réduisez de manière substantielle le risque que le résultat soit incorrect », assure Vlad Fedorov, directeur technique chez GitHub, auprès du MagIT.

Auto, selon Luke Hoban, vice-président de l’ingénierie, responsable du développement de GitHub Copilot, visait d’abord l’optimisation des coûts. Il est sans doute l’outil responsable de l’utilisation par 3 millions de développeurs de l’efficient MAI Code Flash 1.1 à travers GitHub Copilot. Car, les porte-parole de l’entreprise n’ont cessé de le répéter : les développeurs sont plus enclins à se tourner vers les grands modèles. Ceux qui coûtent le plus cher.

Pour contrer ce phénomène, GitHub veut désormais choisir le modèle à la place des développeurs.

« Si vous avez autant de modèles qui travaillent pour vous en permanence, vous n’avez pas envie de vous occuper vous-même de la répartition des tâches », affirme Vlad Fedorov. « Et vous ne voulez pas non plus prendre une seule décision qui s’applique à toutes vos tâches, car vous vous retrouverez alors avec Opus 5.5 en train de mettre à jour des fichiers README. Ce qui revient tout simplement à jeter l’argent par les fenêtres ».

Au point où GitHub ne précise pas dans sa documentation les modèles qui seront « fusionnés » ou qui collaboreront pour accomplir des tâches de programmation. Ceux-là sont plus ou moins cachés derrière les formules Standard, High, Max et Fast. En clair, le mode standard correspond aux plus petits LLM des collections sollicitées, High –, les modèles moyen de gamme – et Max, les modèles frontières. Les niveaux d’efforts sont également pris en compte.

Les administrateurs peuvent toutefois décider quels modèles sont accessibles aux développeurs, dont deux modèles pouvant être déployés localement, MAI Code Flash 1.1 et Qwen 3.8 Flash Next, sur Windows (via Microsoft Foundry Local), Linux et macOS.

Par défaut, selon Artificial Analysis, Copilot Fusion utilise des modèles d’OpenAI et d’Anthropic, dont GPT-6 Astra, GPT-6 Sol, Claude Opus 5.5 et Sonnet 5.5. Dans sa configuration Max, sur le banc d’essai Coding Agent Index, Fusion utilise 7,2 millions de tokens par tâche, soit la moitié de ce que produit par Claude Code avec Claude Opus 5.5. Le tout en ne perdant que de deux points de précision (60 vs 62 points). Sur le test Terminal Bench 4.0, Fusion accapare la tête du classement avec 71 points, contre 69 points pour Muse Code avec Wonder Full. Claude Code avec Claude Opus 5.5 ou Fable 5.1 obtient 66 points, tandis que Codex avec GPT-6.1 Sol obtient 60 points.

À lire également :

Au-delà des LLM, les « harnais IA » font grimper la facture du développement

« Je pense que sur les tâches les plus complexes, la fusion de modèles continuera de dominer », avance Vlad Fedorov. « Et je suis persuadé que nos charges de travail seront de plus en plus auto-optimisées ».

Les développeurs rencontrés par LeMagIT n’ont pas encore testé cette fonctionnalité. La plupart sont curieux. Chez Equifax, la politique de l’entreprise impose l’usage de GitHub Copilot. Prashant Pradhatre s’est montré enthousiaste à tester Copilot Fusion.

Certains s’interrogent encore sur l’efficacité du système.

Chez l’éditeur de logiciel de gestion de chantier Trimble, Claude Code et GitHub Copilot cohabite. « Beaucoup chez nous préfèrent Claude Code, mais ce n’est pas une affaire conclue d’avance. Il pourrait nous reconquérir. Il faudra que ce soit vraiment moins cher, plus rapide et meilleur », anticipe Jeff Doolittle, ingénieur distingué et architecte principal chez Trimble.

« C’est pourquoi Fusion pourrait constituer un levier », complète Paul Walton, ingénieur distingué et architecte principal chez Trimble. « Nous sommes très à l’affût concernant la consommation de tokens et la notion de Tokenomics ».

Un mécanisme économique encore peu transparent

En matière de tarification, un crédit IA de GitHub coûte 0,01 dollar et l’éditeur applique les tarifs des fournisseurs de LLM. Cette approche ajoute des couches d’abstraction qui masque le coût de l’usage de l’IA. « Nous aurons toujours les moyens de vous aider en matière de FinOps, de vous montrer comment définir des budgets et de vous permettre de voir quels tokens sont utilisés et où », promet Kyle Daigle. « Copilot Fusion vient toutefois bouleverser considérablement la donne ».

Pour l’instant, le routage et la fusion de modèles profitent avant tout à la maison mère de GitHub. Elle a aussi appliqué ces approches à Copilot.

« 90 % des requêtes Copilot utilisent le mode Auto qui répartit dynamiquement les tâches entre les différents modèles, en optimisant ainsi la qualité, la rapidité et les coûts », a affirmé Satya Nadella, CEO de Microsoft, lors de la présentation des résultats du 1er trimestre fiscal 2027, le 28 octobre. Cela « se traduit par une augmentation des achats. Le nombre de clients disposant de plus de 50 000 licences Copilot a été multiplié par huit d’une année sur l’autre ».

Chez GitHub, « la consommation de crédits liée aux fonctionnalités agentiques a plus que doublé depuis la mise en place de la facturation à l’utilisation ». Ce changement tarifaire est actif depuis le 1er juin 2026.

Très conscient que ce modèle pousse à la consommation et qu’il doit encore faire ses preuves à large échelle, GitHub offre une ristourne de 30 % sur le prix de Copilot Fusion jusqu’au 30 novembre 2026.

« Copilot Fusion est disponible sur toutes les formules Copilot dans Visual Studio Code, l’application GitHub Copilot, l’interface de ligne de commande GitHub Copilot et les IDE JetBrains. La prise en charge d’autres clients sera bientôt disponible », indique GitHub, dans un billet de blog.

Crédits image en haut d’article : Jay Parikh, vice-président exécutif de l’équipe CoreAI chez Microsoft, prise par Gaétan Raoul pour LeMagIT.

Pour approfondir sur IA appliquée, GenAI, IA infusée