GitHub Copilot : comment faire respecter les règles de votre code par l'IA

Imaginez que vous ayez recruté un stagiaire très talentueux, mais totalement amnésique. Il écrit du très bon code et connaît toutes les bibliothèques modernes, mais chaque matin, il faut lui réexpliquer que ce projet n'utilise pas Redux et que la documentation se trouve dans un dossier bien précis. C'est ainsi que se passait le travail avec GitHub Copilot jusqu'à récemment.

On perdait de précieuses minutes à « nourrir » le chat avec les bons fichiers ou à rappeler pour la centième fois les patterns d'architecture adoptés par l'équipe. L'agent standard @workspace est efficace comme outil universel, mais son côté « moyen » freinait souvent les développeurs expérimentés. Quand l'IA propose une solution techniquement correcte mais étrangère au style de votre projet, ce n'est pas une aide, c'est du travail de refactorisation en plus.

La situation a changé avec la sortie de VS Code 1.106. Les équipes de GitHub et de Microsoft ont enfin entendu les plaintes de ceux qui en avaient assez de copier sans fin des instructions dans la fenêtre du chat.

Les Custom Agents sont arrivés : un mécanisme qui fait de Copilot, au lieu d'un compagnon de route occasionnel, un employé à part entière qui connaît tous vos règlements internes. Plutôt que de signaler à l'IA les particularités de votre stack à chaque fois, vous pouvez maintenant créer un rôle spécialisé. Ce peut être un expert en sécurité qui vérifie le code au regard des checklists internes, ou un architecte frontend qui connaît toutes les subtilités de votre bibliothèque de composants maison.

L'essentiel : le contexte n'a plus besoin d'être imposé à la main, il devient une part de la personnalité de l'agent.

La configuration de ces assistants reste très pragmatique. Microsoft propose deux voies : l'interface visuelle de VS Code, pour ceux qui aiment voir ce qu'ils font, et les fichiers de configuration, pour les adeptes de l'automatisation. Dans le fichier github-copilot.

json, on peut désormais décrire non seulement un jeu d'instructions, mais tout un écosystème de connaissances. Vous indiquez à l'agent sur quels fichiers s'appuyer en priorité, quelles documentations externes prendre en compte et quelles règles respecter pour générer ses réponses. C'est un changement fondamental de l'expérience utilisateur.

Si vous vous adaptiez auparavant à la logique du réseau de neurones, c'est désormais lui qui s'adapte à votre façon de travailler. Vous réalisez littéralement un moulage de votre expérience et vous le confiez à l'algorithme.

Pourquoi est-ce important maintenant ? L'industrie s'éloigne peu à peu de l'euphorie autour des « simples chats intelligents » et passe à une intégration profonde de l'IA dans les chaînes de production. Nous ne voulons plus seulement « générer une fonction » ; nous voulons qu'elle s'insère parfaitement dans un projet existant, avec tous ses bricolages, son code hérité et les trouvailles architecturales géniales de l'an dernier.

Les Custom Agents s'attaquent au problème de la charge cognitive du développeur. Plus besoin de garder en tête ce que Copilot sait exactement de votre projet à un instant donné. Vous appelez simplement le bon agent et obtenez un résultat conforme à vos attentes à 90 % au lieu des 60 % habituels.

Ce n'est évidemment que le début du chemin vers des agents réellement autonomes, mais le pas est considérable. À l'avenir, on verra sans doute des marketplaces de ces rôles personnalisés ou la possibilité de les partager au sein d'une équipe via le dépôt. Pour l'instant, c'est une bonne occasion de repenser votre approche de la programmation en binôme avec l'IA. Si vous utilisez encore le chat standard pour des tâches de projet complexes, vous payez simplement en temps votre refus de configurer l'outil une seule fois. Configurer son propre agent prend dix minutes et fait gagner des heures auparavant perdues à corriger des « hallucinations » ou les conseils moyens d'un algorithme universel.

L'essentiel : Microsoft mise sur la personnalisation et la spécialisation. Les agents personnalisés pourront-ils nous libérer complètement de la gestion manuelle du contexte, ou aurons-nous simplement une couche de configuration de plus à surveiller ?