Agents
GitHub Copilot Fusion choisit les modèles pour vous : coder mieux pour moins cher ?
Copilot Fusion choisit et combine des modèles IA. Son score, son coût par tâche, ses limites et ce que changent les crédits GitHub.
Faut-il choisir un gros modèle pour chaque tâche de développement, ou réserver sa puissance aux problèmes qui en ont vraiment besoin ? Avec Copilot Fusion, lancé le 28 octobre, GitHub propose une troisième option : laisser Copilot sélectionner et, si nécessaire, combiner les modèles à votre place (GitHub).
La promesse est séduisante : approcher les performances des meilleurs agents sans leur coût sur toutes les tâches. Un test indépendant donne du poids à cette idée, mais il ne prouve pas que Fusion sera toujours moins cher pour votre projet. Voici ce que les chiffres mesurent et ce que vous payez réellement.
Un orchestrateur, pas un nouveau modèle
Copilot Fusion est un système de routage et d'orchestration. Vous choisissez un niveau d'effort ; Fusion décide quels modèles disponibles dans votre offre utiliser et comment les faire travailler. Il peut employer un seul modèle ou ajouter une étape de vérification lorsque la tâche le justifie (documentation GitHub).
GitHub décrit trois façons de procéder :
| Parcours | Fonctionnement | Intérêt |
|---|---|---|
| Single | Un modèle traite directement la tâche. | Éviter une revue supplémentaire quand elle n'est pas nécessaire. |
| Cascade | Un modèle produit une première solution ; une vérification l'accepte ou confie le problème à un modèle plus puissant. | Réserver davantage de ressources aux cas difficiles. |
| Critique | Un modèle propose une réponse, d'autres l'examinent, puis le premier peut la réviser. | Ajouter une revue pour les tâches qui le justifient. |
Source : documentation GitHub. Ce sont les parcours possibles ; leur sélection dépend de la tâche et du niveau choisi.
Standard vise le travail courant et, selon la documentation, utilise un seul modèle par tâche. High cible les changements plus complexes ; Max privilégie les problèmes les plus exigeants. GitHub précise que High et Max peuvent ajouter des appels et consommer davantage de crédits. On peut voir les étapes et retrouver les modèles utilisés sous la réponse (GitHub).
Un test indépendant : deux points de moins, près de moitié prix
Artificial Analysis a testé Fusion Max dans Copilot CLI sur son Coding Agent Index v2.0. L'indice combine à poids égaux FrontierCode v1.1, Terminal-Bench 4.0 et SWE-Atlas-QnA-AA. Son unité de comparaison est le couple agent et configuration de modèle, pas le modèle seul (Artificial Analysis).
| Agent et configuration | Indice de code | Coût moyen par tâche |
|---|---|---|
| Claude Code avec Claude Opus 5.5 Max | 62 / 100 | 11,42 $ |
| GitHub Copilot CLI avec Fusion Max | 60 / 100 | 5,59 $ |
Source : Artificial Analysis, comparaison des agents, relevé le 29 octobre 2026. Le coût indiqué est celui calculé pour les tâches du benchmark, pas le prix d'une tâche dans votre abonnement.
Fusion est à deux points de Claude Code sur cet indice, avec un coût moyen inférieur d'environ 51 %. Le classement change selon le test : Fusion obtient 71 % sur Terminal-Bench 4.0 contre 63 % pour Claude Code, mais 51 % sur FrontierCode contre 56 % pour Claude Code. Une moyenne proche ne signifie donc pas que les deux agents réussissent les mêmes problèmes (Artificial Analysis).
Le résultat ne permet pas non plus de prédire votre économie : les tâches du benchmark, la configuration, les outils, les tarifs et les conditions de cache peuvent différer des vôtres. Il compare deux systèmes complets, avec leurs environnements respectifs. Et il ne dit pas si le code produit conviendra à votre architecture ou sera facile à maintenir.
La facture : des crédits, pas un tarif unique Fusion
Fusion n'a pas de supplément propre. GitHub facture les modèles utilisés à leurs tarifs respectifs : une tâche qui passe par plusieurs modèles peut donc coûter davantage qu'un appel simple. Dans les offres individuelles, l'utilisation des tokens est convertie en GitHub AI Credits ; un crédit correspond à 0,01 dollar de coût d'utilisation. Les allocations incluses et les règles exactes dépendent de l'offre (GitHub, facturation individuelle).
Pour les offres individuelles payantes, GitHub annonce les montants mensuels suivants :
| Offre | Prix mensuel annoncé | Crédits IA mensuels inclus |
|---|---|---|
| Copilot Pro | 10 $ | 1 500 |
| Copilot Pro+ | 39 $ | 7 000 |
| Copilot Max | 100 $ | 20 000 |
Source : documentation GitHub, relevée le 29 octobre 2026. Une partie de l'allocation est variable selon GitHub. Les conditions des offres gratuites, étudiantes et professionnelles diffèrent ; consultez votre tableau d'utilisation avant de comparer.
GitHub prévoit une réduction de 30 % sur le coût des modèles utilisés par Fusion pour les offres Copilot payantes, jusqu'au 30 novembre 2026. Ce n'est pas une réduction permanente du prix de l'abonnement (GitHub).
En pratique, commencez par Standard pour une modification ciblée. Passez à High ou Max quand la difficulté justifie davantage de raisonnement, puis regardez les crédits réellement consommés et le temps passé à vérifier les changements. Le coût pertinent est celui d'une solution acceptée et vérifiée, pas seulement celui d'une première réponse.
Où l'utiliser ? Et les modèles locaux ?
Fusion est disponible dans VS Code, Copilot CLI, l'application GitHub Copilot et les IDE JetBrains, avec des possibilités qui dépendent de l'offre et des politiques de l'organisation. Pour l'essayer, mettez votre client à jour, sélectionnez Copilot Fusion dans le choix des modèles, puis choisissez Standard, High ou Max (GitHub).
GitHub teste aussi la sélection de modèles locaux en niveau Standard. Dans Copilot CLI, certains modèles configurés manuellement peuvent être utilisés sur macOS, Windows et Linux ; la configuration et les ressources nécessaires restent à la charge de l'utilisateur. Cette fonction est en aperçu expérimental. Même si l'inférence utilise un modèle sur votre machine, le routage reste dans le cloud : la session n'est pas entièrement hors ligne (GitHub).
Notre lecture
Fusion répond à un problème très concret : choisir le modèle le plus puissant pour une petite tâche peut gaspiller des crédits, tandis qu'un modèle léger peut échouer sur une modification complexe. L'orchestration rend ce compromis plus automatique ; elle ne supprime ni le besoin de relire les changements ni l'incertitude sur le coût final.
Le test d'Artificial Analysis est encourageant pour Fusion Max, mais il ne démontre pas qu'il bat chaque concurrent sur chaque tâche. Pour une équipe ou un développeur indépendant, le meilleur essai reste de comparer quelques tâches représentatives : une correction simple, un bug difficile et une modification multi-fichiers, avec le même critère de réussite et le suivi des crédits.
Sources
- GitHub, lancement de Copilot Fusion, 28 octobre 2026
- GitHub, fonctionnement, niveaux et facturation de Fusion, vérifié le 29 octobre 2026
- Artificial Analysis, test de Copilot Fusion, 28 octobre 2026
- Artificial Analysis, comparaison Claude Code et Copilot, relevé le 29 octobre 2026
- GitHub, facturation individuelle et crédits, vérifié le 29 octobre 2026
- GitHub, modèles locaux dans Copilot Fusion, 28 octobre 2026
Une erreur dans cet article ? Signalez-la · Notre politique de corrections
