Contexte technique
J'ai examiné l'annonce de GitHub et j'ai immédiatement vu l'essentiel : Copilot n'opère plus selon l'ancien schéma de requêtes premium fixes. À partir du 1er juin 2026, tout passe à une facturation basée sur l'usage (usage-based billing), où les jetons d'entrée, de sortie et mis en cache sont comptabilisés, et les frais sont traités via les GitHub AI Credits.
Pour ceux qui mettent en œuvre l'IA dans le développement, ce n'est pas un simple changement cosmétique, mais une refonte complète du modèle de comptabilisation. Auparavant, on pouvait se débrouiller avec les limites de requêtes. Désormais, le coût dépend beaucoup plus du modèle que vous utilisez, de la longueur de vos conversations et de la quantité de contexte que vous importez dans votre IDE.
Le tarif est simple : 1 crédit équivaut à 0,01 $. Chaque plan conserve un abonnement de base et un forfait mensuel de AI Credits, mais une fois ce forfait épuisé, la véritable économie des jetons entre en jeu. La logique est la même pour les plans Free, Pro, Pro+, Business et Enterprise, qui ne diffèrent que par les volumes inclus et les modèles disponibles.
Je noterais également que GitHub met fin à l'illusion très pratique de l'« illimité » pour les plans payants. Ce n'était déjà pas vraiment illimité, mais maintenant c'est clair : un modèle coûteux, de longues sessions d'agent et un large contexte équivalent à un Copilot nettement plus cher.
Un autre point important : les multiplicateurs de modèle changent pour les abonnements annuels Pro et Pro+, et les nouvelles inscriptions aux plans Pro, Pro+ et étudiant de GitHub sont temporairement suspendues depuis le 20 avril 2026. Cela ressemble moins à un bug qu'à un réajustement prudent du modèle commercial avant le basculement complet.
Impact sur l'entreprise et l'automatisation
Je vois ici trois conséquences directes. Premièrement, les utilisateurs intensifs qui exécutent des scénarios d'agent, de longues conversations et des modèles coûteux commenceront presque certainement à payer plus, ou du moins à consulter leur facturation plus souvent.
Deuxièmement, les équipes devront concevoir leurs intégrations d'IA plus soigneusement. Des prompts courts, une récupération de données adéquate, un contrôle du contexte et le choix du bon modèle pour la tâche influencent désormais non seulement la qualité, mais aussi la facture.
Troisièmement, ceux qui savent construire une architecture IA en tenant compte du coût par jeton, plutôt que de simplement « brancher Copilot et oublier », seront gagnants. C'est précisément ce que nous abordons avec nos clients chez Nahornyi AI Lab : où utiliser un modèle coûteux, où réduire le contexte, et où déléguer une tâche à une automatisation IA distincte plutôt qu'à une conversation sans fin dans l'éditeur.
Si Copilot fait déjà partie de votre flux de travail quotidien et que vous voulez éviter les surprises en juin, examinons vos cas d'usage réels. Chez Nahornyi AI Lab, je peux généralement identifier rapidement où les coûts augmentent à cause d'une mauvaise configuration et comment créer des solutions d'IA pour les entreprises qui aident les développeurs à travailler plus vite sans que le budget ne s'évapore jeton par jeton.