GitHub a profité de son événement Universe 2026 pour présenter sa vision d’un système de livraison logicielle de bout en bout, conçu pour les développeurs qui travaillent aux côtés d’agents d’IA. L’entreprise a indiqué que l’objectif ne se limite plus à produire du code, mais consiste à mener à bien le travail logiciel, notamment les fonctionnalités, les corrections de bogues et les correctifs de sécurité.
GitHub a décrit le développement logiciel comme un processus continu plutôt que comme une séquence linéaire de planification, de codage, de tests et de déploiement. Les développeurs définiraient l’orientation et resteraient responsables de ce qui est livré, tandis que les agents pourraient mettre en œuvre et vérifier les changements. GitHub a indiqué que le système vise à accélérer le travail, à apprendre des tâches réalisées grâce au partage du contexte, et à aider à détecter les problèmes de sécurité et les bogues avant la publication.
Parmi les produits annoncés figurait l’application GitHub Copilot, qui relie des agents et des outils entre différents projets. GitHub a indiqué que les utilisateurs peuvent piloter le travail depuis l’application et l’utiliser pour des tâches qui dépassent le codage, notamment la rédaction de spécifications, les discussions sur la conception et l’analyse de la télémétrie.
Copilot Fusion est conçu pour sélectionner et coordonner un ou plusieurs modèles d’IA en fonction des besoins d’une tâche, comme le raisonnement, la génération de code, le débogage et l’utilisation d’outils. GitHub a cité les résultats de l’Artificial Analysis Coding Agent Index, où Fusion Max a obtenu un score à deux points d’Opus 5.5 Max, tout en coûtant deux fois moins cher et en prenant 40 % moins de temps par tâche.
Les projets Copilot, disponibles nativement dans l’application Copilot dès le jour de l’annonce, permettent aux utilisateurs d’exécuter en parallèle des tâches d’agents sur plusieurs dépôts, au sein de sessions gérées. GitHub a également présenté la continuité des sessions, qui permet aux utilisateurs de démarrer et de suivre une même session d’agent cloud dans l’application GitHub, VS Code, l’interface en ligne de commande et le Web.
Les automatisations Copilot peuvent s’exécuter dans le cloud manuellement, selon un calendrier ou en réponse à un événement. GitHub a indiqué qu’elles peuvent coordonner des agents pour des tâches comme le triage des problèmes et la revue de code, et qu’elles peuvent désormais s’appuyer sur les résultats obtenus pour suggérer des améliorations que les utilisateurs pourront examiner et approuver.
Pour la revue de code, GitHub a lancé Copilot code review Max, une option de revue approfondie pour les changements qui nécessitent un examen supplémentaire. L’entreprise a indiqué que Max avait obtenu le score F1 le plus élevé sur ReviewBench pour les problèmes de gravité élevée ; Lite et Balanced restent disponibles pour des revues quotidiennes plus rapides.
Les clients GitHub Enterprise peuvent utiliser les fonctionnalités Copilot, notamment l’application, la revue de code et les automatisations, sans abonnement Copilot distinct, et ne payer que les crédits d’IA consommés. Cette option est disponible auprès de l’équipe commerciale de GitHub, avec un accès en libre-service prévu ultérieurement. Les clients actuels de Copilot Business et Enterprise peuvent conserver leur offre ou changer lorsqu’ils le souhaitent.
GitHub a également présenté les travaux d’infrastructure destinés à répondre aux exigences changeantes du développement assisté par des agents. L’entreprise a indiqué avoir ajouté, depuis le début de l’année, quatre millions de cœurs de processeur, 160 pétaoctets de stockage à haut débit et une capacité réseau de 50 térabits par seconde. Elle migre vers un déploiement multirégional sur Azure et prévoit d’achever ces travaux au début de l’année prochaine.
L’entreprise fait également évoluer son architecture Git, en s’appuyant sur des projets visant à simplifier les primitives, à séparer le stockage du calcul et à réduire la coordination au minimum. GitHub a indiqué que ces travaux s’inscrivent dans des efforts plus larges menés sur sa passerelle d’IA et son environnement d’agents afin d’améliorer la capacité et la fiabilité de la plateforme.
Sources: GitHub Blog.