GitHub Copilot Fusion : le bon modèle d'IA choisi pour chaque tâche

Trois schémas d'orchestration

Fusion retient l'un de trois schémas pour chaque tâche. Dans le premier, un modèle économe propose une solution, un second en vérifie la qualité et décide s'il faut passer la main à un modèle plus performant. Dans le deuxième, un modèle rédige un brouillon, qu'un modèle d'une autre famille relit de façon indépendante. Si le relecteur formule des remarques, le modèle d'origine corrige sa solution une seule fois.

Pour arbitrer entre qualité et coût lors du choix du schéma, des niveaux de charge sont proposés. L'un offre une orchestration équilibrée, avec une économie modérée de jetons, pour de vastes tâches de programmation bien délimitées, comme la correction de bogues complexes ou des modifications touchant plusieurs fichiers. Un autre vise des performances de pointe tout en restant attentif à l'efficacité en jetons, pour les tâches exigeant le raisonnement le plus profond et l'analyse la plus minutieuse.

Modèles locaux en préversion

En préversion publique, Fusion Standard permet aussi d'exécuter des tâches avec des modèles installés localement : MAI Code 1.1 Flash ou Qwen3.8 Flash Next.

Pour les équipes qui utilisent déjà Copilot, l'enjeu est réel, car le choix du modèle devient autant une question de coût que de qualité. En confiant cette décision à l'outil, GitHub parie que les développeurs préféreront un assemblage géré de modèles plutôt qu'un modèle unique pour chaque usage.