Copilot agrandit sa mémoire de travail

GitHub a annoncé le 4 juin 2026 que Copilot prend désormais en charge des fenêtres de contexte beaucoup plus grandes et des niveaux de raisonnement configurables. Le point le plus visible est la fenêtre d’un million de tokens : dans un assistant de code, un token est un petit morceau de texte, souvent un bout de mot ou de syntaxe. Plus la fenêtre est grande, plus l’outil peut garder de fichiers, d’instructions et d’historique dans son espace de travail au moment de répondre.

Ce changement touche directement la manière dont les développeurs utilisent les agents de programmation. Une petite fenêtre de contexte oblige souvent à résumer, à choisir quelques fichiers, ou à demander à l’outil de repartir chercher de l’information. Une fenêtre très large permet de raisonner sur une base de code plus complète : architecture, conventions internes, tests, messages d’erreur et morceaux éloignés d’un même flux peuvent être pris en compte ensemble. Ce n’est pas une garantie de justesse, mais cela réduit l’un des frottements classiques des assistants de code : perdre le fil parce que la tâche dépasse la mémoire disponible.

L’autre élément important est le réglage du raisonnement. GitHub indique que Copilot propose des niveaux configurables, afin d’adapter l’effort du modèle à la difficulté de la tâche. Pour une correction simple, un mode plus rapide peut suffire. Pour comprendre un gros dépôt, préparer une migration ou analyser un échec de tests complexe, un raisonnement plus poussé peut valoir le temps et le coût supplémentaires. La page précise aussi que ces capacités ont un lien avec la consommation de crédits d’IA, ce qui rappelle que la puissance de calcul devient un paramètre produit à part entière.

Ce que cela change concrètement, c’est la frontière entre autocomplétion et agent logiciel. Copilot n’est plus seulement un outil qui suggère une ligne ou une fonction. Il se rapproche d’un environnement où le développeur choisit le volume de contexte et l’intensité d’analyse selon le travail à faire. Pour les équipes, l’enjeu sera de définir des usages raisonnables : quand payer pour un contexte massif, quand rester sur une requête courte, et comment vérifier les changements proposés. L’annonce est donc moins spectaculaire qu’un nouveau modèle, mais elle est révélatrice : les assistants IA deviennent des outils réglables, avec des compromis explicites entre profondeur, vitesse et coût.