Microsoft optimise GitHub Copilot avec GPT-5.6 Sol

Microsoft a récemment décidé de modifier l’approche d’utilisation de l’IA générative par ses équipes. Dans une note interne révélée par 404 Media, Jay Parikh, vice-président exécutif de CoreAI, encourage les ingénieurs à maximiser la valeur par token, au lieu de simplement viser le nombre maximal de tokens utilisés. Cette initiative se concrétise par l’implémentation de GPT-5.6 Sol d’OpenAI comme modèle par défaut pour GitHub Copilot au sein de l’entreprise, bien que d’autres modèles puissent être utilisés si jugés plus pertinents.

Contexte économique des tokens : L’adoption de GPT-5.6 Sol ne concerne que les usages internes de Microsoft et ne modifie pas les options de modèles disponibles pour les clients de GitHub Copilot. Chaque division de Microsoft a désormais des objectifs de consommation de tokens IA, surveillés par un tableau de bord interne. Les coûts associés à ces tokens varient considérablement selon les équipes, allant de quelques centaines à plusieurs milliers de dollars par mois, mais restent non spécifiés officiellement par l’entreprise.

GPT-5.6 Sol par défaut chez Microsoft

L’optimisation des coûts est un enjeu crucial alors que l’utilisation des IA s’étend. Les coûts liés à l’inférence et à la consommation de tokens deviennent prépondérants. Selon Jay Parikh, cette initiative n’indique pas un recul de la stratégie « AI-first » de Microsoft. Au contraire, elle vise à traiter les tokens comme toute autre ressource informatique en considérant leur coût et en cherchant à en maximiser le rendement.

Coût des tokens IA

Les changements organisationnels au sein de Microsoft s’expliquent aussi par le regroupement de GitHub Copilot sous le groupe d’ingénierie CoreAI, dirigé par Jay Parikh. Cette restructuration a entraîné l’application prioritaire des nouvelles directives concernant l’utilisation des tokens dans cet environnement de développement. Les entreprises intégrant de plus en plus d’assistants de développement et d’agents IA sont confrontées à la nécessité de mieux gérer leurs ressources pour maîtriser les coûts associés à l’IA.

Lien original de l’article