Copilot Studio Agents : le nouveau harnais tout change

Un nouveau harnais pour Copilot Studio : ce qui a changé

Sur copilotstudio.microsoft.com, un bouton Try now propose désormais de basculer vers une expérience de conception entièrement repensée. Ce n'est pas un simple relookage d'interface : sous le capot, c'est un nouvel orchestrateur — souvent appelé le nouveau harnais — qui pilote la construction et l'exécution des agents. Il reprend la logique déjà présente dans Copilot en mode agentique (le fameux comportement « tenace », qui persiste jusqu'à résoudre la tâche au lieu d'abandonner au premier échec).

Ce changement n'est pas anodin pour un administrateur ou un architecte de solutions :

• L'ancienne expérience de création (onglets multiples, sujets, topics) reste accessible, mais devient une voie parallèle plutôt que le chemin par défaut.
• Le nouveau canevas est volontairement épuré : un seul écran regroupe modèle, skills, tools, connaissances, mémoire et instructions.
• Il est possible de revenir à l'ancienne expérience à tout moment via un lien dédié, en indiquant simplement un motif de retour.

Les agents déjà construits avec l'ancienne expérience continuent de fonctionner. Le choix entre ancien et nouveau harnais se fait à la création de chaque agent, pas au niveau du tenant.

Choisir le bon modèle IA (et maîtriser sa consommation de crédits)

La première décision à prendre sur un nouvel agent est le choix du modèle de langage. La liste proposée dépend de votre tenant et des modèles activés par votre administrateur — elle inclut généralement des modèles de la famille GPT-5 ainsi que des modèles Claude (variantes Sonnet et Opus). Ce choix n'est pas cosmétique : chaque appel au modèle consomme des crédits Copilot, et les modèles les plus capables (souvent ceux activés par défaut, comme les variantes « Opus » ou les modes de raisonnement étendu) sont aussi les plus coûteux en crédits.

C'est ce même modèle qui explique la fameuse « ténacité » observée sur les agents Copilot en mode agentique : là où un ancien agent Copilot Studio abandonnait après un échec avec un message du type « je n'ai pas pu le faire », le nouvel harnais retente, ajuste son approche et va au bout de la tâche demandée — au prix, évidemment, d'une consommation de crédits plus élevée en cas d'itérations multiples.

Contrairement à l'ancienne expérience, où une partie de l'usage pouvait être couverte par une licence Microsoft 365 Copilot, le nouveau harnais facture systématiquement en crédits Copilot — y compris pendant les phases de test et de prévisualisation. Vérifiez votre pool de crédits avant de multiplier les sessions de preview.

Pour vérifier rapidement les licences attribuées avant de déployer largement ces agents, un contrôle côté Microsoft Graph est utile :

1# Prérequis : module Microsoft.Graph (Connect-MgGraph -Scopes "User.Read.All")
2Get-MgUserLicenseDetail -UserId "utilisateur@votredomaine.com" |
3    Select-Object SkuPartNumber, SkuId

Cela permet de confirmer, avant de déployer un agent en production, quels utilisateurs disposent effectivement d'une licence couvrant l'usage de Copilot Studio et des crédits associés.

Les skills : le standard qui unifie Copilot Studio et Copilot

La vraie nouveauté structurante, c'est l'arrivée des skills dans Copilot Studio — le même format que celui utilisé par Copilot en mode agentique, par Claude ou par les outils compatibles Open AI. Une skill repose sur un fichier skill.md : une recette réutilisable qui décrit une série d'étapes à exécuter systématiquement (par exemple, appliquer une charte graphique à chaque présentation PowerPoint générée).

Ce format étant devenu un standard de facto, une skill créée dans Copilot (onglet Customize > Skills) est directement portable vers Copilot Studio. Le flux est simple :

Dans Copilot, les skills sont stockées localement sous OneDrive > Documents > Copilot > skills. Chaque skill possède son propre sous-dossier contenant skill.md et, éventuellement, des fichiers annexes (logos, modèles, gabarits).

Le simple téléchargement depuis l'interface Copilot ne récupère que le fichier skill.md, pas les ressources associées. Il faut donc compresser manuellement l'ensemble du dossier :

1# Compresse tout le contenu du dossier de la skill (skill.md + ressources)
2Compress-Archive -Path "C:\Users\vous\OneDrive\Documents\Copilot\skills\brand-guide\*" `
3    -DestinationPath "C:\Users\vous\Desktop\brand-guide.zip"

Dans l'agent, section Skills, cliquez sur Upload puis sélectionnez le fichier brand-guide.zip. Après quelques secondes, la skill apparaît avec toutes ses instructions et ses ressources.

Si vous partez de zéro, vous pouvez créer une skill vierge (Create from blank) et rédiger vous-même les instructions. Mais rédiger 150 à 200 lignes d'instructions à la main est fastidieux : la méthode la plus efficace consiste à demander à Copilot de vous poser les questions nécessaires (couleurs de marque, polices, logos…) puis de générer lui-même le fichier skill.md correspondant.

Toute recette déjà utilisée dans un ancien topic ou processus métier récurrent peut être reformulée en skill. L'objectif : capitaliser sur ce qui fonctionne déjà plutôt que de tout reconstruire dans le nouveau formalisme.

Tools, MCP et sources de connaissances : la mécanique sous le capot

À côté des skills, on retrouve les tools — les connecteurs classiques (SharePoint, Dataverse, serveurs MCP, etc.) déjà présents dans Power Apps, Power Automate et l'ancien Copilot Studio. L'ajout d'un tool comme Get items sur SharePoint nécessite de configurer :

• Le nom et la description du tool : c'est ce que l'orchestrateur utilise pour décider quand l'invoquer. Un nom générique (« Get items ») doit être renommé de façon explicite (« Get inventory data ») pour que l'agent sache réellement quand s'en servir.
• Le mode d'authentification : au nom de l'utilisateur final ou au nom du créateur de l'agent — un choix qui a un impact direct sur la sécurité et la traçabilité des accès.
• Les paramètres d'entrée (site SharePoint, nom de liste, requête de filtrage OData) : chaque champ peut être une valeur figée ou généré dynamiquement par l'IA à partir d'une description en langage naturel.

Si l'agent n'utilise pas le bon outil au bon moment, la cause la plus fréquente est un nom ou une description imprécis sur le tool — pas un bug de l'orchestrateur. Avant de déboguer les instructions de l'agent, vérifiez systématiquement ce point en premier.

Côté connaissances, l'agent peut interroger le web via Bing par défaut (paramètre désactivable), des sites publics spécifiques, SharePoint, OneDrive for Business, ou des fichiers uploadés directement.

Si une DLP (Data Loss Prevention) tenant-wide restreint certains connecteurs, il est utile de vérifier l'état des politiques avant de multiplier les tools sur vos agents :

1# Module requis : Microsoft.PowerApps.Administration.PowerShell
2# Rôle minimum : Administrateur Power Platform
3Add-PowerAppsAccount
4Get-AdminDlpPolicy | Select-Object DisplayName, EnvironmentType, CreatedTime

Mémoire, agents enfants et sécurité des données

Deux capacités encore en preview méritent une mention particulière. La mémoire permet à un agent de retenir des informations données par un utilisateur au fil des interactions (par exemple, sa région d'affectation), pour ne plus avoir à les redemander à chaque session. Cette mémoire est propre à l'agent — elle ne se partage pas entre agents distincts.

L'appel agent-to-agent permet quant à lui d'attacher un agent existant comme sous-composant d'un agent parent, pour construire des solutions modulaires sans dupliquer la logique métier déjà encapsulée ailleurs.

Mémoire et évaluation restent en preview au moment de la rédaction. Elles fonctionnent déjà de manière convaincante dans des tests exploratoires, mais ne doivent pas encore porter des scénarios critiques en production tant qu'elles ne sont pas passées en disponibilité générale.

Instructions, mode preview et facturation à l'usage

Les instructions définissent la mission de l'agent (« ton rôle est de générer des présentations PowerPoint ; utilise la skill brand-guide pour toute demande de mise en forme ») et, éventuellement, sa personnalité. Elles restent la variable la plus déterminante pour la qualité des réponses — plus que le choix du modèle lui-même dans bien des cas.

Le mode Preview permet de tester l'agent en conditions réelles, avec deux niveaux d'affichage :

• La vue détaillée (par défaut), qui expose chaque appel de tool, chaque étape de raisonnement — utile pour le débogage.
• Le bouton End user preview, qui masque tous les détails techniques pour donner un aperçu fidèle de ce que verra l'utilisateur final.

Contrairement à l'ancienne expérience, où la phase de conception n'était pas facturée, chaque exécution en preview — génération, appel de tool, appel de skill — consomme des crédits Copilot imputés au tenant. Un test répété sur un modèle coûteux (type Opus) peut rapidement peser sur le budget alloué.

Pour vérifier la consommation après plusieurs sessions de test, l'onglet Monitor de l'agent (accessible après le premier enregistrement) donne une vue sur les sessions et la facturation associée. Pensez à cliquer sur Save régulièrement : il n'y a pas d'enregistrement automatique dans cette nouvelle interface.

Publier son agent : Teams, M365 Copilot et applications web

Une fois l'agent validé, le menu Publish propose plusieurs canaux de diffusion :

• Un site web de démonstration (indisponible si l'agent utilise une authentification propre à un connecteur).
• Une intégration en application web via un extrait de code à embarquer.
• Une mise à disposition dans Teams et Microsoft 365 Copilot, le canal le plus courant pour une diffusion interne à l'organisation.

La publication prend généralement une à deux minutes à se propager. Une fois active, les canaux (Teams, M365 Copilot) apparaissent comme « activés » dans l'onglet Availability options, et l'agent devient immédiatement disponible via Add an agent dans Microsoft 365 Copilot.

Points clés à retenir

• Le nouveau harnais de Copilot Studio repose sur le même orchestrateur que Copilot en mode agentique : plus de ténacité, mais une facturation systématique en crédits, y compris en phase de test.
• Les skills (format skill.md) sont désormais interopérables entre Copilot et Copilot Studio — un vrai levier de réutilisation pour les processus métier récurrents (branding, reporting, mise en forme de documents).
• Le nom et la description des tools sont le premier point de contrôle à vérifier quand un agent n'utilise pas le bon connecteur au bon moment.
• L'upload direct de fichiers dans un agent contourne les permissions natives (SharePoint, OneDrive) — à réserver aux contenus non sensibles.
• Mémoire et agents enfants ouvrent des perspectives de solutions modulaires, mais restent en preview : à valider avant tout déploiement critique.
• Construire des agents Copilot Studio pour les tâches répétitives permet de sortir ces usages du pool de crédits individuel des utilisateurs Copilot et de le rattacher à un budget maîtrisé côté organisation — une piste concrète pour limiter les coûts d'adoption de l'IA générative à grande échelle.

Avant de généraliser cette approche à l'ensemble de vos équipes, testez-la sur un cas d'usage circonscrit (une skill, un tool, un canal de publication) pour évaluer précisément l'impact en crédits avant d'ouvrir l'accès à un public plus large.