Copilot Fusion délègue le choix des modèles chez GitHub

GitHub a lancé Copilot Fusion le 28 octobre 2026 à GitHub Universe, à San Francisco : un routeur intelligent de modèles qui choisit à la place du développeur le bon modèle, le bon niveau d’effort et le bon schéma d’exécution pour chaque tâche. L’outil est disponible avec tous les plans GitHub Copilot et s’adresse aux usages de codage, de débogage et d’outillage. L’enjeu est simple à formuler : moins de temps perdu à arbitrer entre qualité, latence et coût, davantage de cohérence dans les workflows assistés par IA.

Le développeur garde la direction, Copilot Fusion gère l’itinéraire

Copilot Fusion n’est pas un modèle unique, mais un système d’orchestration. GitHub explique qu’il sélectionne en temps réel les modèles et le pattern d’exécution adaptés à la demande, à partir de signaux de capacité pour le raisonnement, la génération de code, le débogage et l’usage d’outils. L’utilisateur choisit Fusion dans le sélecteur de modèles, puis laisse la plateforme décider du reste. La promesse est claire : ne plus choisir un modèle pour chaque étape d’une tâche, surtout quand la mémoire humaine commence à faire de la gymnastique inutile.

Trois schémas sont disponibles selon la complexité. Le mode single confie toute la tâche à un seul modèle. Le mode cascade fait d’abord rédiger une solution par un modèle efficace, puis la soumet à un juge qui l’accepte ou l’achemine vers un modèle plus puissant. Le mode critique lance plusieurs réviseurs en parallèle, agrège leurs retours et fait retravailler la réponse initiale. GitHub précise que le système peut changer de schéma d’un prompt à l’autre, même dans une même session.

Coût, latence et santé des modèles entrent dans l’équation

GitHub ne se contente pas d’une sélection “intelligente” au sens vague du terme. Copilot Fusion tient compte de l’état des systèmes en temps réel, de la disponibilité des modèles et des frontières naturelles du cache pour éviter des coûts inutiles sans gain de qualité. Autrement dit, le routeur ne déclenche des appels supplémentaires que si la tâche le mérite vraiment. Une requête simple ne paie pas pour une relecture qu’elle n’a pas demandée.

La hiérarchie d’effort est elle aussi explicite. Fusion Standard vise les tâches courantes et équilibre coût, qualité et latence. Fusion High s’adresse aux travaux plus complexes, avec des appels supplémentaires justifiés par l’ampleur du chantier. Fusion Max cible les tâches qui exigent le niveau de raisonnement le plus élevé. GitHub ajoute un mode Fusion Fast, réservé à Visual Studio Code inline chat et non sélectionnable par l’utilisateur. Dans les environnements d’entreprise, les administrateurs peuvent limiter les modèles disponibles et définir Copilot Fusion comme option par défaut ou non.

Des chiffres qui expliquent l’intérêt de GitHub

Sur le terrain, GitHub met en avant des gains mesurables. Selon l’entreprise, Fusion Max atteint des performances comparables à Claude Code avec Opus 5.5 Max sur le benchmark Artificial Analysis Coding Agent Index, avec un score de 60, à moins de deux points de l’outil concurrent cité. GitHub dit aussi avoir observé environ 50 % de coût API moyen en moins, 50 % de tokens utilisés en moins et environ 40 % de temps en moins par tâche. Chez AT&T, Hari Pokhrel, principal software engineer, parle d’une amélioration de “token efficiency” et d’une capacité mieux préservée pour les travaux à plus forte valeur.

• 28 octobre 2026 : annonce à GitHub Universe, San Francisco.
• 60 : score de Copilot Fusion Max sur Artificial Analysis Coding Agent Index.
• 50 % : baisse moyenne du coût API revendiquée face à Claude Code.
• 40 % : réduction du temps par tâche annoncée par GitHub.
• AT&T : “improved token efficiency”, selon Hari Pokhrel.

GitHub indique aussi que Copilot Fusion peut utiliser des modèles locaux dans certains cas, via la version publique preview de l’auto-routing local sur Windows, macOS et Linux, avec MAI Code 1.1 Flash ou Qwen3.8 Flash Next installés localement. Une logique qui va dans le sens du moment : chez plusieurs éditeurs, le choix du modèle devient un sous-produit du workflow plutôt qu’une décision manuelle à chaque requête. C’est moins sexy qu’une démonstration de chatbot, mais beaucoup plus utile quand il faut livrer du code sans se ruiner en tokens.

La portée de ce lancement dépasse GitHub. Replit a déjà fait de son routage intelligent le comportement par défaut sur tous les comptes, et Ramp a décrit un mouvement similaire dans Open SWE. Dans ce contexte, GitHub accélère une tendance de fond : l’orchestration des modèles devient un produit à part entière, pas seulement un détail d’interface.