Category » GitLab Archives - ALM-toolbox FranceALM-toolbox France

Plateforme d’Agents GitLab Duo : Les agents IA qui transforment le DevSecOps

January 8, 2026January 8, 2026 Jean-Michel BonnetLeave a comment

Cet article partage notre point de vue sur la nouvelle Plateforme d’Agents GitLab Duo (DAP), basé sur notre expérience en tant que partenaire de longue date de GitLab fournissant du support et des services professionnels. Au fil des ans, nous avons aidé de nombreux clients à tirer le meilleur parti de la plateforme GitLab (en savoir plus ici),
et cette vue d’ensemble reflète ce que nous observons sur le terrain aujourd’hui et dans un avenir proche.

diagramme de la plateforme d'agents gitlab duo

_{Illustration : Plateforme d’Agents GitLab Duo}

La Plateforme d’Agents GitLab Duo est une nouvelle solution pilotée par l’IA qui intègre plusieurs assistants intelligents (« agents ») dans le cycle de vie du développement logiciel. Elle agit comme une couche d’orchestration où les développeurs collaborent de manière asynchrone avec des agents IA à travers le DevSecOps, transformant les flux de travail linéaires en processus dynamiques et parallèles.
Les tâches routinières – de la refactorisation du code à l’analyse de sécurité et à la recherche – peuvent être déléguées à des agents IA spécialisés, tandis que les développeurs humains se concentrent sur la résolution de problèmes complexes et l’innovation.

La plateforme tire parti du rôle de GitLab en tant que système d’enregistrement DevSecOps tout-en-un (englobant la gestion du code, les pipelines CI/CD, le suivi des tickets, les résultats des tests, les analyses de sécurité, etc.) pour donner à ces agents un contexte de projet complet, afin qu’ils apportent des contributions éclairées et alignées sur les normes et pratiques de votre équipe.

En bref, la Plateforme d’Agents GitLab Duo revient à avoir une équipe illimitée de collègues IA intégrée à votre flux de travail de développement, vous aidant à construire, tester, sécuriser et livrer des logiciels plus rapidement.

La Plateforme d’Agents GitLab Duo transforme le DevSecOps linéaire en un flux de travail dynamique et parallèle où une équipe illimitée de collègues IA assure la continuité des livraisons.

Principales fonctionnalités et fonctionnement

1. Plusieurs agents IA spécialisés (en parallèle) :

La Plateforme d’Agents Duo permet à de nombreux agents IA de travailler côte à côte sur différentes tâches simultanément. Par exemple, vous pourriez avoir un Agent Développeur Logiciel générant des modifications de code, un Agent Analyste en Sécurité examinant les vulnérabilités, et un Agent de Recherche Approfondie analysant l’historique du projet – tout cela en même temps.
Chaque agent a un rôle défini (développement, test, revue de code, sécurité, etc.) et opère sous une orchestration unifiée pour faire avancer le projet de manière collaborative.
Ce parallélisme réduit les temps d’attente et maintient le développement en mouvement continu.

2. Chat agentique et intégration IDE :

Les développeurs interagissent avec les agents Duo via un chat en langage naturel, disponible directement dans leur environnement de travail – via les extensions VS Code et JetBrains IDE ou dans l’interface web de GitLab.
Vous pouvez poser des questions ou déléguer des tâches en français simple, et même utiliser des raccourcis de commandes (comme /explain, /test, ou /include) pour déclencher des actions spécifiques.
L’interface de chat est sensible au contexte, conservant l’historique et le contexte du projet, afin que les agents puissent discuter du code, expliquer les échecs de tests ou suggérer des corrections en ayant une connaissance complète du contenu de votre dépôt. Cela permet aux développeurs de rester concentrés, en obtenant l’assistance de l’IA sans quitter leur environnement de codage.

3. Contexte complet du cycle de vie :

Parce que les agents GitLab Duo sont intégrés nativement dans la plateforme GitLab, ils ont accès à toutes les données pertinentes du projet – code source, historique des commits, demandes de fusion, journaux de tests, résultats d’analyses de sécurité, et plus encore.
Ce contexte riche signifie que les suggestions ou actions d’un agent ne sont pas faites de manière isolée ; elles sont éclairées par l’ensemble de l’environnement du cycle de vie de développement logiciel (SDLC).
Par exemple, un agent peut répondre à la question « Pourquoi ce pipeline a-t-il échoué ? » en analysant ensemble la différence de code, les résultats des tests et les commits récents. Les décisions de chaque agent sont alignées sur les normes et les connaissances passées de votre organisation, augmentant ainsi la pertinence et la précision de leurs résultats.

4. Règles et politiques personnalisées :

Les équipes peuvent personnaliser le comportement des agents pour faire respecter les normes de codage et les meilleures pratiques.
En utilisant le langage naturel, vous pouvez définir des règles ou des guides de style que les agents doivent suivre (par exemple, « toujours inclure une docstring pour les nouvelles fonctions » ou « utiliser notre bibliothèque de journalisation approuvée »). La plateforme Duo s’assurera alors que le code généré ou les corrections respectent ces conventions.
Cette capacité signifie que l’assistance de l’IA produit un code cohérent et sécurisé qui correspond aux préférences de votre équipe, réduisant ainsi l’effort consacré à la révision du code. Comme le note GitLab, de telles règles personnalisées accélèrent les revues et permettent aux développeurs de livrer plus rapidement du code conforme.

5. Flux d’agents (Workflows orchestrés) :

Au-delà des agents individuels, GitLab Duo introduit les Flux – des workflows prédéfinis ou personnalisés qui coordonnent plusieurs agents pour gérer des processus en plusieurs étapes de manière autonome.
Par exemple, un Flux de Développement Logiciel peut tout orchestrer, de la planification d’une nouvelle fonctionnalité à l’implémentation du code, puis à son test, en utilisant différents agents pour chaque étape.
Un flux en version bêta peut prendre un ticket ouvert, faire analyser les exigences par des agents, générer des modifications de code et exécuter des tests, transformant automatiquement une idée en une demande de fusion prête.
Ces flux d’agents s’attaquent à des tâches complexes de plusieurs heures en une fraction du temps en exécutant les étapes en parallèle et sans transferts manuels.

6. Extensibilité et intégration :

La Plateforme d’Agents Duo est conçue pour être extensible. Elle prend en charge le protocole ouvert Model Context Protocol (MCP), ce qui signifie que vos agents IA GitLab peuvent se connecter à des systèmes externes pour recueillir des informations ou effectuer des actions.
Par exemple, un agent pourrait extraire des données de tickets Jira ou ServiceNow pour obtenir un contexte supplémentaire sur une demande de fonctionnalité, ou même mettre à jour ces systèmes depuis l’interface de chat de GitLab. Cette intégration fait de Duo non seulement un assistant de codage, mais aussi une couche intelligente à travers toute votre chaîne d’outils.
GitLab enrichit continuellement le catalogue d’agents (avec des agents prévus pour la planification de produits, l’ingénierie de plateforme, le déploiement, etc.) et permet aux organisations de créer leurs propres agents personnalisés et de les partager via un catalogue d’IA. Que vous ayez 5 ou 50 agents en cours d’exécution, la plateforme peut être adaptée à vos besoins en matière de flux de travail et d’environnement.

Accélérer le développement et le délai de mise sur le marché

En déléguant les tâches répétitives à l’IA et en exécutant les tâches simultanément, la Plateforme d’Agents GitLab Duo accélère considérablement le processus de développement. Les développeurs n’ont plus à interrompre le codage pour lancer des tests, nettoyer le code ou attendre les revues de sécurité – ces tâches peuvent se dérouler de manière asynchrone en arrière-plan. Par exemple, plutôt qu’un ingénieur effectue manuellement une refactorisation importante puis attende une analyse de sécurité distincte, les agents de Duo peuvent gérer la refactorisation et la vérification des vulnérabilités en parallèle. Cette élimination des goulots d’étranglement signifie des boucles de rétroaction plus rapides et des cycles d’itération plus courts. En pratique, des flux de travail qui prenaient des jours (ou nécessitaient plusieurs membres de l’équipe) pourraient être achevés en quelques heures.
Les Flux d’agents de GitLab soulignent cette accélération : un flux coordonné peut planifier, implémenter et vérifier une modification de code de bout en bout sans intervention humaine, compressant ce qui était autrefois une séquence de transferts en une seule séquence automatisée.

En déléguant les tâches répétitives à des agents IA spécialisés, les équipes livrent les fonctionnalités plus rapidement, avec une meilleure qualité et une sécurité renforcée, sans ralentir les développeurs.

Les premiers résultats de la version bêta sont prometteurs. Les équipes signalent des gains de productivité significatifs – les agents IA s’attaquent sans relâche au « travail fastidieux » afin que les talents humains puissent se concentrer sur des tâches à haute valeur ajoutée. NatWest Group, un des premiers utilisateurs, a noté que l’intégration des agents IA de Duo dans leur cycle de vie de développement a « augmenté la productivité, la vélocité et l’efficacité » en libérant les développeurs des tâches répétitives. En d’autres termes, les fonctionnalités passent de l’idée à la production plus rapidement car moins de tâches attendent dans les files d’attente ou passent entre les mailles du filet. Avec des agents qui surveillent même de manière proactive les pipelines et la qualité du code, les problèmes sont détectés et résolus plus tôt, évitant les surprises de dernière minute. Tout cela se traduit par une livraison plus rapide et un délai de mise sur le marché accéléré pour les nouvelles fonctionnalités – un avantage concurrentiel clé pour les organisations d’ingénierie.

Améliorer la qualité et la sécurité du code

Bien que la vitesse soit importante, la qualité et la sécurité restent primordiales – et la Plateforme d’Agents GitLab Duo est conçue pour les améliorer également. Les agents Réviseur de Code IA de la plateforme effectuent des revues de code approfondies 24h/24 et 7j/7, en suivant les normes définies par votre équipe. Ils signalent automatiquement les incohérences de style, les bogues potentiels et même les vulnérabilités de sécurité dans les demandes de fusion, agissant comme un réviseur toujours vigilant. Ces réviseurs de code IA peuvent suggérer des modifications et même approuver et fusionner automatiquement le code une fois qu’il répond à tous les critères, garantissant qu’aucune liste de contrôle critique n’est ignorée dans la précipitation.

Des agents de sécurité spécialisés sont intégrés dans le flux de développement, de sorte que la sécurité n’est pas une réflexion après coup ou un silo distinct.
Un Agent Analyste en Sécurité peut analyser le code base et les dépendances à la recherche de vulnérabilités connues ou de mauvaises configurations, puis implémenter des correctifs ou des modifications de configuration pour remédier à ces faiblesses. Cela permet non seulement d’identifier les problèmes tôt (sécurité intégrée en amont ou ‘shift-left’), mais aussi de les corriger sur-le-champ, réduisant la charge de travail des ingénieurs en sécurité qui doivent manuellement corriger chaque faille.

De plus, comme les agents Duo ont une connaissance complète des exigences de conformité et des incidents passés de votre projet, ils font des recommandations qui respectent les politiques et les garde-fous de votre organisation. Le graphe de connaissances et les règles personnalisées de la plateforme garantissent que le code généré par l’IA est conforme aux pratiques de codage sécurisé et aux normes réglementaires dès le départ.

En ayant des assistants IA qui révisent le code et surveillent les risques en continu, les équipes peuvent atteindre un niveau de qualité de code de base plus élevé. Les bogues qui auraient pu passer à travers la revue de code ou les tests de cas limites sont plus susceptibles d’être détectés. Les problèmes de sécurité qui pourraient rester inaperçus sont identifiés immédiatement.
En substance, GitLab Duo agit comme un multiplicateur de force pour l’assurance qualité – chaque demande de fusion et chaque exécution de pipeline bénéficie d’une surveillance supplémentaire. Le résultat est un code plus fiable et maintenable, et un produit logiciel plus sécurisé sans ralentir le développement.

Qui en bénéficie au quotidien ?

L’un des points forts de la Plateforme d’Agents GitLab Duo est qu’elle apporte de la valeur à de multiples acteurs de l’équipe logicielle, améliorant les flux de travail quotidiens de chacun :

1. Les développeurs :

Les ingénieurs logiciels et les testeurs bénéficient d’un programmeur en binôme IA (et plus encore). Les agents Duo gèrent les tâches fastidieuses comme l’écriture de code répétitif, la génération de tests unitaires, la documentation du code et le débogage des problèmes courants, ce qui aide les développeurs à rester concentrés. En posant des questions à l’agent de chat (« Pourquoi ce test échoue-t-il ? » ou « Explique cette fonction »), les développeurs peuvent rapidement se débloquer grâce à des informations tirées du contexte de l’ensemble du projet. Ils passent moins de temps sur des tâches routinières et à chercher des informations, et plus de temps sur l’architecture créative et la résolution de problèmes complexes. En bref, les développeurs disposent d’assistants virtuels qui augmentent leur productivité et accélèrent même leur intégration sur de nouveaux projets en expliquant le code et les flux de travail à la demande.

2. Les responsables d’ingénierie :

Les chefs d’équipe, les architectes et les responsables du développement bénéficient d’une plus grande visibilité et d’une meilleure automatisation. GitLab Duo peut fournir automatiquement des mises à jour sur l’état d’avancement du projet, compiler des notes de version ou même trier les backlogs de tickets. Par exemple, l’Agent de Recherche Approfondie peut recueillir et corréler des données provenant des épopées, des tickets, des commits de code et des déploiements pour répondre à des questions de haut niveau sur la progression ou les risques du projet – un travail qui pourrait prendre des heures de réunions et de recherches manuelles à un manager. Les responsables peuvent déléguer certaines tâches de planification à une IA (par ex. la priorisation du backlog via un Agent de Planification de Produit) et avoir l’assurance que les normes de codage et les politiques de sécurité sont appliquées de manière cohérente par les agents. Cela signifie moins de surprises avant une livraison et des résultats plus prévisibles. En fin de compte, la direction de l’ingénierie constate des cycles de livraison plus rapides et une efficacité d’équipe améliorée, avec des rapports et des informations pilotés par l’IA pour guider la prise de décision.

3. Les équipes de sécurité et DevSecOps :

Les ingénieurs en sécurité et les praticiens du DevOps voient bon nombre de leurs vérifications de routine automatisées et intégrées dans le processus de développement.
Au lieu de dépendre uniquement des audits de sécurité en fin de cycle, l’Agent de Sécurité IA analyse en continu le code et les configurations à la recherche de vulnérabilités.
Il peut même proposer ou appliquer des correctifs, agissant comme une première ligne de défense. Cela réduit la charge de travail des experts en sécurité, leur permettant de se concentrer sur l’analyse avancée des menaces et les améliorations stratégiques de la sécurité plutôt que de courir après d’innombrables problèmes mineurs. De plus, l’audit de conformité devient plus facile – les agents peuvent s’assurer que chaque demande de fusion a les approbations, les tests et les analyses de sécurité requis avant d’être fusionnée, appliquant automatiquement la politique organisationnelle.

4. Les équipes DevOps :

Pour le DevOps, avoir des agents qui surveillent la santé des pipelines CI/CD et l’infrastructure (Agent Ingénieur de Plateforme) signifie une détection plus rapide des problèmes de performance ou des pannes, avec des suggestions sur la manière de les résoudre. En substance, les agents de Duo aident à maintenir un niveau élevé de sécurité et de stabilité sans ralentir le développement, conciliant les priorités souvent concurrentes de vitesse et de sûreté.

Cas d’utilisation et exemples

La Plateforme d’Agents GitLab Duo peut sembler futuriste, mais les utilisateurs constatent déjà son impact dans des scénarios réels. Un exemple vient de la propre équipe d’ingénierie de GitLab : un développeur avait besoin de comprendre et de documenter un flux de communication gRPC complexe dans un microservice Go.
Cette tâche impliquerait normalement de lire de nombreux fichiers et de dessiner manuellement des diagrammes de séquence – potentiellement une journée entière de travail.

Au lieu de cela, il s’est tourné vers la Plateforme d’Agents Duo.
En demandant à l’agent de « générer un diagramme Mermaid de l’interaction gRPC entre les services », le développeur a laissé l’IA scanner systématiquement le code Go pertinent (y compris en suivant les appels de fonction à travers les fichiers), analyser les modèles de requête/réponse, et produire un diagramme complet du flux de communication.
De plus, l’agent n’a pas fonctionné en vase clos : il a fait une pause pour poser des questions de clarification (par exemple, s’il fallait inclure les détails de gestion des erreurs dans le diagramme) et a ajusté son plan en fonction des commentaires du développeur.
Le résultat a été une documentation complète livrée en quelques minutes, et non en heures, illustrant comment Duo peut considérablement accélérer la compréhension d’une base de code pour l’intégration ou le dépannage.

Les grandes organisations testent également la plateforme

NatWest Group, une grande banque, a rapporté que les agents IA de GitLab Duo sont devenus de « vrais collaborateurs » pour leurs équipes à travers les processus de codage, de test et de CI/CD, et ont considérablement augmenté leur vélocité de développement.
Ce type de témoignage souligne que la Plateforme d’Agents Duo n’est pas seulement une expérience académique – elle aide déjà des équipes du monde réel à livrer de meilleurs logiciels plus efficacement.

Alors que GitLab continue d’affiner la plateforme (la version bêta publique est disponible pour tous les clients Premium et Ultimate, avec une disponibilité générale attendue d’ici la fin de l’année), de nouveaux cas d’utilisation émergent – de la génération automatique de demandes de fusion pour corriger les vulnérabilités, aux flux d’agents en un clic qui migrent des configurations CI/CD entières.
Chaque exemple renforce la promesse fondamentale de la Plateforme d’Agents GitLab Duo : augmenter les équipes humaines avec des agents alimentés par l’IA pour livrer des logiciels plus rapidement, avec une qualité et une sécurité supérieures.

Résumé

En infusant une automatisation intelligente tout au long du cycle de vie du développement, la Plateforme d’Agents GitLab Duo offre un aperçu de l’avenir du DevSecOps. Elle apporte des capacités qui séduisent les développeurs, les responsables d’ingénierie et les experts en sécurité – stimulant la productivité et l’innovation tout en garantissant des normes robustes. Dans un monde où la vitesse de mise sur le marché et la sécurité des logiciels sont toutes deux critiques, la plateforme d’agents alimentée par l’IA de GitLab offre un moyen convaincant d’atteindre les deux, permettant aux équipes de « commencer à livrer de meilleurs logiciels plus rapidement » avec l’aide de leurs nouveaux coéquipiers IA.

Regardez un aperçu rapide de la Plateforme d’Agents GitLab Duo :

Nous avons ajouté des sous-titres pour votre commodité (cliquez sur le bouton « CC »)

ALM Toolbox a aidé des centaines de clients à choisir la licence GitLab appropriée et à planifier la mise en œuvre et le déploiement du produit.
Nous sommes partenaires officiels de GitLab depuis 2016 et détenons des titres décernés par la société GitLab : « Partenaire Selected », « Héros GitLab » et « Champion GitLab » ainsi que des certifications professionnelles officielles GitLab après avoir passé des examens de qualification.
Récemment, nous avons également été sélectionnés par le cabinet de recherche STKI comme le « Partenaire Selected GitLab » pour 2025.
Vous pouvez nous contacter par e-mail à gitlab.fr@almtoolbox.com ou nous appeler : +33 1 84 17 53 28
866-503-1471 (États-Unis / Canada) ou +31 85 064 4633 (International)

Articles utiles :

Notre page web GitLab
Présentation de toutes les options de licence et d’installation de GitLab
Documentation technique de GitLab D uo
Témoignage du groupe Natwest sur l’utilisation de GitLab Duo
Notre offre IA

Cet article a été initialement publié en octobre 2025.

Regardez l’atelier : La gestion de projet avec GitLab

January 8, 2026January 8, 2026 Jean-Michel BonnetLeave a comment

Cet atelier de gestion de projet GitLab explore l’approche « plateforme unique » de la solution, rationalisant les flux de développement logiciel. Il détaille la hiérarchie organisationnelle : groupes, sous-groupes et projets – ainsi que les éléments de travail comme les épopées (epics) et les tickets (issues). Les participants ont appris à suivre les progrès à l’aide de feuilles de route (roadmaps), de jalons (milestones) et d’itérations pour la gestion Agile [11:52].

La session a mis en évidence les capacités avancées d’IA avec GitLab Duo pour générer des descriptions et des résumés [46:47].
Les fonctionnalités techniques clés incluent GLQL pour des tableaux de bord dynamiques et le Service Desk pour l’intégration des retours externes [01:47:07].

Grâce à des laboratoires pratiques, les participants ont configuré des étiquettes et des tableaux pour gérer les tâches en temps réel.

Enfin, l’atelier a présenté les analyses via les métriques DORA, en mettant l’accent sur des rétrospectives basées sur les données pour améliorer la productivité de l’équipe [02:10:13].

Inscrivez-vous ici pour recevoir l’enregistrement par e-mail :

Pour votre confort, nous avons ajouté des sous-titres et un horodatage.

Agenda de l’atelier, chapitres et chronologie :

[00:01] Introduction à GitLab Un aperçu de l’approche « Plateforme Unique » de GitLab et comment elle simplifie le développement logiciel par rapport à l’utilisation de multiples outils déconnectés.
[06:20] Théorie organisationnelle : Groupes, Sous-groupes et Projets Explication de la hiérarchie de GitLab et comment l’aligner avec votre unité commerciale ou votre structure organisationnelle.
[08:28] Définition des éléments de travail (Épopées, Tickets et Tâches) Une décomposition de la structure du travail, des capacités de haut niveau (Épopées/Epics) jusqu’aux histoires utilisateurs spécifiques (Tickets/Issues) et étapes techniques (Tâches).
[10:01] Suivi du travail : Feuilles de route, Jalons et Itérations Explication du suivi temporel, y compris la gestion de sprint Agile (Itérations) et les versions majeures de produits (Jalons).
[13:35] Flux de développement et Rôles Distinction entre la planification et le développement, couvrant les demandes de fusion (Merge Requests), le CI/CD et le rôle spécifique de « Planificateur » pour les chefs de projet.
[17:25] Pratique : Création de votre environnement Instructions étape par étape pour créer un sous-groupe et importer un projet afin de commencer les exercices pratiques.
[29:31] Pratique : Étiquettes (Labels) et Tableaux de tickets Comment créer des étiquettes à portée (ex : workflow::planning) et configurer des tableaux de tickets pour visualiser les progrès.
[37:19] Pratique : Configuration des Jalons Création d’un jalon de migration avec des dates de début et d’échéance spécifiques pour suivre l’avancement global du projet.
[44:41] Pratique : Création de tickets avec GitLab Duo (IA) Démonstration de l’utilisation de GitLab Duo pour générer des descriptions de tickets et des squelettes de projet en langage naturel.
[56:24] Gestion des tickets sur les tableaux Exercice pratique de déplacement des tickets à travers les différentes étapes du flux de travail sur le tableau et observation des changements d’étiquettes.
[01:05:54] Planification de portefeuille : Épopées et Sous-épopées Création pratique de portefeuilles de haut niveau et imbrication d’épopées enfants pour gérer des fonctionnalités complexes.
[01:18:57] Cadence d’itération (Sprints) Configuration de cycles de sprint automatisés et attribution du travail à des itérations spécifiques pour un suivi granulaire.
[01:35:11] GitLab Query Language (GLQL) et Wikis de projet Utilisation de GLQL pour créer une documentation dynamique et vivante ainsi que des tableaux de bord au sein des Wikis GitLab.
[01:58:01] GitLab Service Desk Configuration d’une boucle de feedback e-mail-vers-ticket intégrée pour collecter et gérer les retours des clients externes.
[02:08:52] Analyses et Conclusion Aperçu des métriques DORA et de l’analyse de la chaîne de valeur (Value Stream) pour mesurer la performance de l’équipe et identifier les goulots d’étranglement.
[02:12:32] Session de questions-réponses en direct Dernières questions concernant la substitution par l’IA dans les flux de travail et les requêtes GLQL avancées.

ALM Toolbox a aidé des centaines de clients à sélectionner l’édition et la licence GitLab appropriées, ainsi qu’à planifier l’implémentation du produit et le déploiement du support GitLab.
Nous sommes partenaires officiels de GitLab depuis 2016 et détenons les titres décernés par l’entreprise GitLab :
« Selected Partner », « GitLab Hero » et « GitLab Champion » , ainsi que des certifications professionnelles officielles GitLab après avoir réussi les examens de qualification.
Récemment, nous avons également été sélectionnés par le cabinet de recherche STKI comme le « Partenaire GitLab Selected» pour 2025.
Vous pouvez nous contacter par e-mail à gitlab.fr@almtoolbox.com ou nous appeler : +33 1 84 17 53 28
866-503-1471 (USA / Canada) ou +31 85 064 4633 (International)

Liens utiles :

Avis CodeRabbit : Processus de Revision de Code par IA pour les Équipes d’Entreprise

January 8, 2026January 8, 2026 Ori HLeave a comment

CodeRabbit est une plateforme avancée de revue de code par IA conçue pour rationaliser les processus de développement logiciel.
Elle s’intègre aux outils de développement existants pour fournir des revues de code automatisées, détecter les bugs plus tôt et accélérer l’approbation des Pull Requests (PR) et des Merge Requests (MR).

En tant qu’application d’IA la plus installée sur GitHub et GitLab, la plateforme a traité des millions de PRs sur de vastes bases de code.
Cet article examine les fonctionnalités de CodeRabbit, la manière dont il résout les problèmes du SDLC (Cycle de Vie du Développement Logiciel), ses cas d’usage dans les Entreprises, les intégrations supportées et sa place dans le paysage concurrentiel des outils de développement basés sur l’IA.

Vue d’ensemble de CodeRabbit

CodeRabbit agit comme un réviseur de code IA qui s’intègre dans le flux de travail existant de l’équipe.
Le système se connecte aux plateformes de gestion de code source telles que GitHub, GitLab, Bitbucket et Azure DevOps pour examiner les modifications de code dans chaque PR.

Le service fournit des commentaires contextuels ligne par ligne, génère des rapports de synthèse et suggère même des corrections.
L’objectif est de « réduire le temps de revue de code et le nombre de bugs de plusieurs ordres de grandeur » (parfois de 50 %), permettant aux équipes tirant parti des outils d’IA d’avancer rapidement sans compromettre la qualité.

La portée de CodeRabbit est significative : il a analysé plus de 10 millions de PRs dans plus d’un million de dépôts (repositories), témoignant de sa valeur pour les organisations de développement rapide. Il est disponible sous forme d’application de service Git, d’outil CLI et d’extension IDE, ce qui en fait « le seul outil qui effectue des revues où que vous travailliez » (dans les PRs, VS Code ou le terminal).

Pour les utilisateurs Entreprise, la plateforme offre une sécurité et une évolutivité robustes. Elle est certifiée SOC 2 Type II et utilise un chiffrement SSL de bout en bout sans conservation des données après la revue.
Les entreprises peuvent choisir entre un déploiement SaaS et des options auto-hébergées (Self-hosted), avec un contrôle d’accès basé sur les rôles (RBAC) et un support pour GitHub Enterprise Server (sur site/on-prem).
L’accent est également mis sur la confidentialité et la conformité – avec des environnements éphémères,
le chiffrement et des options sur site – ce qui le rend adapté aux organisations ayant des exigences de sécurité strictes.

Démo : (Vidéo d’1 min)

Fonctionnalités et Capacités de CodeRabbit :

L’ensemble des fonctionnalités de CodeRabbit est vaste, visant à reproduire et à améliorer la minutie d’une revue de code humaine tout en automatisant les tâches répétitives.
Les principales fonctionnalités incluent :

Analyse de Code Automatisée : Dans chaque Pull Request, le système effectue une revue IA combinée à une Analyse Statique. Il publie un commentaire « Walkthrough » résumant les changements et soulignant les problèmes potentiels, suivi d’un commentaire de revue détaillé signalant les bugs, les violations de style ou le manque de documentation et de tests. Les revues combinent les capacités de raisonnement des LLM avec plus de 40 Linters et scanners de sécurité pour une couverture élevée.
Corrections en un clic : De nombreux problèmes sont accompagnés de suggestions de correction applicables en un seul clic. CodeRabbit propose des suggestions de commit en un clic pour les corrections simples et un bouton « Fix with AI » pour les modifications plus complexes, permettant aux développeurs d’appliquer les correctifs directement depuis l’interface de la PR.
Résumés de PR & Diagrammes : Le système génère un résumé « TL;DR » des modifications et même des diagrammes visuels de l’architecture du code ou du flux d’exécution.
Cela aide les réviseurs humains à comprendre la portée et l’intention du changement en un coup d’œil.
Chat de Revue Interactif : Vous pouvez discuter avec le bot CodeRabbit en taguant @coderabbitai dans les commentaires de la PR. Le bot peut expliquer ses retours et même accepter des commandes. Cette capacité de Chat Agentique transforme chaque PR en une session collaborative. Par exemple, vous pouvez demander au bot de générer des Docstrings, et il ouvrira automatiquement une nouvelle PR avec les changements.
Apprentissage et Règles Personnalisées : De manière unique, CodeRabbit apprend des retours de l’équipe. Si l’équipe n’est pas d’accord avec une suggestion, le bot s’adaptera à l’avenir.
De plus, des instructions de revue personnalisées peuvent être définies via un fichier YAML, rendant la revue plus adaptée aux standards du projet au fil du temps.
Analyse Enrichie par le Contexte : Le système construit un « Graphe de code » pour comprendre les dépendances entre les fichiers et intègre un contexte externe comme Jira ou des recherches web pour une documentation à jour. Cette profondeur de contexte aide l’IA à éviter les Faux Positifs.
Vérifications Pré-Merge et Générateurs : Le système peut exécuter des vérifications pré-fusion (Pre-merge checks) personnalisées écrites en langage naturel, évaluer la couverture des tests et générer automatiquement des Tests unitaires ou des Docstrings manquants.
Reporting et Analytique : Un tableau de bord analytique fournit aux responsables d’ingénierie des informations telles que le temps moyen de fusion des PRs, le nombre de problèmes détectés et le taux d’acceptation des suggestions CodeRabbit. Des rapports (tels que les résumés Daily Stand-up) peuvent être programmés pour être envoyés par e-mail ou sur Slack/Teams.

Toutes ces fonctionnalités fonctionnent avec une fiabilité de niveau Entreprise, utilisant des environnements cloud éphémères et le chiffrement des données en transit.

Répondre aux problèmes du SDLC et de l’ALM :

Les équipes de développement modernes, en particulier celles adoptant des outils de Pair Programming par IA, font face à de nouveaux défis. CodeRabbit a été conçu pour résoudre plusieurs problèmes du SDLC et de l’ALM (Gestion du Cycle de Vie des Applications) :

Goulots d’étranglement de la Revue de Code : Avec la génération rapide de code (par ex. via GitHub Copilot), les réviseurs humains peinent à suivre.
CodeRabbit résout ce goulot d’étranglement en effectuant des revues immédiates et en fournissant des retours en quelques instants. Des entreprises ont rapporté des « processus de fusion 40 % plus rapides » après adoption.
Améliorer la Qualité du Code tôt : L’outil détecte les bugs avant que le code n’atteigne la Production. Il signale les cas limites (edge cases), les erreurs « Off-by-one » et les problèmes de sécurité potentiels.
En adoptant une approche « Shift Left » (décalage de la détection des défauts vers la gauche) au stade de la PR, les corrections coûteuses plus tard dans le cycle sont évitées.
Cohérence et Bonnes Pratiques : Le système applique uniformément les guides de style et rappelle aux développeurs d’utiliser les modèles convenus. Il sert de base de connaissances évolutive des normes de l’équipe, ce qui est particulièrement utile pour l’Onboarding des nouveaux ingénieurs.
Fatigue du Réviseur et Couverture : Contrairement aux réviseurs humains qui fatiguent, CodeRabbit offre une couverture complète et ne saute pas de parties du code. Il filtre le bruit et ne présente que les problèmes significatifs, réduisant la charge mentale de l’équipe.
Gérer le Code Généré par IA : Le code généré par IA peut contenir 1,7 fois plus de problèmes que le code humain. CodeRabbit agit comme une « Porte de Qualité » (Quality Gate) pour ce code, fournissant une revue tierce pour détecter les erreurs d’outils comme Copilot.

Cas d’Usage Courants en Entreprise

Revues de Pull Request Automatisées : Le cas d’usage principal est la revue automatique de chaque PR sur des plateformes comme GitHub et GitLab. Cela peut être configuré comme une vérification requise empêchant les fusions tant que la revue n’est pas terminée et que les problèmes critiques ne sont pas résolus.
Assistant de Revue de Code dans l’IDE : Les développeurs peuvent recevoir des retours directement dans l’IDE (comme VS Code) avant même de faire un Push. Cela permet des vérifications Pre-commit et une résolution précoce des problèmes sans changer de contexte vers GitHub.
Améliorations CI/CD : Intégration avec les systèmes de CI comme CircleCI et Azure DevOps pour identifier et corriger automatiquement les échecs de Build. C’est un pas vers l’« Auto-guérison de la CI » (Self-healing CI) et le « Shift Left ».
Couverture des Tests Unitaires et Documentation : La capacité de générer des Tests unitaires et des Docstrings à la demande améliore considérablement la productivité et la maintenabilité du code.
Onboarding des Développeurs : L’outil mentore les nouveaux développeurs en expliquant les écarts par rapport aux normes et en fournissant un contexte pour les problèmes, raccourcissant ainsi la courbe d’apprentissage.
Collaboration Inter-équipes : La connexion à Jira et Slack transforme la PR en un hub collaboratif, impliquant des parties prenantes comme l’AQ et les Product Managers dans le processus de revue.
Audit et Amélioration Continue : Les données de revue et les tableaux de bord sont utilisés pour l’amélioration des processus et les audits de conformité dans les industries réglementées.

Intégrations avec les Outils de Développement :

Plateformes de Gestion de Code Source : Support pour GitHub (y compris Enterprise Server), GitLab, Bitbucket et Azure Repos. Ce support multiplateforme est critique pour les organisations ayant des environnements mixtes.
Suivi des Tickets (Issue Trackers) : Intégration native avec Jira et Linear pour récupérer le contexte et gérer les tickets directement depuis la PR.
Communication : Support de Slack et Microsoft Teams pour recevoir des alertes et des rapports. Le partenariat avec la plateforme PullFlow permet une synchronisation bidirectionnelle des commentaires.
Outils CI/CD et DevOps : Fonctionne aux côtés de CircleCI, GitHub Actions, et utilise les résultats des outils SAST (comme SonarCloud) pour centraliser tous les signaux de qualité en un seul endroit.
IDE et CLI : Extension pour VS Code et support CLI (commande coderabbit) permettant l’exécution de revues dans des environnements Headless ou des hooks Pre-commit. Une intégration existe également avec des IDE basés sur l’IA comme Cursor et Windsurf.
Sources de Connaissances Externes : Utilisation de serveurs MCP (Multi-Context Provider) pour accéder aux bases de connaissances internes, et exécution de requêtes web pour récupérer des informations à jour sur les APIs ou les bibliothèques.

Résumé : S’adapter au SDLC Moderne

CodeRabbit démontre comment l’IA Générative peut être exploitée pour améliorer les pratiques d’ingénierie logicielle, non seulement en écrivant du code plus rapidement, mais en élevant la barre de la qualité du code et de l’efficacité des revues.
Dans un SDLC moderne, et spécifiquement au niveau Entreprise, il fonctionne comme un « Gardien du Code » basé sur l’IA, assurant que la vélocité du développement ne se fait pas au détriment de la maintenabilité ou de la sécurité.

L’outil s’inscrit dans le concept d’un cycle de développement piloté par l’IA : l’IA écrit le code, l’IA révise le code, et les humains supervisent et guident les deux.
L’adoption de CodeRabbit permet aux organisations d’accélérer la livraison, d’améliorer la qualité du code et d’autonomiser leurs ingénieurs, tout en maintenant les standards rigoureux requis dans le développement logiciel aujourd’hui.

Cet avis a été préparé par Tamir Gefen et l’équipe ALM Toolbox – les représentants officiels de CodeRabbit , fournissant conseil, support, assistance au choix de licence, vente de licences, et plus encore.
Pour plus de détails contactez-nous : devops.fr@almtoolbox.com
Ou par téléphone : +33 1 84 17 53 28 , 866-503-1471 (USA & Canada) ou +31 85 064 4633

Points forts des versions GitLab 2025 : DevSecOps axé sur l’IA, CI/CD amélioré et perspectives 2026

January 7, 2026January 7, 2026 Jean-Michel BonnetLeave a comment

Récapitulatif des versions 2025 de GitLab (17.8 à 18.7) : passage de GitLab Duo à l’IA agentique, renforcement du CI/CD, avancées du contrôle de version et perspectives 2026

Les versions mensuelles de GitLab en 2025 (de la 17.8 en janvier 2025 à la 18.7 en décembre 2025) racontent une histoire claire : la plateforme passe de « quelques fonctionnalités IA dispersées » à un flux de travail DevSecOps agentique régi par l’IA, tout en renforçant simultanément les contrôles de la chaîne logistique logicielle et en peaufinant l’expérience développeur, tant sur le SaaS (GitLab.com) que sur les versions auto-hébergées (Self-managed).

2025 en un coup d’œil : les évolutions majeures du produit

1) GitLab Duo se démocratise, puis devient agentique

Le point d’inflexion a été GitLab 18.0, où les offres Premium et Ultimate « avec Duo » ont commencé à inclure des fonctionnalités natives d’IA (Duo Chat + Code Suggestions dans l’IDE) — un changement majeur de packaging qui a effectivement fait de l’IA une attente par défaut pour de nombreux clients (SaaS et auto-hébergés).

À partir de là, les mises à jour ont rapidement poussé vers des flux de travail agentiques :

Duo Self-Hosted GA (17.9) : les entreprises ont pu exécuter des LLM sélectionnés sur leur propre infrastructure pour Duo Chat et Code Suggestions — répondant explicitement aux besoins de souveraineté des données.
Duo Code Review : lancé en bêta (17.10), a gagné en automatisation avec la version 18.0 et a continué de mûrir pour être prêt pour la production en 2025.
Duo Agent Platform (DAP) : intégrée aux IDE en 18.2 (bêta), étendue à Visual Studio en 18.3 (bêta publique), tout en ajoutant des agents spécialisés (Planner, Security Analyst).

Tendance : GitLab construit l’« IA en tant que plateforme » (agents + orchestration + gouvernance), et pas seulement un assistant de codage. Cela est renforcé par le positionnement officiel de la Duo Agent Platform comme couche d’orchestration pour de multiples agents.

2) La gouvernance et les « contrôles d’entreprise » deviennent le différenciateur de l’IA

Une fois l’IA omniprésente, le différenciateur devient le contrôle :

Sélection de modèle GA (18.4) : les administrateurs peuvent choisir quels fournisseurs de modèles alimentent les flux de travail Duo, sur GitLab.com, Self-managed et Dedicated.
Exclusion de contexte (18.4) : les équipes peuvent empêcher l’utilisation de fichiers/répertoires sensibles comme contexte pour Duo.
Sélection de modèle distincte pour le Chat vs les agents (18.7) : une gouvernance plus fine à mesure que les fonctionnalités agentiques se développent.
Tableau de bord des tendances Duo + SDLC (18.7) : instrumentation explicite pour mesurer l’adoption et l’impact de l’IA.

Tendance : La gouvernance de l’IA (choix du modèle, limites du contexte, analyse de l’utilisation) devient aussi importante que les fonctionnalités d’IA elles-mêmes.

3) La sécurité CI/CD se resserre autour de l’identité, des jetons et de l’intégrité de la chaîne logistique

Tout au long de 2025, GitLab a livré un ensemble cohérent de blocs de renforcement pour le CI/CD :

Permissions fines pour les jetons de job CI/CD (18.3) : implémente le principe du moindre privilège pour les pipelines au lieu d’hériter des permissions larges de l’utilisateur.
Les jetons de job peuvent authentifier le push Git (18.4) : permet des « pipeline pushes » sécurisés sans dépendre d’identifiants à longue durée de vie.
SLSA Niveau 1 avec les composants CI/CD (18.1) : une posture de chaîne logistique plus claire lors de l’assemblage de pipelines à partir de composants réutilisables.
Dépôts de conteneurs protégés (17.8) + tags de conteneurs immuables (18.2) : contrôles renforcés autour du registre de conteneurs, intégrité des images et prévention des modifications.
Vérification de validité des secrets GA (18.7) : priorise les risques réels en vérifiant si les identifiants divulgués sont toujours actifs, avec en plus des intégrations fournisseurs étendues.

Tendance : GitLab réduit la dépendance aux secrets à longue durée de vie et aux jetons larges, poussant les utilisateurs vers une identité éphémère et délimitée pour l’automatisation.

Les versions livrées en 2025 : points forts par domaine

IA & GenAI (GitLab Duo et flux de travail agentiques)

Si vous ne devez retenir qu’un seul thème de 2025, c’est celui-ci :

17.9 : Duo Self-Hosted devient généralement disponible (souveraineté des données + modèles privés).
17.10 → 18.1 : Duo Code Review passe de la bêta à une adoption plus large, avec l’ajout des revues automatiques en 18.0.
18.2 → 18.3 : Duo Agent Platform arrive dans les IDE (bêta) et s’étend à Visual Studio (bêta publique).
18.4 : Sélection de modèle GA + Knowledge Graph (bêta) pour booster l’intelligence du code et améliorer la précision des agents grâce à un contexte plus riche.
18.5 → 18.6 : Planner Agent et Security Analyst Agent (bêta), de plus le Security Analyst devient un agent fondamental (disponible par défaut) dans le Chat Agentique.
18.7 : sélection de modèle distincte pour le Chat vs les agents + analyses renforcées (tendances Duo + SDLC) pour quantifier l’impact.

Contrôle de version et collaboration sur le code (la « surface développeur »)

Le travail de GitLab en 2025 à ce niveau concerne la navigation et la découvrabilité :

Page d’accueil des Merge Requests (18.2) : UX de revue orientée charge de travail avec vues par flux et rôles (un vrai gain de productivité pour les équipes à fort volume de MR).
Recherche de code exacte (18.6, disponibilité limitée) : basée sur Zoekt, activée par défaut sur GitLab.com ; la version auto-hébergée nécessite l’installation et l’activation de Zoekt.
Vues intégrées propulsées par GLQL (18.3 GA) : des « tableaux de bord vivants » que vous pouvez intégrer dans les wikis, tickets, épopées et merge requests — idéal pour le reporting DevOps et la visibilité projet.
Visibilité Release + déploiement (17.8) : les déploiements liés à une release sont visibles directement sur la page de la release.

CI/CD et ingénierie de plateforme

L’arc 2025 : pipelines réutilisables + meilleures entrées + automatisation plus sûre.

Entrées de pipeline (17.11) : entrées structurées pour un déclenchement de pipeline plus sûr et des flux de travail modélisés.
Options d’entrée dynamiques (18.7) : menus déroulants en cascade dans l’interface utilisateur pour des lancements de pipeline mieux guidés.
Maturité des composants CI/CD : alignement au niveau SLSA et meilleure gestion des métadonnées des composants (18.1, 18.6).
Runners hébergés pour GitLab Dedicated (17.8, disponibilité limitée) : réduit la charge opérationnelle pour les entreprises souhaitant une capacité de runners gérée.

Sécurité, conformité et gouvernance

Les améliorations de sécurité de GitLab en 2025 se regroupent autour de prévenir, détecter, valider, gouverner :

Cadres de conformité personnalisés + exigences (17.11) : surveillance de conformité plus approfondie intégrée aux flux de travail (au-delà des simples étiquettes).
Vérification de validité des secrets GA (18.7) : améliorations actionnables pour le scan de secrets en vérifiant si les fuites fonctionnent toujours.
Triage de sécurité assisté par IA : l’agent Security Analyst et la détection de faux positifs SAST par IA (bêta) pointent vers une « AppSec agentique ».

GitLab.com vs auto-hébergé (Self-managed) : ce qui a compté en 2025

GitLab a continué de livrer des fonctionnalités sur toutes les offres, mais plusieurs importantes diffèrent sur le plan opérationnel :

Recherche de code exacte : activée par défaut sur GitLab.com ; nécessite l’installation et l’activation de Zoekt en auto-hébergé.
Migrations par transfert direct (18.3) : activées par défaut sur GitLab.com ; nécessite une activation admin en auto-hébergé.
Plan de contrôle IA : la sélection de modèles et les fonctionnalités d’agents s’accompagnent de plus en plus d’une gouvernance au niveau administrateur, ce qui compte davantage pour les environnements auto-hébergés.

Ce qui nous attends en 2026 : les thèmes les plus probables à prévoir

1) GitLab 19.0 est la prochaine version majeure (mai 2026)

La politique de maintenance de GitLab indique que la prochaine version majeure est GitLab 19.0, prévue pour le 21 mai 2026.

2) Intégration Kubernetes : la fin de la méthode basée sur les certificats

GitLab a progressivement abandonné l’ancienne intégration Kubernetes basée sur les certificats ; GitLab a déclaré qu’elle sera retirée de GitLab.com en mai 2026 et cessera de fonctionner. Les conseils associés continuent de pousser les utilisateurs vers l’agent GitLab pour Kubernetes.

3) La plateforme d’agents Duo en route vers la GA

Le message de GitLab autour de la Duo Agent Platform met l’accent sur une livraison mensuelle rapide et une orientation vers l’orchestration. Le message de la version 18.7 cadre explicitement les sorties récentes comme des « blocs de construction » pour la prochaine disponibilité générale (GA) et mentionne des améliorations continues en 18.8 et au-delà.
Il existe également des signaux sur la roadmap publique indiquant que les chantiers pour la GA s’étendent jusqu’au début 2026.

4) Le Knowledge Graph et l’intelligence du code seront probablement « plus intégrés »

La version 18.4 de GitLab décrit le Knowledge Graph (bêta) comme la fondation d’un futur Service Knowledge Graph entièrement intégré dans GitLab.com et en auto-hébergé. Cela suggère fortement une intégration plus profonde du RAG et de l’intelligence du code en 2026.

Écrit par Tamir Gefen, PDG d’ALM Toolbox.
ALM Toolbox a aidé des centaines de clients à sélectionner l’édition et la licence GitLab appropriées, ainsi qu’à planifier l’implémentation du produit et le déploiement du support GitLab.
Nous sommes partenaires officiels de GitLab depuis 2016 et détenons des titres décernés par l’entreprise GitLab : Selected Partner, GitLab Hero et « GitLab Champion » , ainsi que des certifications professionnelles officielles GitLab après réussite des examens de qualification.
Récemment, nous avons également été sélectionnés par le cabinet d’études STKI comme « Partenaire GitLab sélectionné » pour 2025.
Vous pouvez nous contacter par email à gitlab.fr@almtoolbox.com ou nous appeler :
+33 1 84 17 53 28 ,866-503-1471 (USA / Canada) ou +31 85 064 4633 (International)

Liens utiles :

GitLab Duo Agent Platform : Des agents IA qui transforment le DevSecOps

December 16, 2025December 16, 2025 Jean-Michel BonnetLeave a comment

Cet article partage notre point de vue sur la nouvelle palteforme GitLab Duo Agent Platform (DAP), basé sur notre expérience en tant que partenaires GitLab de longue date fournissant support et services professionnels. Au fil des années, nous avons aidé de nombreux clients à tirer le meilleur parti de la plateforme GitLab (en savoir plus ici),
cet aperçu reflète ce que nous observons sur le terrain aujourd’hui et dans un avenir proche.

_{Illustration : GitLab Duo Agent Platform}

La GitLab Duo Agent Platform est une nouvelle solution pilotée par l’IA qui intègre plusieurs assistants intelligents (« agents ») dans le cycle de vie du développement logiciel. Elle agit comme une couche d’orchestration où les développeurs collaborent de manière asynchrone avec des agents IA à travers le DevSecOps, transformant les flux de travail linéaires en processus dynamiques et parallèles.
Les tâches routinières – du refactoring de code à l’analyse de sécurité et à la recherche – peuvent être délestées vers des agents IA spécialisés, tandis que les développeurs humains se concentrent sur la résolution de problèmes complexes et l’innovation.

La plateforme tire parti du rôle de GitLab en tant que système d’enregistrement (System of Record) DevSecOps tout-en-un (englobant la gestion du code, les pipelines CI/CD, le suivi des tickets, les résultats de tests, les scans de sécurité, etc.) pour donner à ces agents un contexte de projet complet. Cela leur permet d’apporter des contributions éclairées et alignées sur les normes et pratiques de votre équipe.

En bref, la GitLab Duo Agent Platform, c’est comme avoir une équipe illimitée de collègues IA intégrée à votre flux de développement, vous aidant à construire, tester, sécuriser et livrer des logiciels plus rapidement.

La GitLab Duo Agent Platform transforme le DevSecOps linéaire en un flux de travail dynamique et parallèle où une équipe illimitée de collègues IA maintient le rythme des livraisons »

Fonctionnalités clés et fonctionnement

1. Plusieurs agents IA spécialisés (en parallèle) :

La plateforme Duo Agent permet à de nombreux agents IA de travailler côte à côte sur différentes tâches simultanément. Par exemple, vous pourriez avoir un Agent Développeur Logiciel générant des changements de code, un Agent Analyste Sécurité examinant les vulnérabilités, et un Agent de Recherche Approfondie analysant l’historique du projet – le tout en même temps.
Chaque agent a un rôle défini (développement, test, revue de code, sécurité, etc.) et opère sous une orchestration unifiée pour faire avancer le projet de manière collaborative.
Ce parallélisme réduit les temps d’attente et assure une progression continue du développement.

2. Chat avec agents et intégration IDE :

Les développeurs interagissent avec les agents Duo via un chat en langage naturel, disponible directement dans leur flux de travail – via les extensions VS Code et JetBrains IDE ou dans l’interface web de GitLab.
Vous pouvez poser des questions ou déléguer des tâches en langage courant, et même utiliser des raccourcis de commandes slash (comme /explain, /test ou /include) pour déclencher des actions spécifiques.
L’interface de chat est sensible au contexte, conservant l’historique et le contexte du projet, afin que les agents puissent discuter du code, expliquer les échecs de tests ou suggérer des corrections en ayant pleinement conscience du contenu de votre dépôt. Cela permet aux développeurs de rester « dans le flux », bénéficiant de l’assistance de l’IA sans quitter leur environnement de codage.