Copilot rend ses crédits plus lisibles

GitHub a ajouté le 19 juin un champ `ai_credits_used` à l’API de métriques d’usage de Copilot. Le changement est discret, mais il rend visible un élément devenu central depuis le passage de Copilot à la facturation à l’usage : la quantité de crédits IA consommée par chaque utilisateur. Selon le changelog, ce total est dérivé des mêmes données que l’API de facturation et apparaît dans les rapports par utilisateur, sur une journée (`users-1-day`) comme sur vingt-huit jours (`users-28-day`), aux niveaux organisation et entreprise.

L’intérêt n’est pas seulement comptable. Les assistants de code ont changé de nature : ils ne se limitent plus à compléter une ligne dans l’éditeur, ils lancent des discussions longues, relisent des pull requests, parcourent des dépôts et exécutent des tâches d’agent. Ces usages ne consomment pas tous la même quantité de calcul. En exposant le crédit consommé au niveau de l’utilisateur, GitHub donne aux administrateurs un moyen de rapprocher l’adoption, les équipes et les coûts, au lieu de ne voir qu’une dépense globale en fin de période.

Le point technique compte pour les responsables plateforme. GitHub précise que le champ est un total global pour toute l’activité Copilot d’un utilisateur, et qu’il ne doit pas servir à reconstituer le prix exact de chaque action. Autrement dit, l’API donne une granularité de pilotage, pas une facture détaillée par prompt. Cela suffit toutefois pour repérer les écarts, comprendre si une équipe utilise surtout l’autocomplétion ou des fonctions plus lourdes, et préparer des règles internes sur les budgets, les modèles autorisés ou les usages d’agents.

La brève révèle une tendance plus large de l’IA en entreprise : les outils deviennent des postes de coût opérationnel mesurables, proches d’une ressource cloud. La question n’est plus seulement « faut-il équiper les développeurs ? », mais « comment suivre ce que les agents font vraiment et ce que cela consomme ? ». Pour les organisations qui déploient Copilot à grande échelle, ce nouveau champ transforme une inquiétude vague sur les crédits en signal exploitable. Pour les utilisateurs, il annonce aussi une culture plus sobre de l’IA de développement, où les sessions longues, les revues automatiques et les agents seront observés comme n’importe quelle ressource partagée.