Lab 107: Comment fonctionne GitHub Copilot : contexte, modèles, agents et flux de données¶
Conception gratuite d'abord
Terminez l'exercice avec Copilot Free ou la simulation incluse. Les fonctions payantes sont facultatives et clairement indiquées.
Impact sur les AI Credits
Faible pour l'exercice guidé ; moyen/élevé pour les exécutions agentiques ou répétées. Préférez la sélection automatique du modèle, planifiez avant d'agir, gardez un contexte ciblé et évitez les sessions parallèles inutiles.
Ce que vous apprendrez¶
- Décrire le cycle d'une requête Copilot
- Séparer sélection du contexte et du modèle
- Distinguer complétions, chat et agents
- Expliquer frontières de données, rétention et crédits IA
Alignement GH-300¶
GH-300 foundation · Data and architecture. Cette correspondance suit l'instantané GH-300 du 07/08/2026. Le plan officiel peut conserver des termes anciens comme « Copilot Edits » ; ce lab enseigne l'expérience actuelle et signale la différence.
Carte conceptuelle¶
flowchart LR
U[User intent] --> C[Selected context]
C --> P[Policies and controls]
P --> M[Model routing]
M --> R[Response or agent plan]
R --> T[Optional tools]
T --> V[Human verification]
R --> V
Exercice pratique¶
Étape 1: Tracer une requête¶
Suivez signaux de l'éditeur, références, instructions, politiques, routage du modèle, génération et vérification humaine.
Étape 2: Comparer les expériences¶
Les complétions prédisent dans le flux d'édition ; le chat répond ; les agents planifient et utilisent des outils en plusieurs étapes.
Étape 3: Cartographier données et facturation¶
Documentez contrôle du dépôt, contexte transmis, rétention, exclusions et interactions consommant des crédits IA.
Kit d'accompagnement¶
Le build du site génère des téléchargements PDF et ZIP stables. Le ZIP contient le guide du lab et tous les fichiers d'accompagnement déclarés.