GitHub a annoncé le 28 octobre 2026 le passage en disponibilité générale de Copilot Fusion, une option du sélecteur de modèles qui ne fixe plus un seul modèle par tâche mais répartit chaque requête entre plusieurs modèles, selon le niveau d’effort choisi. L’objectif affiché est d’équilibrer performance et coût sans laisser ce choix à la charge du développeur à chaque prompt.
Le problème que Fusion cherche à résoudre
Choisir un modèle puissant pour une tâche de raisonnement complexe, puis oublier de repasser sur un modèle plus léger pour une tâche de routine, est une source de surcoût silencieux largement documentée chez les équipes qui utilisent des assistants de code au quotidien. Fusion déplace cette décision du développeur vers l’outil : à chaque prompt, le système analyse la nature de la tâche et choisit lui-même la combinaison de modèles la plus adaptée.
Trois stratégies d’orchestration
Trois workflows sont disponibles selon le niveau d’effort retenu dans le sélecteur (Standard, High, Max) :
| Workflow | Principe | Cas d’usage typique |
|---|---|---|
| Single | Un seul modèle traite la requête de bout en bout | Tâche simple, bien définie |
| Cascade | Un modèle économique rédige une réponse, un contrôle qualité l’accepte ou l’escalade vers un modèle plus capable | Tâche de difficulté incertaine |
| Critique | Un modèle rédige, un second modèle relit, le premier révise | Tâche de raisonnement ou de refactoring sensible |
GitHub ne communique pas la liste exacte des modèles orchestrés par Fusion : la fonctionnalité combine l’approche multi-modèle de son projet interne HydraFusion avec la sélection automatique déjà en place dans Copilot, et ne mobilise que les modèles activés dans la politique de modèles de l’organisation ou de l’entreprise concernée.
Des résultats comparés à Claude Code
Sur l’Artificial Analysis Coding Agent Index, GitHub situe Fusion Max à un score de 60, à deux points de Claude Code exécuté avec Opus 5.5 Max pris comme référence du marché. Le chiffre mis en avant concerne surtout le coût : GitHub revendique ce résultat pour environ la moitié du coût d’API moyen par tâche, avec environ moitié moins de tokens consommés et près de 40 % de temps de traitement en moins par tâche.
Fusion déplace l’arbitrage entre puissance et coût du développeur vers l’outil, requête par requête.
Déploiement, facturation et contrôle administrateur
Fusion est disponible sur l’ensemble des plans Copilot payants, dans Visual Studio Code, l’application Copilot récemment dotée du contrôle d’ordinateur, le CLI GitHub Copilot et les IDE JetBrains ; d’autres clients suivront. Les comptes qui participaient à la preview de recherche sous auto, HydraFusion ou HydraFusion Max basculent automatiquement vers le niveau d’effort Fusion correspondant.
Côté facturation, chaque modèle mobilisé par Fusion est facturé à son tarif standard, mais GitHub applique pour une durée limitée une remise de 30 % sur le coût des modèles utilisés via Fusion pour les comptes sur un plan Copilot payant. Les administrateurs d’organisation ou d’entreprise peuvent activer ou désactiver des modèles pour Fusion, et imposer Fusion, à un niveau d’effort donné, comme modèle par défaut via les paramètres managés de l’entreprise.
Ce que cela change pour une équipe de développement web
Pour une équipe qui pilote déjà des correctifs agentiques en production, Fusion offre un réglage par défaut raisonnable sans configuration fine modèle par modèle. Il reste pertinent de fixer le niveau d’effort par défaut au niveau organisation plutôt que de le laisser au choix individuel, pour éviter qu’une tâche de routine ne parte systématiquement en Max.
Ce qu’il faut retenir
Copilot Fusion généralise une orchestration multi-modèle déjà testée en preview, avec trois stratégies clairement définies et une promesse de coût réduit à qualité comparable. La disponibilité sur tous les plans payants et les IDE principaux en fait un réglage à tester rapidement, en gardant un œil sur la facturation par modèle sollicité plutôt que sur le seul tarif Fusion affiché.
Je reste prudent sur les comparatifs de score publiés par l’éditeur lui-même : un écart de deux points sur un indice composite ne dit rien du comportement sur un projet réel. Ce qui me semble plus solide, c’est le principe d’escalade conditionnelle lui-même, qui correspond à ce que je fais déjà manuellement en passant d’un modèle léger à un modèle plus capable uniquement quand la première passe échoue. Automatiser ce réflexe a du sens, à condition de garder la main sur le niveau d’effort par défaut. — Simon Janvier
Pour aller plus loin : le détail du fonctionnement et des conditions de facturation de Copilot Fusion est disponible dans le changelog officiel GitHub.
