Tu ouvres ton éditeur. Tu décris une tâche. Tu attends. Tu relis. Tu retouches. Tu commit. Tous les outils de code assistés par IA sur le marché — Cursor, Claude Code, Codex d'OpenAI — démarrent avec le même rituel : un humain tape un prompt. L'IA est rapide, certes. Mais toi, tu restes le goulot d'étranglement. C'est toi qui dois jongler entre ton gestionnaire de tickets et ton éditeur, formuler le problème en langage naturel, et surveiller le résultat comme du lait sur le feu. Ton backlog ne rétrécit pas parce que chaque interaction IA te coûte la seule ressource que l'IA ne sait pas fabriquer : ton attention.

Dans les dix premiers jours d'avril 2026, GitHub a discrètement reconstruit toute cette boucle — et t'a viré du poste de départ.

Le 1er avril, GitHub a rebaptisé son « Copilot coding agent » en Copilot cloud agent et l'a étendu au-delà des pull requests. L'agent peut désormais travailler sur des branches de façon autonome, analyser un codebase avant d'y toucher, et générer des plans d'implémentation avant d'écrire la moindre ligne. Le 3 avril, GitHub a ajouté des contrôles de runners au niveau organisation — permettant aux admins de définir l'infrastructure par défaut pour l'agent sur tous les repos et de la verrouiller pour que les équipes ne puissent pas passer outre. Le même jour : la signature cryptographique des commits, ce qui signifie que chaque commit de l'agent affiche désormais un badge « Verified », débloquant les repos qui exigent des commits signés comme politique de sécurité. Le 8 avril, tout ça a débarqué sur GitHub Mobile. Tu peux maintenant assigner une issue à @copilot depuis ton téléphone dans le métro et récupérer une pull request prête à review en arrivant au bureau.

Six entrées de changelog en dix jours. Ce n'est pas un lancement de fonctionnalité — c'est la construction d'une plateforme.

Le fork architectural dont personne ne parle

Voilà pourquoi c'est plus important que n'importe quel benchmark de modèle. Tous les autres agents de code sont pilotés par prompt : tu ouvres Cursor, tu tapes ce que tu veux, Cursor s'exécute. Tu lances Claude Code dans un terminal et tu décris la tâche. Tu mets un job en file d'attente dans le dashboard cloud de Codex. Dans tous les cas, un humain initie l'interaction.

Le cloud agent de Copilot est piloté par événement. Tu assignes @copilot à une Issue GitHub — c'est tout. L'agent lit la description de l'issue, la découpe en checklist, ouvre une branche, écrit le code, pousse des commits itératifs, lance tes tests automatisés et tes linters, et ouvre une pull request demandant une review humaine. Pas de session éditeur. Pas de terminal. Pas de prompt. L'issue elle-même est le prompt.

La différence, ce n'est pas le modèle qui propulse l'agent. GitHub route vers les mêmes modèles OpenAI et Anthropic que ses concurrents. La différence, c'est la position dans le workflow. Les issues, les pull requests, les Actions, la code review et le dépôt lui-même sont tous des surfaces GitHub. Copilot n'a pas besoin d'une couche d'intégration parce qu'il vit déjà à l'intérieur du système de référence. Il ne se connecte pas à ton workflow — il est ton workflow.

Le prix de la suppression du déclencheur humain

Mais ne faisons pas comme si tout ça n'avait que des avantages.

Les agents pilotés par événement créent un nouveau problème : la fatigue de review. Quand un humain assigne dix issues de faible priorité à @copilot un lundi matin, ces PR débarquent dans la file de review que l'équipe ait la bande passante pour les traiter ou non. Le volume de production autonome peut submerger la capacité de review bien plus vite qu'il ne réduit le backlog. Tu as troqué un goulot d'étranglement — le prompting — contre un autre : reviewer du code que tu n'as pas demandé au moment où il arrive.

GitHub semble conscient de la pression. Le 10 avril, la plateforme a imposé de nouvelles limites de débit pour les utilisateurs Pro+, invoquant « une augmentation des schémas de haute concurrence et d'utilisation intensive ». Elle a aussi retiré immédiatement le modèle Opus 4.6 Fast et suspendu les inscriptions aux essais gratuits pour cause d'abus. Traduction : les gens ont découvert la boucle de code autonome et l'ont noyée sous les requêtes.

Pendant ce temps, Cursor ne reste pas les bras croisés. Le 2 avril, Cursor 3 est sorti avec une orchestration d'agents parallèles — plusieurs agents travaillant simultanément sur le refactoring, les tests et la doc — plus une « Agents Window » dédiée à la gestion de projets multi-étapes. C'est piloté par prompt, oui, mais l'interface de prompt est devenue considérablement plus puissante.

Ce que ça change pour toi

Si ton équipe vit déjà sur GitHub — issues, PR, Actions, tout l'écosystème — le cloud agent de Copilot est le chemin de moindre friction vers le code autonome aujourd'hui. Pas de nouvel outil à installer. Pas de nouvelle interface à apprendre. Tu assignes une issue, tu reviews une PR. L'agent opère dans le modèle de gouvernance que ton organisation applique déjà : règles de protection de branches, reviews obligatoires, commits signés, politiques de runners.

Si tu privilégies le choix du modèle, un contrôle fin sur ce que l'agent fait à chaque étape, ou que tu ne fais tout simplement pas confiance à du code que tu n'as pas explicitement demandé — les outils pilotés par prompt comme Cursor 3 ou Claude Code t'offrent plus de transparence et des boucles de feedback plus serrées.

Les deux approches coexisteront. Mais la direction est claire.

Le prompt était le dernier goulot d'étranglement humain

Pendant trois ans, on a optimisé le code assisté par IA autour de meilleurs prompts. Des instructions plus claires. Des fenêtres de contexte plus larges — la quantité de texte que l'IA garde en mémoire de travail. De l'autocomplétion plus intelligente. Tout ça présupposait que l'humain appuie sur le premier bouton.

GitHub a supprimé le bouton. Le rôle principal du développeur vient de basculer — discrètement, à travers six entrées de changelog en dix jours — de « dire à l'IA quoi construire » à « reviewer ce que l'IA a déjà construit ».

Que ce soit une libération ou un nouveau cercle de l'enfer dépend entièrement de la qualité de ton processus de code review. Et si tu as déjà bossé dans une équipe avec 200 PR en attente... eh bien. Tu connais déjà la réponse.