GitHub muscle son infrastructure pour absorber la vague d’agents IA

GitHub renforce fortement son infrastructure après plusieurs incidents de fiabilité et une explosion de l’activité générée par l’IA : en août, la plateforme avait déjà ajouté plus de 3 millions de cœurs CPU et 120 pétaoctets de stockage rapide, puis elle annonce désormais plus de 4 millions de cœurs CPU supplémentaires et 160 PB de stockage. En parallèle, GitHub dit avoir compté 7,38 milliards de commits en septembre, soit cinq fois plus que le mois précédent, dans un contexte où les agents modifient la manière dont le logiciel se fabrique. L’enjeu n’est pas seulement de tenir la charge ; il faut aussi éviter que l’outillage ne plie sous des volumes artificiels.

Quand la capacité ne suffit plus, l’architecture doit suivre

Jay Parikh, vice-président exécutif de CoreAI chez Microsoft, résume la situation sans détour : « Agents are changing the volume and shape of software development. Adding capacity matters, but capacity alone won’t get us there. We’ve also had to change the architecture », écrit-il dans un billet publié avant GitHub Universe, la conférence annuelle phare de la plateforme. Autrement dit, GitHub ne se contente pas d’ajouter des serveurs à la chaîne.

L’entreprise reconstruit aussi son architecture Git pour séparer le calcul du stockage, avec l’objectif d’atteindre jusqu’à 35 fois plus de débit et de limiter les risques de saturation sous charge synthétique. Ce choix compte pour les équipes de développement, car les outils de code sont désormais sollicités par des humains, mais aussi par des agents qui ouvrent, modifient et testent du code à grande vitesse. Le sujet devient presque banal pour les machines ; pour les ingénieurs, beaucoup moins.

Copilot Fusion, un routage intelligent entre plusieurs modèles

GitHub a aussi rendu generally available Copilot Fusion, un moteur de routage qui choisit quels modèles d’IA utiliser selon la difficulté de la tâche, afin d’équilibrer coût, latence et capacité de raisonnement. Le service introduit trois niveaux d’effort — Standard, High et Max — et GitHub affirme que Fusion Max améliore le taux d’exécution des tâches face à des références de haut de gamme tout en plafonnant le coût d’inférence estimé à 1,1 fois celui du modèle de base.

Le principe est simple : toutes les requêtes n’ont pas besoin du même modèle, ni du même prix. « Different tasks need different models. Developers shouldn’t have to manage every model choice to get the right result at the right price », écrit Jay Parikh. Fusion analyse ce qu’exige une tâche — raisonnement, génération de code, débogage, usage d’outils — puis répartit l’exécution sur un ou plusieurs modèles. Pour les clients, c’est surtout une promesse de fluidité ; pour GitHub, c’est une façon de garder la facture sous contrôle.

Sécuriser la chaîne logicielle pendant que l’IA accélère

GitHub déploie aussi plusieurs protections destinées à la chaîne d’approvisionnement logicielle et aux bibliothèques. La plateforme lance un code scanning assisté par IA pour vérifier chaque pull request et chaque dépôt à la recherche de vulnérabilités, ainsi qu’une analyse de portée pour prioriser les alertes selon que le code appelle ou non une fonction vulnérable. Cette dernière ajoute un chemin d’appel consultable directement dans GitHub, ce qui aide les équipes à trier plus vite les vrais risques des faux positifs.

Autre brique : un package firewall qui inspecte les paquets npm au moment du téléchargement afin de bloquer les paquets malveillants connus, les noms typosquattés et les attaques de dépendances zero-day. GitHub veut ainsi réduire les hallucinations dans les bibliothèques et limiter les mauvaises surprises dans les chaînes de build. Les développeurs gagnent du temps, mais les attaquants aussi cherchent à en gagner ; le rapport de force reste très concret.

Copilot veut aussi devenir un chef de projet

La Copilot app s’enrichit enfin de fonctions plus larges, au point de ressembler de moins en moins à un simple assistant de code. Copilot Projects permet de suivre des objectifs, du contexte, des sessions terminal actives et des diffs de code en cours sur plusieurs pistes de développement. Copilot Connectors intègre nativement le Model Context Protocol, afin de récupérer des télémétries de production et des contextes de déploiement depuis Cloudflare, Vercel et Sentry, dans la CLI, l’application web et VS Code.

Copilot Automations ajoute de son côté des tâches d’agent réutilisables en arrière-plan. Et pour élargir encore l’usage, GitHub annonce que l’accès à Copilot s’étend à tous les utilisateurs GitHub Enterprise sans achat supplémentaire de licences. En septembre déjà, la société avait réécrit en Rust le runtime qui alimente Copilot CLI, l’application et le SDK, après avoir constaté qu’il ajoutait environ 100 Mo de mémoire de travail par client et compliquait la gestion des processus, avec un impact sur la vitesse de démarrage, le débit et la densité serveur.