GitHub Copilot introduit les workflows dynamiques pour orchestrer les agents en code
GitHub déploie la préversion publique des workflows dynamiques dans l'application Copilot, son CLI et son SDK. Cette nouveauté permet aux développeurs de programmer précisément l'enchaînement de leurs automatisations tout en confiant les étapes d'analyse à des agents IA. L'objectif est d'apporter la fiabilité du code déterministe aux travaux complexes exécutés par l'intelligence artificielle.
Fil « Introduction des workflows dynamiques dans l'écosystème Copilot »
Pour automatiser des tâches complexes, s'en remettre uniquement à un prompt (consigne textuelle envoyée à l'IA) manque souvent de répétabilité. GitHub répond à cette difficulté en annonçant la disponibilité des workflows dynamiques (flux de travail programmés) sur l'application GitHub Copilot, le CLI (interface en ligne de commande) et le SDK (kit de développement logiciel). L'idée consiste à définir la structure d'une tâche directement dans le code d'une extension Copilot, tout en déléguant certaines étapes d'analyse aux modèles d'IA.
Une orchestration entre code déterministe et agents IA
Contrairement à la commande /fleet où Copilot coordonne seul ses sous-agents de manière totalement autonome, un workflow dynamique suit un processus défini à l'avance dans le code. Le programme pilote la séquence d'exécution, tandis que les agents gèrent les étapes nécessitant une prise de décision ou un diagnostic. Le workflow peut exécuter des étapes en série ou en parallèle, appeler des outils locaux ou des services distants, et transmettre des données structurées d'une phase à l'autre.
Voici les capacités clés offertes par ces workflows :
- Exécution parallèle : découper un objectif global en plusieurs sous-tâches indépendantes traitées simultanément.
- Validation croisée : demander à un sous-agent de vérifier les trouvailles d'un autre agent avant de poursuivre.
- Contrôle humain : définir des points d'arrêt pour relire un résultat intermédiaire et reprendre l'exécution à la demande.
- Interactivité : solliciter une saisie ou une validation de l'utilisateur en cours de route.
Des cas d'usage concrets pour les équipes de développement
Cette approche s'avère particulièrement utile dès qu'une tâche nécessite des étapes claires ou des vérifications strictes. Par exemple, lors de la recherche d'une panne sur un service, un workflow peut collecter les journaux d'erreurs, attribuer des agents indépendants à l'analyse de différents sous-systèmes, puis fusionner leurs rapports dans une frise chronologique unique. De même, pour la revue d'une pull request (demande de fusion de code) volumineuse, les fichiers modifiés peuvent être analysés en parallèle par plusieurs modèles.
"Un workflow dynamique exécute un processus défini dans le code, combinant des étapes automatisées avec le travail d'un ou plusieurs agents."
Comment activer cette fonctionnalité dans vos outils
Les workflows dynamiques sont actuellement disponibles en préversion publique pour tous les abonnements Copilot. Dans l'application GitHub Copilot, l'option est fonctionnelle sans configuration préalable. Pour le CLI, il convient d'activer les fonctionnalités expérimentales pour en profiter.
# Mettre à jour l'interface en ligne de commande Copilot
copilot /update
# Activer le mode expérimental pour utiliser les workflows dynamiques
copilot --experimental
Il est possible de coder ces workflows manuellement ou de demander à Copilot de les rédiger automatiquement à partir d'une description du besoin. Une fois configurés, la commande « What dynamic workflows are available? » permet de lister les workflows prêts à être exécutés.