GitHub Copilot Fusion automatise la sélection des modèles pour réduire les coûts API

GitHub a présenté Copilot Fusion, un nouveau système d'orchestration conçu pour automatiser la sélection des modèles lors des tâches de codage. Annoncé le 28 octobre 2026 lors de la conférence GitHub Universe à San Francisco, cet outil vise à réduire la charge cognitive des développeurs et à diminuer les dépenses API en dirigeant dynamiquement les travaux vers les modèles les plus efficaces.

Ce qui s'est passé

Le nouveau système combine l'orchestration avancée des modèles en temps réel issue du projet Project HydraFusion avec la sélection automatique de modèles de Copilot (Copilot Auto Model Selection). Cette intégration permet à GitHub Copilot de gérer à la fois la décision concernant le modèle à utiliser et la coordination des interactions entre ces modèles durant une tâche. Les développeurs n'ont plus besoin de changer manuellement de modèle selon le type de travail, qu'il s'agisse de raisonnement, de génération de code, de débogage ou d'utilisation d'outils.

GitHub affirme que son paramètre haut de gamme, Fusion Max, offre des performances de référence comparables à celles de Claude Code utilisant Opus 5.5 Max. Cependant, il atteint ce niveau à environ la moitié du coût moyen API par tâche. L'entreprise rapporte également que Fusion Max termine les tâches environ 40 % plus rapidement que le concurrent, tout en utilisant approximativement deux fois moins de tokens. Ces métriques ont été mises en avant lors du discours principal de GitHub Universe, dans le cadre de la vision plus large de l'entreprise visant à devenir le système de livraison logicielle le plus complet au monde.

Les premiers utilisateurs ont noté des avantages pratiques dans leurs flux de travail quotidiens. Hari Pokhrel, ingénieur logiciel principal chez AT&T, a déclaré que le système avait amélioré l'efficacité des tokens au sein de son équipe. Il a souligné que les développeurs oublient souvent de revenir des modèles puissants et coûteux vers des modèles plus légers pour les activités routinières, entraînant des dépenses inutiles. Copilot Fusion résout ce problème en ajustant automatiquement l'utilisation des modèles en fonction des exigences spécifiques de chaque étape du workflow.

Comment cela fonctionne

Copilot Fusion opère en analysant la nature d'une tâche de codage et en sélectionnant le modèle approprié ou la combinaison de modèles pour l'exécuter. Au lieu d'un choix statique, le système peut employer des stratégies dynamiques telles que les workflows en cascade ou de critique. Dans un workflow en cascade, un modèle initial génère une réponse, qui est ensuite évaluée par un contrôle qualité. Si le résultat répond à certains critères, il est accepté ; sinon, la tâche est escaladée vers un modèle plus performant. Dans un workflow de critique, un modèle examine et affine le travail d'un autre.

Les développeurs conservent le contrôle sur l'intensité générale de l'effort grâce à trois niveaux prédéfinis. Fusion Standard est conçu pour les tâches de codage quotidiennes, équilibrant vitesse et coût. Fusion High est destiné aux problèmes plus complexes nécessitant un raisonnement plus approfondi. Fusion Max est réservé aux travaux les plus complexes et exigeants, exploitant toute la puissance du moteur d'orchestration. Cette approche hiérarchisée permet aux équipes d'aligner l'utilisation des ressources sur la complexité des tâches sans micro-gérer les appels individuels aux modèles.

Les administrateurs d'entreprise disposent également d'un contrôle granulaire sur le système. Ils peuvent définir quels modèles sont disponibles pour la sélection par Copilot Fusion, désactivant efficacement des modèles spécifiques pour le moteur d'orchestration tout en les laissant accessibles pour une utilisation directe si nécessaire. Les administrateurs peuvent ajuster indépendamment les états de politique pour chaque modèle et déterminer si Copilot Fusion sert d'option par défaut pour les développeurs de leur organisation.

Détails clés

• Copilot Fusion a été annoncé le 28 octobre 2026 lors de GitHub Universe à San Francisco.
• Le système intègre l'orchestration de Project HydraFusion avec la sélection automatique de modèles de Copilot.
• GitHub affirme que Fusion Max égale les benchmarks de Claude Code (Opus 5.5 Max) à la moitié du coût API.
• Les tâches traitées par Fusion Max prendraient 40 % moins de temps et utiliseraient la moitié des tokens.
• Les utilisateurs choisissent entre trois niveaux d'effort : Fusion Standard, Fusion High et Fusion Max.
• Les administrateurs d'entreprise peuvent restreindre les modèles auxquels le moteur de fusion est autorisé à router les tâches.

Pourquoi c'est important

Pour les leaders techniques et les développeurs, la proposition de valeur principale réside dans la réduction des frictions opérationnelles et des coûts. Sélectionner manuellement le bon modèle pour chaque sous-tâche est mentalement éprouvant et sujet aux erreurs. Les développeurs optent souvent par défaut pour le modèle le plus puissant afin de garantir la qualité, gonflant involontairement les coûts pour des tâches simples de refactoring ou de documentation. En automatisant cette décision, Copilot Fusion permet aux ingénieurs de se concentrer sur la direction architecturale et les résultats plutôt que sur l'ajustement de l'infrastructure.

Les économies signalées par GitHub sont significatives pour les organisations qui étendent le développement assisté par IA. Si l'affirmation d'une réduction de moitié des coûts API se vérifie dans les environnements de production, elle impacte directement la rentabilité des équipes d'ingénierie fortement dépendantes de l'IA. De plus, la capacité d'imposer des politiques de modèles au niveau administratif aide les entreprises à gérer la conformité et les contraintes budgétaires sans étouffer la productivité des développeurs. Ce changement reflète une tendance plus large de l'industrie où le routage intelligent devient la norme pour les agents de codage IA, comme on le voit avec des initiatives similaires de Ramp et Replit.

Ce que vous pouvez faire

• Évaluez vos dépenses API actuelles pour les assistants de codage afin d'établir une base de comparaison.
• Testez les trois niveaux d'effort (Standard, High, Max) sur des tâches représentatives pour mesurer les différences de performance.
• Examinez les paramètres d'administration entreprise pour définir quels modèles doivent être disponibles pour le routage automatique.
• Surveillez l'utilisation des tokens et les temps de complétion des tâches après l'activation de Copilot Fusion pour vérifier les gains d'efficacité.
• Formez votre équipe au nouveau workflow, en soulignant qu'ils peuvent déléguer la sélection des modèles tout en conservant une supervision.
• Comparez la qualité des sorties de Fusion Max avec celle de votre modèle principal actuel pour des scénarios de débogage complexes.