Après le traitement de texte et les présentations, Claude s'enrichit d'un tableur et d'un tableau blanc collaboratif. Anthropic ne se contente plus de louer ses moteurs d'IA à Microsoft pour doper Word et Excel : la start-up veut désormais que vos journées de travail commencent directement chez elle.
GitHub fait converger le routage des modèles et l’orchestration des tâches dans une nouvelle option de GitHub Copilot, baptisée Fusion. L’outil ne se contente plus de sélectionner un modèle en fonction de la requête : il peut aussi choisir une stratégie d’exécution, en faisant intervenir un ou plusieurs modèles selon le travail à réaliser.
Deux mécanismes réunis : le routage évalue les besoins de la requête, tandis que l’orchestration détermine s’il faut mobiliser un modèle seul, un modèle chargé de valider le résultat ou une boucle de révision.
Des niveaux d’effort : Fusion propose les modes Standard, High et Max, ainsi qu’un mode Fast réservé au chat intégré de VS Code.
Un coût à surveiller : les premiers essais, notamment chez Michelin, ont fait ressortir une tendance à choisir des modèles coûteux, sans garantie que le surcroît de dépense se traduise par un meilleur résultat.
Une visibilité encore limitée : les retours des testeurs soulignent le manque d’informations sur les étapes intermédiaires et les choix d’exécution de l’orchestrateur.
On y est : sur GitHub Copilot, routage et orchestration convergent.
Par « routage », il faut entendre le mode Auto. Introduit en début d’année. Il a connu deux incarnations. La v1 utilisait un encodeur ModernBERT pour aiguiller les requêtes en fonction de la disponibilité des modèles et de leurs capacités. La v2, appelée HyDRA (Hybrid Dynamic Routing Architecture), exploite le même type de classifieur, mais entraîné pour évaluer les besoins, sur 4 dimensions : raisonnement, génération de code, débogage et utilisation d’outils. Elle intègre par ailleurs des contraintes d’exploitation comme la continuité de session et le filtrage dynamique des pannes.
La partie orchestration est plus récente. GitHub avait commencé à l’expérimenter début septembre, sous le nom HydraFusion. Promesse : pour chaque prompt, choisir non pas le modèle optimal, mais le workflow optimal, entre trois options :
Réalisation de la tâche par un modèle unique
Intervention d’un LLM juge qui peut valider ou décider de confier la tâche à un autre modèle
Boucle d’itération avec un modèle critique n’intervenant qu’en lecture
Les modèles locaux restent en preview
De la convergence des deux briques naît le mode Fusion. ll peut fonctionner à quatre niveaux d’effort : Standard, High, Max et Fast, ce dernier n’étant pas réglable par l’utilisateur (il est réservé au chat inline de VS Code).
Le niveau Standard est accessible sur tous les forfaits Copilot. Les niveaux High et Max ne sont disponibles que sur les abonnements Pro+, Max, Business et Enterprise. Tandis que le mode Auto octroyait 10 % de réduction sur le prix des modèles, GitHub propose 30 %… mais pour une durée limitée (jusqu’à fin nonvembre).
Côté admin, on peut choisir d’activer Fusion par défaut dans le sélecteur. Et contrôler le pool de modèles, ainsi que le niveau d’effort par défaut pour les nouvelles conversations.
L’intégration des modèles locaux reste en preview. Elle en concerne pour le moment deux :
MAI Code 1.1 Flash, utilisable sur Windows via le CLI et l’application GitHub Copilot ou VS Code
Qwen3.8 Flash, utilisable sur Windows, Mac et Linux via le CLI
Premiers résultats mitigés chez Michelin
Les quelques semaines de test ont fait ressortir, entre autres points de frustration, le manque de feed-back pendant l’exécution des tâches. GitHub a notamment pris le parti de ne pas afficher les résultats des étapes intermédiaires. Motif : éviter qu’on les perçoive comme du travail fini…
On a aussi suggéré à GitHub d’exposer, plutôt que la chaîne de pensée, de la télémétrie structurée. Par exemple, la stratégie d’exécution choisie, les familles de modèles utilisées ou les motifs de rejet de résultats.
Michelin a fait partie des entreprises qui ont essayé HydraFusion. Il en a témoigné mi-septembre. Son bilan était mitigé. De son avis, cet orchestrateur n’était pas un substitut au mode Auto, mais un « mécanisme de qualité »… au prix nettement plus élevé.
Nombre de retours utilisateurs lui ont fait écho. Dans les grandes lignes : HydraFusion a tendance à choisir des modèles trop performants. Et à ne pas exploiter de sous-agents « économiques » à moins qu’on le demande explicitement.
La nouvelle application Copilot de Microsoft va embarquer l’ensemble des fonctionnalités de Word, Excel et PowerPoint. Les utilisateurs de l’assistant intelligent de Microsoft pourront ainsi concevoir et ajuster des documents grâce à l’IA.
Microsoft annonce une refonte de son application Copilot autour de trois onglets : Home, Code et Autopilot (ex-Scout). L'entreprise rêve d'inventer le Microsoft Office de l'intelligence artificielle en proposant un hub aux utilisateurs de Windows. Son principal problème est que, pour l'instant, elle dépend encore massivement des modèles d'Anthropic, OpenAI ou SpaceXAI.
L’anayse des logs a montré que le choix du modèle se fait côté serveur. Un classifieur attribue à chaque requête un score sur 4 axes :
Niveau de raisonnement nécessaire
Quantité de code à produire
Requête ayant trait à du diagnostic / débogage
Besoin d’utiliser des outils
Une fourchette de modèles… puis un tirage au sort
Il est apparu que le mode Auto n’interprète pas les tâches, mais les mots. Qu’importe l’environnement et la méthode d’invocation, une même phrase a toujours les mêmes scores.
Les scores déterminent une fourchette de modèles adéquate, au sein de laquelle GitHub Copilot semble piocher aléatoirement. Ainsi, le même jour et pour un même prompt (destiné à renommer une variable), le mode Auto a choisi tantôt MAI-Flash, tantôt GPT-5.6 Terra. Avec le premier, il en a coûté 0,23 crédit. Avec le second, 3,24.
Lorsque le score de raisonnement était supérieur ou égal à 0,55, le routeur n’a jamais sélectionné de « petit » modèle. Il l’a au contraire fait la plupart du temps (41 fois sur 46) lorsque le score était inférieur à 0,3. Entre les deux, ç’aura été la loterie : dans 14 cas sur 19, le modèle a changé d’une répétition à l’autre.
« Attention, requête complexe » : une déclaration sans grand effet
Michelin a essayé d’ajouter au début de ses requêtes une déclaration de complexité (« Complex architecture question :». Bilan : cela fait peu évoluer les scores. Jamais assez, en tout cas, pour changer de fourchette. Dire à l’inverse qu’une requête est simple a un peu plus d’effet : 7 downgrades sur un échantillon de 12 tâches.
Un scoring qui ne tient pas compte du contexte
Ces 12 mêmes tâches ont permis de constater que les scores ne tiennent pas compte du contexte. Ils sont les mêmes, qu’on se trouve dans un dossier vide ou dans un espace de travail avec fichiers d’instructions et serveurs MCP. Cela n’a pas empêché que le mode Auto change le modèle dans trois cas.
10 % d’économies, mais…
GitHub promet 10 % de remise lorsqu’on utilise le mode Auto. À modèle identique, c’est vrai, conclut Michelin en donnant l’exemple de Claude Sonnet 5 (sur 6 requêtes, 11,9 % moins cher en moyenne).
Sauf que cette ristourne ne compense pas toujours le surcoût du mode Auto. On le perçoit d’autant plus lors des sessions de chat à plusieurs tours.
Michelin a posé les 7 mêmes questions, dans deux ordres différents.
En ouvrant sur une question difficile, le mode Auto a choisi Claude Sonnet ou GPT Sol… puis s’y est tenu, pour un coût moyen de 13,7 crédits. En commençant par une question simple (exemple : « Renomme cette variable »), il choisit au contraire un modèle plus petit (GPT Luna) et s’y tient là aussi assez souvent, pour un coût moyen de 0,78 crédit.
Changer de modèle en cours de session a un coût
Les quelques fois où le modèle change au cours de la session, ce n’est pas sur la base de la dernière question, mais de toute la conversation jusque-là. La bascule a un coût non négligeable : le cache étant vidé, il faut renvoyer le contexte.
On peut supposer que la charge sur les serveurs de GitHub Copilot influe dans le choix du modèle. Un test réalisé sur une trentaine d’heures semble démontrer que non. Toutes les heures, Michelin a envoyé la même requête, de 225 caractères. Sur 29 appels effectivement arrivés, Claude Sonnet 5 a été choisi 13 fois, comme GPT Sol. Claude Opus 5 l’a été 3 fois.
Pour baisser le score de raisonnement, faire du remplissage
Pour comprendre ce qui fait vraiment évoluer les scores du classifieur, Michelin est parti d’une phrase neutre de 112 caractères. Puis il a modifié quatre éléments. Les voici récapitulés, avec leurs principaux effets :
+ 0,197 en debugging Le score de raisonnement passe le seuil des 0,55
Remplissage neutre de 142 à 392 caractères
Le score de raisonnement baisse nettement (0,29 ; 0,26 ; 0,24 ; 0,21)
Rédaction en anglais au lieu du français
Le score de raisonnement baisse en moyenne de 0,035
Il passe les 0,55 pour 2 tâches sur 12
Le mode Auto, « filet de sécurité » plus que source d’économies
Michelin estime que sur les tâches unitaires que ses développeurs réalisent au quotidien, GPT Luna est un « choix défendable ». Il délivre, pour 6 à 18 fois moins cher, les mêmes résultats que le mode Auto. Qui, sur ce périmètre, est donc un « filet de sécurité » plutôt qu’une « façon d’économiser de l’argent ».
L’auteur de l’expérimentation le reconnaît : il ne s’agit pas d’un benchmark. Les conclusions valent pour un catalogue spécifique de modèles (Michelin en autorise 11, moins qu’il n’en bloque), sur un abonnement et une version de CLI donnés. GitHub a lui-même fait évoluer son offre au cours de l’expérience (Luna était absent au démarrage).
HydraFusion, un orchestrateur expérimental… nettement plus cher que le mode Auto
En marge, Michelin a testé une option actuellement à l’état expérimental : HydraFusion. Plus qu’un routeur, c’est un orchestrateur. Chaque requête génère un plan dont les différentes phases sont chacune assignées à un modèle. Aucun score n’apparaît dans les traces que laisse GitHub Copilot.
Sur les tâches simples, HydraFusion a presque toujours choisi GPT Sol. Sur celles en cascade, un « petit » modèle (Luna notamment) ébauche le travail, tandis que GPT Sol fait office de juge et, le cas échéant, de correcteur. La correction représente 72 à 90 % du coût de la session.
Dans deux cas, HydraFusion a choisi Claude Opus 5 pour ébaucher et pour réviser en fonction des critiques de GPT Sol. Il en a coûté 16 et 28 crédits, là où le mode Auto en aurait consommé 3. Cet écart fait dire à Michelin qu’il ne s’agit pas d’un substitut, mais d’un « mécanisme de qualité »… qui a un prix.
Quelques jours après l’expérimentation, GitHub a assoupli le mode Auto avec trois niveaux « Efficiency », « Balance » et « Intelligence ». Ce système conserve le cache entre modèles.
L’intitulé du poste, lui, ne ressemble à aucune fonction juridique classique : Principal Legal Engineer.
Ni avocat senior, ni ingénieur logiciel, ni chef de projet transformation : un peu des trois à la fois.
Rattaché à l’organisation Corporate, External & Legal Affairs (CELA) de Microsoft, via son entité Customer & Partner Solutions, Le futur recruté travaillera sous la responsabilité du directeur de l’AI Operations, et devra collaborer avec les ingénieurs, les avocats et les équipes opérationnelles du groupe.
Sa fiche de poste ? Concevoir et déployer des agents IA, retravailler les prompts et les workflows juridiques, exploiter à la fois Microsoft 365 Copilot, la plateforme spécialisée Harvey et la Power Platform maison, mesurer l’adoption réelle de ces outils, former les équipes juridiques et garantir la fiabilité de ces systèmes une fois en production. Il s’agit donc bien de construire, pas seulement de superviser.
Le coeur du poste, c’est l’orchestration
En juillet dernier, la legaltech Harvey a en effet annoncé que la CELA de Microsoft (environ 2 000 avocats et professionnels de la conformité) allait déployer sa plateforme pour ses opérations juridiques et de conformité.
La direction juridique de Microsoft fonctionnera donc avec les deux outils : Copilot pour les usages généralistes, intégré à. Microsoft 365, et Harvey pour les tâches à forte exigence métier comme l’analyse de contrats, la recherche juridique, la comparaison de clauses ou le traitement de dossiers complexes.
Le poste inclut la construction d’une couche d’intelligence opérationnelle capable d’agréger des données issues de plusieurs plateformes ( Copilot, Harvey, Power Platform. ) pour suivre en continu l’adoption de l’IA, la productivité générée, l’état de santé des systèmes et les usages émergents. En somme, un centre de pilotage de la donnée d’usage IA appliqué à une fonction juridique entière.
Côté profil, Microsoft exige un diplôme de droit, six ans d’expérience minimum comme avocat ou équivalent, et une habilitation à exercer. Le poste, basé à Redmond avec quatre jours de présence hebdomadaire au bureau, est rémunéré jusqu’à 278 900 dollars par an.
Microsoft muscle Copilot dans Excel avec plusieurs nouveautés qui promettent de réduire les tâches répétitives. Au programme ? Personnalisation, automatisation et accès simplifié aux données financières.
Excel fait partie du quotidien de millions de professionnels. Malgré sa puissance, le célèbre tableur peut aussi devenir un casse-tête lorsqu’il s’agit de manipuler des données complexes. Microsoft mise ainsi sur Copilot pour alléger cette charge grâce à l’intelligence artificielle. L’entreprise promet moins de manipulations répétitives et davantage de temps consacré à l’analyse.
Microsoft apprend à Copilot à travailler comme vous dans Excel
L’une des nouveautés les plus intéressantes concerne les Skills, des modèles capables d’automatiser des processus récurrents. Plutôt que de redemander les mêmes manipulations à chaque utilisation, les équipes peuvent créer une sorte de recette que Copilot suivra automatiquement.
Concrètement, une entreprise peut définir la manière de créer un rapport financier ou de présenter un tableau. Copilot suit ensuite les étapes prévues pour produire une analyse cohérente.
Today we’re bringing skills to Copilot for Excel, giving teams a new way to scale their expertise across every workbook. pic.twitter.com/DfD1nfPEO3
Microsoft introduit également une fonction de personnalisation. Une fois vos préférences enregistrées, Copilot applique votre style de travail, vos conventions de nommage ou encore certaines règles de calcul. Personne n’a envie de rappeler cinquante fois à une IA qu’il préfère une colonne à gauche plutôt qu’à droite.
Les développeurs pourront aussi créer leurs propres compétences via un simple fichierSKILL.md, stocké dans OneDrive. À terme, ces modèles pourront être distribués via la marketplace Microsoft.
Des données financières directement dans Excel
L’autre gros chantier concerne les sources de données. Jusqu’à présent, récupérer des informations financières signifiait souvent jongler entre plusieurs plateformes avant de tout recopier dans Excel.
Microsoft élargit désormais les connecteurs disponibles pour Copilot. Plusieurs fournisseurs spécialisés rejoignent la liste, dont FactSet, Morningstar, PitchBook, CB Insights, Daloopa ou encore S&P Global. L’idée consiste à importer directement dans un classeur des données de marché, des analyses financières ou des informations sur les entreprises.
Cette approche réduit les copier-coller, mais aussi les risques d’erreur liés aux manipulations manuelles. En revanche, certains de ces services nécessitent toujours un abonnement distinct. L’automatisation, oui. La gratuité, beaucoup moins.
Finance teams hold software to a high bar. Every number has to trace back, every change has to be explainable, and the data has to come from a source you trust. We've been building Copilot in Excel against that bar with our own Microsoft Finance team.
L’une des critiques les plus fréquentes adressées aux assistants IA concerne leur manque de transparence. Modifier un document sans expliquer pourquoi n’inspire pas vraiment confiance, surtout lorsqu’il s’agit de chiffres.
Microsoft tente justement de répondre à ce problème avec Plan with Copilot. Avant d’effectuer la moindre modification, l’assistant présente désormais son plan d’action. Les feuilles concernées, les cellules modifiées, les formules utilisées ou encore les hypothèses retenues sont affichées avant validation.
Après exécution, chaque changement reste traçable dans l’historique d’Excel. Les utilisateurs peuvent ainsi identifier les modifications effectuées par Copilot et celles réalisées par un collaborateur.
Cette évolution ne rend évidemment pas l’IA infaillible. Les résultats devront toujours être vérifiés, notamment dans des contextes financiers où une erreur peut coûter cher. En revanche, elle apporte davantage de visibilité sur le fonctionnement de l’assistant. Un point souvent réclamé par les entreprises.
Ces nouveautés sont progressivement déployées pour les abonnés Microsoft 365 Copilot sur Excel pour Windows, Mac et le Web. Le déploiement des compétences personnalisées se poursuivra dans les semaines à venir. Les compétences créées par les partenaires sont, elles, prévues pour le troisième trimestre 2026.
Le 1er juin 2026, des quotas de crédits remplaceront les quotas de requêtes premium actuellement intégrés dans les abonnements payants.
Un crédit équivaudra à 0,01 $. Ce qui donnera les quotas suivants :
Forfait
Prix mensuel
Crédits
Pro
10 $
1000
Pro+
39 $
3900
Business
19 $/utilisateur
1900
Enterprise
39 $/utilisateur
3900
Cette enveloppe de base pourra être élargie au besoin, dans des conditions que GitHub ne détaille pas en l’état.
Les forfaits annuels iront à terme avec un quota de requêtes… mais un usage restreint
Par défaut, les forfaits individuels souscrits sur base annuelle conserveront, jusqu’à échéance, des quotas de requêtes premium. Mais une bonne partie des modèles en consommeront davantage. Voici un aperçu des multiplicateurs qui s’appliqueront au 1er juin pour les trois principales familles (Claude, Gemini, GPT).
Modèle
Multiplicateur actuel
Nouveau multiplicateur
Claude Haiku 4.5
0,33
0,33
Claude Opus 4.5
3
15
Claude Opus 4.6
3
27
Claude Opus 4.7
7,5
27
Claude Sonnet 4
1
1
Claude Sonnet 4.5
1
6
Claude Sonnet 4.6
1
9
Modèle
Multiplicateur actuel
Nouveau multiplicateur
Gemini 2.5 Pro
1
1
Gemini 3 Flash
0,33
0,33
Gemini 3 Pro
1
6
Gemini 3.1 Pro
1
6
Modèle
Multiplicateur actuel
Nouveau multiplicateur
GPT-4o
0
0,33
GPT-4o mini
0
0,33
GPT-4.1
0
1
GPT-5.1
1
3
GPT-5.1-Codex
1
3
GPT-5.1-Codex-Mini
0,33
0,33
GPT-5.1-Codex-Max
1
3
GPT-5.2
1
3
GPT-5.2-Codex
1
3
GPT-5.3-Codex
1
6
GPT-5.4
1
6
GPT-5.4 mini
0,33
6
GPT-5 mini
0
0,33
Des pools de crédits sur les offres entreprise
Les titulaires de forfaits individuels contractés sur base annuelle pourront aussi les résilier et obtenir un remboursement au prorata. S’ils attendent l’échéance, le renouvellement ne sera pas automatique (passage sur le forfait gratuit).
Sur les forfaits GitHub Copilot pour les entreprises, les quotas de tous les utilisateurs seront regroupés en un pool au niveau de l’entité facturée. Ajouter des licences augmentera immédiatement la capacité de ce pool. En supprimer ne la réduira qu’au démarrage du cycle de facturation suivant.
Pour accompagner la transition, GitHub accordera, sur juin, juillet et août, 3000 crédits par mois pour chaque utilisateur sur le forfait Business et 7000 sur le forfait Enterprise. Début mai, il mettra à disposition des admins des projections de coûts, sur la base de l’usage du moins d’avril. Des budgets pourront être définis à quatre niveaux : entreprise, organisation GitHub, centre de coût et utilisateur.
Prévoir les coûts de la revue de code sera difficile
Saisie semi-automatique et suggestions d’édition ne consommeront pas de crédits, tout comme elles ne consomment actuellement pas de requête premium.
Il y aura, en revanche, une zone d’ombre sur la fonctionnalité de revue de code. La non-divulgation du modèle utilisé rend impossible de prévoir exactement les coûts. Ceux-ci se répercutent sur deux plans. D’un côté, les crédits. De l’autre, les minutes GitHub Actions que consomme l’infrastructure agentique (hors exécuteurs autohébergés).
Le passage aux crédits éliminera la possibilité actuelle de repli vers un modèle « low cost » en cas d’épuisement du quota de requêtes. Il faudra acheter des crédits supplémentaires. Chose que, d’ailleurs, qu’on ne devrait pas pouvoir faire si on a souscrit à GitHub Copilot via l’app mobile.
Tarifs applicables au 1er juin pour les modèles GPT
110 000 collaborateurs équipés de Microsoft 365 Copilot, Azure érigé en cloud de référence, et un mandat d’agence média mondial en échange. L’accord signé cette semaine entre Publicis et Microsoft pose les bases d’un marketing entièrement orchestré par l’IA.
En contrepartie, Publicis décroche le contrat d’agence média mondiale de référence de Microsoft. Ce qui signifie que le groupe français pilotera les investissements médias de Microsoft à l’échelle internationale.
Marcel comme point de départ, l’agentique comme horizon
Ce partenariat n’émerge pas de nulle part. Depuis dix ans, Publicis et Microsoft travaillent ensemble sur Marcel, la plateforme d’IA interne qui sert aujourd’hui à connecter talents, données et ressources. au sein de Publicis, Un socle qui a permis à Publicis de se familiariser avec les architectures d’IA en conditions réelles.
L’accord acte désormais une ambition plus large : construire sur Azure une solution marketing intégrée capable de relier systèmes hérités, agents d’IA et données propriétaires. L’objectif affiché est d’automatiser une partie des opérations marketing ( du ciblage à la mesure de performance) dans une logique de chaîne d’exécution continue, et non plus seulement d’assistance à la création de contenu.
Un accord qui acte la transformation du marché
Microsoft a besoin de cas d’usage emblématiques pour démontrer qu’Azure et Copilot peuvent devenir une infrastructure de référence dans des secteurs créatifs et data-driven. Publicis, avec ses 110 000 collaborateurs et sa position de numéro un ou deux mondial de la communication selon les classements, constitue une vitrine de premier plan.
Pour Publicis, l’accord renforce une conviction stratégique exprimée depuis plusieurs années par Arthur Sadoun, son PDG : le groupe de communication de demain ne sera pas seulement un acheteur d’espaces ou un producteur de contenus, mais un orchestrateur technologique capable de proposer à ses clients une couche d’exécution marketing automatisée.
Plus largement, cet accord illustre la convergence entre agences, données, cloud et agents d’IA. Les grands groupes de communication ne peuvent plus être des intégrateurs d’outils tiers mais disposer d’une architecture propriétaire capable d’absorber et d’orchestrer ces outils. Publicis parie sur Azure pour construire cette architecture. WPP, Omnicom et IPG font des choix comparables avec d’autres partenaires technologiques.
Satya Nadella et Mustafa Suleyman ont fac similé deux mémos internes pour officialiser le remaniement de l’organisation chargée de Copilot.
La décision principale consiste à fusionner les efforts commerciaux et grand public de Copilot. Jusqu’ici, ces deux entités fonctionnaient séparément. Dorénavant, elles s’articuleront autour de quatre piliers connectés : l’expérience Copilot, la plateforme Copilot, les applications Microsoft 365 et les modèles IA. L’objectif est ainsi de passer d’une collection de bons produits à un système véritablement intégré, plus simple et plus puissant pour les clients.
Une équipe de direction Copilot au complet
Jacob Andreou devient vice-président exécutif Copilot et rapporte directement à Satya Nadella. Il dirigera donc les équipes commerciale et grand public fusionnées, en couvrant design, produit, croissance et ingénierie.
En parallèle, Mustafa Suleyman, le patron de Micorosoft AI, consacre désormais toute son énergie aux efforts de superintelligence et à la livraison de modèles de classe mondiale sur les cinq prochaines années.
Pour compléter cette structure, trois autres dirigeants rejoignent l’équipe Copilot. Ryan Roslansky, Perry Clarke et Charles Lamanna piloteront les applications Microsoft 365 et la plateforme Copilot. Ils prennent ainsi la relève de Rajesh Jha, qui a annoncé ce mois-ci son départ à la retraite.
L’ère agentique comme horizon
Ce remaniement intervient dans un contexte d’accélération des capacités agentiques. Satya Nadella cite notamment les récentes annonces de Copilot Tasks, Copilot Cowork, des fonctionnalités agentiques dans Office et Agent 365.
Fin janvier, il avait révélé pour la première fois que M365 Copilot comptait 15 millions d’utilisateurs annuels. Ce volume exclut les fonctions de chat Copilot plus limitées, accessibles sans licence complète. La base d’utilisateurs exposée à l’IA Microsoft est donc plus large.
Microsoft souligne une forte pénétration de Copilot dans les grandes entreprises. Près de 70% des sociétés du Fortune 500 l’utilisent déjà ou ont lancé des déploiements. Cependant, plusieurs analyses nuancent ce constat. L’usage effectif reste souvent concentré sur des groupes pilotes. Les fonctionnalités IA demeurent parfois sous-exploitées par rapport au parc de licences acheté.
Connexion
