GitHub a publié une nouvelle série d’évolutions pour Copilot le 14 août 2026. Les changements concernent les modèles disponibles, les plugins d’agents, l’application Copilot, le CLI, JetBrains et VS Code. Le changelog GitHub confirme plusieurs déploiements, mais il ne donne ni calendrier précis par compte ni détail tarifaire complet.
Ce que GitHub confirme cette semaine
Fait : GitHub indique que Kimi K3 est en cours de déploiement dans les offres Copilot Pro, Pro+, Max, Business et Enterprise. Cette disponibilité concerne donc plusieurs niveaux de compte, y compris des offres destinées aux équipes. La source ne précise toutefois pas si chaque utilisateur recevra l’accès au même moment. GitHub mentionne explicitement ce déploiement.
Fait : MAI-Code-1.1-Flash arrive aussi dans GitHub Copilot. GitHub lui attribue une compréhension native des images ainsi que des améliorations sur la qualité de code, le suivi des instructions, l’utilisation d’outils et les performances. Ce sont les caractéristiques annoncées par GitHub. La source ne publie pas de benchmark chiffré permettant de comparer ce modèle aux autres modèles de Copilot.
Fait : Agent Plugins 1.0 est désormais disponible de façon générale dans VS Code, Copilot CLI, le SDK GitHub Copilot et l’application Copilot. GitHub présente cette évolution comme un moyen de construire un plugin une fois, puis de l’utiliser avec des outils d’agents compatibles. La note officielle détaille les environnements concernés.
Pour un marketeur, un freelance no-code ou une équipe SaaS, ce point mérite de l’attention. Un workflow d’agent devient intéressant quand il évite de reconstruire le même contexte dans plusieurs interfaces. Cela ne signifie pas qu’un plugin fonctionnera automatiquement dans tous les outils. GitHub parle d’outils compatibles, ce qui suppose de vérifier la compatibilité réelle avant de standardiser un process.
Cette actualité rejoint les sujets que je suis dans la rubrique actualités, notamment les changements rapides autour des modèles et des usages professionnels de l’IA. Si tu pilotes une stack marketing ou produit, l’enjeu n’est pas d’ajouter une IA partout. L’enjeu est de savoir quel outil garde le contexte utile, applique les bonnes instructions et reste contrôlable par ton équipe.
Plugins portables : ce qui change concrètement
Fait : Agent Plugins 1.0 peut être utilisé dans VS Code, Copilot CLI, le SDK GitHub Copilot et l’application Copilot. GitHub confirme cette disponibilité générale dans son annonce. En revanche, la source ne liste pas les plugins existants, leurs prix éventuels, ni les cas d’usage les plus pertinents pour le marketing.
Analyse : cette approche peut réduire la dispersion des consignes et des outils. Une équipe qui formalise ses règles de projet dans un plugin peut chercher à retrouver le même cadre dans plusieurs surfaces de travail. C’est utile si les tâches passent du poste de développement au terminal, puis à une application dédiée.
En pratique, je te conseille de ne pas partir d’un gros plugin. Commence par une tâche répétitive et vérifiable. Cela peut être la lecture d’un projet, la vérification d’une convention de nommage, la préparation d’une checklist de livraison ou l’analyse d’un fichier de configuration. Le bon test n’est pas la sophistication du plugin. C’est sa capacité à produire un résultat cohérent, contrôlable et réutilisable.
Pour les équipes qui utilisent des automatisations, le principe est proche de ce que je détaille dans mon guide pour automatiser son business. Un workflow utile commence par une entrée claire, une action explicite et un résultat mesurable. Un agent ne remplace pas cette logique. Il la rend potentiellement plus rapide, à condition de lui fournir les bons garde-fous.
Opinion : selon moi, les plugins sont plus intéressants pour les équipes qui ont déjà documenté leurs processus. Si ton fonctionnement repose encore sur des messages dispersés et des habitudes implicites, un plugin risque surtout de figer de la confusion. Je commencerais donc par clarifier les étapes humaines avant de les transférer à un agent.
Copilot CLI : davantage de contrôle sur les agents
Fait : GitHub ajoute la gestion des sous-agents et de leurs tâches via la commande /tasks dans Copilot CLI. La source annonce aussi la possibilité de mettre en file d’attente des prompts, des commandes shell et certaines commandes slash pendant qu’un tour d’agent est en cours.
Fait : GitHub indique qu’il est possible de combiner --plan et --mode autopilot en mode headless avec -p. Selon l’annonce, cette combinaison permet à l’agent de produire un plan puis de l’implémenter. GitHub ajoute également /rewind, une commande destinée à restaurer les modifications de Copilot sans nécessiter Git et sans supprimer les modifications de l’utilisateur.
Ces fonctions parlent surtout à ceux qui travaillent déjà dans le terminal ou qui orchestrent des tâches techniques. Elles ne transforment pas un outil de développement en plateforme marketing complète. En revanche, elles peuvent aider une petite équipe à rendre certaines opérations plus visibles : quelle tâche est en cours, quel agent travaille sur quoi, et quelles modifications doivent être relues.
Analyse : la mise en file d’attente peut réduire les interruptions dans une session agent. Mais elle peut aussi augmenter le risque de lancer une série d’actions mal cadrées. Avant d’utiliser un mode autonome, je te recommande de séparer la préparation, l’exécution et la validation. Un agent peut proposer ou exécuter. La responsabilité de vérifier le résultat reste chez toi.
Cette discipline vaut aussi pour tes automatisations no-code. Dans un CRM, un outil d’email marketing ou un pipeline commercial, une automation mal paramétrée se propage vite. Si tu construis un système de suivi, commence par les bases présentées dans mon article sur le rôle d’un CRM et son choix. Le bon outil n’est pas celui qui automatise le plus. C’est celui qui laisse une trace compréhensible de ce qu’il fait.
L’application Copilot et le travail avec les réponses d’agents
Fait : GitHub indique que les plugins installés sont plus faciles à gérer dans l’application Copilot. L’utilisateur peut voir la version actuelle d’un plugin, mettre à jour un plugin individuellement ou les mettre à jour en une fois depuis Customize ou Settings.
Fait : l’application Copilot permet aussi d’ouvrir une question d’agent dans un chat latéral pour en discuter avant de répondre. La question initiale attend la réponse de l’utilisateur pendant cet échange. Cette fonction est décrite dans le changelog GitHub.
Analyse : cette possibilité de discuter avant de répondre est un détail important. Dans les workflows d’agents, une question ambiguë peut modifier tout le résultat. Pouvoir examiner l’enjeu dans un espace séparé peut éviter de répondre trop vite à une demande technique, commerciale ou organisationnelle.
Pour toi, l’application pratique est simple. Quand un agent pose une question sur une règle métier, ne réponds pas seulement avec une intuition. Vérifie la source interne, le responsable du processus ou l’objectif mesuré. Cette méthode est particulièrement utile pour les procédures liées à la donnée client, aux emails et aux accès. Une réponse rapide n’est pas forcément une réponse exploitable.
Si tu veux structurer tes informations avant de les donner à un agent, les méthodes de gestion de projet et outils restent pertinentes. Un tableau de tâches, une définition de terminé et un responsable de validation évitent beaucoup d’automatisations inutiles.
JetBrains : mémoire et modèles Ollama
Fait : GitHub annonce Copilot memory dans JetBrains. Selon la source, cette fonction vise à conserver du contexte utile entre des sessions de chat avec l’agent, afin de ne pas répéter certains détails de projet ou préférences.
Fait : GitHub annonce aussi le support de modèles Ollama locaux dans JetBrains, avec Ollama proposé comme fournisseur BYOK, pour « bring your own key ». La source renvoie vers une mise à jour JetBrains plus détaillée, mais le paquet fourni ici ne précise pas les modèles locaux compatibles ni les conditions exactes de configuration.
Analyse : la mémoire peut apporter de la continuité, mais elle ne doit pas devenir une zone opaque. Si un agent conserve des préférences ou du contexte de projet, ton équipe doit savoir quelles informations sont réutilisées et comment elles sont maintenues. Pour une entreprise, la question n’est pas seulement la qualité de la réponse. C’est aussi la gouvernance du contexte.
L’arrivée d’Ollama comme option BYOK élargit le choix technique. Elle ne prouve pas qu’un modèle local est préférable dans tous les cas. Il faut évaluer la qualité des sorties, les besoins d’intégration, les contraintes de sécurité et la capacité de l’équipe à maintenir l’environnement. Le mot local ne suffit pas à résoudre un problème de processus.
J’ai déjà abordé la différence entre vocabulaire ouvert et réalité des modèles dans mon analyse sur open source et open weight. Ici aussi, je te conseille de regarder la documentation et le comportement réel de l’outil, pas seulement l’étiquette affichée.
VS Code : modèles, contexte et navigateur intégré
Fait : GitHub indique que VS Code 1.133 permet de changer de modèle sans quitter une session Claude, en choisissant entre Claude BYOK et des modèles Copilot intégrés pour chaque nouveau tour. La source indique également qu’un prompt pertinent peut être épinglé durant le défilement d’une longue conversation.
Fait : GitHub annonce aussi que les changements HTML peuvent être vus immédiatement dans le navigateur intégré, sans rafraîchissement manuel. La note officielle renvoie aux notes complètes de VS Code pour les autres nouveautés.
Analyse : garder un prompt visible dans une longue conversation paraît modeste. Pourtant, c’est souvent là que se perd la qualité d’un workflow. Quand le contexte initial disparaît, l’agent peut continuer à produire du texte ou du code, mais s’éloigner du besoin. Épingler l’instruction centrale peut donc aider à limiter les dérives.
Pour les projets web et les tunnels marketing, voir immédiatement un changement HTML peut accélérer une vérification visuelle. Cela ne remplace pas le contrôle sur mobile, les tests de formulaires, le suivi analytique ou la conformité des messages commerciaux. Si tu crées une page avec des outils no-code, retrouve aussi mes repères sur la création d’un site web.
Ce qui reste inconnu
Fait : l’annonce GitHub ne fournit pas de grille tarifaire dans le contenu du paquet de sources. Elle ne détaille pas non plus les dates exactes de disponibilité pour chaque compte, les limites d’usage, les performances comparées des modèles ou la liste complète des plugins compatibles.
Il est donc trop tôt pour affirmer qu’un nouveau modèle sera plus rentable, plus rapide ou plus pertinent pour ton équipe. Il serait également imprudent de recommander un plan Copilot précis sur cette seule base. Les offres et leurs conditions peuvent évoluer. Avant une décision d’achat, consulte la documentation et les conditions applicables à ton compte.
Analyse : je vois surtout une évolution vers des agents mieux intégrés à plusieurs environnements de travail. La valeur ne viendra pas uniquement du modèle choisi. Elle dépendra de la qualité des instructions, des données auxquelles l’agent accède, des validations humaines et des indicateurs suivis après déploiement.
Sur les sujets SEO et automatisation, cette logique rejoint le travail que je mène avec mon agence AskOptimize. Un outil IA peut accélérer une production ou une analyse. Il ne garantit ni le trafic, ni la conversion, ni la cohérence d’une stratégie.
Ce que ça change pour toi
Si tu utilises GitHub Copilot dans une équipe produit, commence par identifier ton point de friction principal. Est-ce la répétition des consignes ? Le passage entre IDE et terminal ? La relecture de changements ? Ou la difficulté à garder un contexte propre entre plusieurs personnes ? Les annonces de GitHub répondent à des problèmes différents.
Teste Kimi K3 ou MAI-Code-1.1-Flash sur un périmètre identique, avec une tâche que tu sais évaluer. Essaie ensuite un plugin sur une procédure courte. Enfin, observe si la mémoire ou les tâches d’agents rendent réellement le travail plus clair. Ne mesure pas uniquement le temps passé. Mesure aussi le nombre de corrections, la facilité de relecture et la capacité à reproduire le résultat.
Pour un profil marketing, le bénéfice indirect peut être réel. Une équipe technique mieux organisée peut livrer plus facilement une page, une intégration ou une correction. Mais un outil de code ne remplace pas un outil d’email marketing, un CRM ou un dashboard. Garde une stack simple et lisible. Pour mieux cadrer la partie relation client, tu peux aussi consulter mon guide pour choisir un outil d’email marketing.
Mon avis
Opinion : je trouve intéressante l’idée de plugins utilisables dans plusieurs surfaces de Copilot. C’est une piste crédible pour limiter les consignes dispersées. Je resterais néanmoins prudent sur les promesses d’autonomie. Un agent utile est un agent dont tu peux relire les actions, comprendre le contexte et arrêter le workflow au bon moment. Avant de changer d’offre ou de déployer un plugin à l’échelle, je ferais un test documenté sur une tâche précise.
FAQ
Quels modèles GitHub Copilot annonce-t-il en août 2026 ?
Fait : GitHub annonce le déploiement de Kimi K3 et de MAI-Code-1.1-Flash dans Copilot. GitHub attribue à MAI-Code-1.1-Flash une compréhension native des images et plusieurs améliorations annoncées. Les détails de performance comparée ne figurent pas dans la source officielle.
Kimi K3 est-il disponible avec GitHub Copilot Business ?
Fait : GitHub indique que Kimi K3 est en cours de déploiement pour Copilot Pro, Pro+, Max, Business et Enterprise. La date exacte d’accès pour ton compte n’est pas précisée dans le paquet de sources.
À quoi servent les Agent Plugins 1.0 de GitHub Copilot ?
Fait : GitHub présente Agent Plugins 1.0 comme une façon de créer un plugin une fois et de l’utiliser dans des outils d’agents compatibles. La disponibilité générale annoncée couvre VS Code, Copilot CLI, le SDK GitHub Copilot et l’application Copilot.
Peut-on utiliser des modèles Ollama dans GitHub Copilot pour JetBrains ?
Fait : GitHub annonce le support de modèles Ollama locaux dans JetBrains, avec Ollama comme fournisseur BYOK. La source fournie ne détaille pas les modèles pris en charge ni la procédure complète de configuration.
Faut-il changer de formule GitHub Copilot après cette annonce ?
Opinion : non, pas sur la seule base de cette annonce. GitHub confirme des évolutions fonctionnelles, mais le paquet de sources ne donne pas les tarifs, les limites d’usage ni les conditions détaillées de chaque formule. Vérifie donc la documentation de ton compte avant toute décision.
Information & avertissement
Cet article présente une actualité logicielle à partir d’une source officielle publiée par GitHub. Les fonctionnalités annoncées peuvent être déployées progressivement et les conditions de produit peuvent évoluer. Je ne formule ici aucune recommandation d’achat. Cet article ne contient aucune offre affiliée.
