Azure SDK Avril 2026 : AI Foundry 2.0 et Ce Que les Développeurs .NET Doivent Savoir

Emiliano Montesdeoca — Sat, 25 Apr 2026 00:00:00 +0000

Cet article a été traduit automatiquement. Pour la version originale, cliquez ici.

Les versions mensuelles du SDK sont souvent faciles à ignorer. Celle-ci a quelques points à retenir — surtout si vous construisez avec AI Foundry, Cosmos DB en Java, ou faites du provisionnement d’infrastructure depuis du code .NET.

Azure.AI.Projects 2.0.0 — Changements Cassants Qui Font Sens

Le paquet NuGet Azure.AI.Projects atteint la version stable 2.0.0: séparations de namespaces, types renommés, et convention Is* cohérente pour les booléens.

Cosmos DB Java : Correctif de Sécurité Critique (RCE)

La version 4.79.0 inclut un correctif critique pour une vulnérabilité d’exécution de code à distance (CWE-502). Mise à jour immédiate requise.

Nouvelles Bibliothèques de Provisioning pour .NET

Conclusion

Le point fort pour les développeurs .NET ce mois-ci : Azure.AI.Projects 2.0.0 est stable. Post original : Azure SDK Release (April 2026).

68 Minutes par Jour à Ré-Expliquer Son Code ? Il Y a une Solution

Emiliano Montesdeoca — Thu, 23 Apr 2026 00:00:00 +0000

Cet article a été traduit automatiquement. Pour la version originale, cliquez ici.

Vous connaissez ce moment où votre session Copilot atteint /compact et que l’agent oublie complètement ce sur quoi vous travailliez ? Vous passez les cinq minutes suivantes à ré-expliquer la structure des fichiers, le test qui échoue, les trois approches déjà essayées. Puis ça recommence.

Desi Villanueva l’a chronométré : 68 minutes par jour — juste pour la réorientation. Pas à écrire du code. Pas à revoir des PRs. Juste à remettre l’IA au courant de choses qu’elle savait déjà.

Il s’avère qu’il y a une raison concrète à cela — et une solution concrète.

Le Mensonge de la Fenêtre de Contexte

Votre agent arrive avec un grand nombre sur la boîte. 200K tokens. Ça semble massif. En pratique c’est un plafond, pas une garantie.

Voici le calcul réel :

200K contexte total
Moins ~65K pour les outils MCP chargés au démarrage (~33%)
Moins ~10K pour les fichiers d’instructions comme AGENTS.md

Cela vous laisse environ 125K avant d’avoir tapé un seul mot. Et ça empire — les LLMs ne se dégradent pas gracieusement. Ils atteignent un mur vers 60% d’utilisation. Le modèle commence à perdre des éléments mentionnés 30 tours plus tôt.

Limite effective : 45K tokens avant que la qualité se dégrade.

La Taxe de Compactage

Chaque /compact vous coûte votre état de flow. Vous êtes profondément dans une session de débogage. Contexte partagé construit sur 30 minutes. Puis l’avertissement arrive.

La partie cruelle : La mémoire existe déjà. Copilot CLI écrit chaque session dans une base de données SQLite locale à ~/.copilot/session-store.db. L’agent ne peut tout simplement pas la lire.

auto-memory : Une Couche de Rappel, Pas un Système de Mémoire

pip install auto-memory

~1 900 lignes de Python. Zéro dépendances. Installé en 30 secondes.

Au lieu d’inonder le contexte avec des résultats grep, vous donnez à l’agent un accès chirurgical à ce qui compte vraiment — 50 tokens au lieu de 10 000.

En Conclusion

Le context rot est une contrainte architecturale réelle. auto-memory le contourne en donnant à votre agent un mécanisme de rappel bon marché et précis.

Consultez-le : auto-memory sur GitHub. Post original de Desi Villanueva : I Wasted 68 Minutes a Day.

AI Foundry | The .NET Blog