Category: GitLab AI

Comment LiteLLM aide les utilisateurs de GitLab à standardiser, sécuriser et contrôler l’usage de l’IA

Jean-Michel BonnetLeave a comment

GitLab intègre rapidement des fonctionnalités d’IA telles que GitLab Duo, AI Gateway et des flux de CI/CD basés sur l’IA, mais de nombreuses organisations sont toujours confrontées à une utilisation fragmentée des modèles, à des coûts flous et à des préoccupations en matière de conformité.

LiteLLM peut agir comme la couche de « passerelle IA » manquante pour GitLab, vous offrant un endroit unique pour standardiser l’accès aux LLM, appliquer la sécurité et suivre les dépenses de toutes les équipes.

Qu’est-ce que LiteLLM et pourquoi les utilisateurs de GitLab devraient s’y intéresser

LiteLLM est une passerelle et un proxy d’IA open source qui expose une API unique compatible OpenAI devant plus de 100 fournisseurs de LLM et backends auto-hébergés tels que OpenAI, Azure OpenAI, Anthropic, Amazon Bedrock, Gemini, vLLM et autres.
Au lieu de connecter chaque intégration GitLab directement au SDK d’un fournisseur spécifique, vous acheminez tout via LiteLLM et le laissez gérer les différences entre fournisseurs, le routage, les journaux et le calcul des coûts.

Pour les utilisateurs de GitLab, cela signifie que vous pouvez traiter LiteLLM comme le « plan de contrôle » pour toute utilisation de l’IA provenant de GitLab Duo, de l’AI Gateway et des pipelines CI/CD de GitLab.
Vous bénéficiez d’un point unique pour appliquer des politiques, observer le trafic et modifier les modèles sous-jacents sans toucher à vos jobs GitLab ou à votre configuration Duo.

Architecture : LiteLLM comme passerelle IA pour GitLab

Les scénarios GitLab Duo Self-Hosted et de « bring your own model » (BYOM) reposent sur un composant AI Gateway qui communique avec les fournisseurs de LLM via une API de style OpenAI, y compris les modèles auto-hébergés ou privés exposés via des points de terminaison compatibles.
La documentation de GitLab indique explicitement que l’AI Gateway peut prendre en charge plusieurs plateformes de LLM via LiteLLM, ce qui fait de LiteLLM un choix naturel comme passerelle derrière Duo pour les environnements auto-gérés et isolés (air-gapped).

À haut niveau, l’architecture ressemble à ceci :

  • GitLab (fonctionnalités Duo, Chat, suggestions de code, Workflows) envoie des requêtes d’IA à l’AI Gateway.
  • L’AI Gateway transmet ces appels à LiteLLM via un point de terminaison compatible OpenAI.
  • LiteLLM achemine l’appel vers le fournisseur de votre choix ou le modèle auto-hébergé, enregistre l’utilisation et le coût, et renvoie la réponse à GitLab.

Le même point de terminaison LiteLLM peut également être appelé à partir des jobs GitLab CI, d’outils internes et d’autres services, ce qui vous permet de standardiser l’accès à l’IA sur l’ensemble de votre chaîne d’outils centrée sur GitLab.

Cas d’usage 1 : Apportez vos propres modèles pour GitLab Duo

GitLab Duo Self-Hosted vous permet de connecter GitLab à des modèles auto-gérés (par exemple, des déploiements sur site ou sur cloud privé) via l’AI Gateway et la configuration « modèles auto-hébergés ».
Ces modèles doivent être exposés via une API compatible OpenAI, ce qui est exactement ce que propose LiteLLM au-dessus de différents backends comme vLLM, Ollama ou des fournisseurs cloud.

Un schéma courant pour les clients de GitLab est le suivant :

  • Exécuter LiteLLM comme proxy au sein de Kubernetes ou sur une VM à côté de GitLab.
  • Configurer plusieurs backends dans litellm_config.yaml – par exemple, un modèle cloud puissant pour le chat, un modèle de code local rapide pour la complétion, et un modèle plus petit pour les données hautement réglementées.
  • Exposer chaque backend sous un nom de « modèle » compatible OpenAI via LiteLLM.
  • Enregistrer ces modèles dans GitLab en tant que modèles auto-hébergés ou compatibles et les affecter aux fonctionnalités Duo (Chat, suggestions de code, Expliquer ce code, etc.).

L’avantage : GitLab a seulement besoin de connaître le point de terminaison de LiteLLM et les noms de modèles, tandis que votre équipe plateforme reste libre de changer de fournisseur, de déplacer les charges de travail d’un cluster à l’autre ou d’ajouter de nouveaux modèles derrière LiteLLM sans modifier les paramètres Duo ou le code de l’application.

Cas d’usage 2 : Suivi des coûts et de l’utilisation pour GitLab AI

L’une des fonctionnalités les plus puissantes de LiteLLM est le suivi intégré de l’utilisation et des coûts, utilisant une base de données PostgreSQL et une interface utilisateur Web pour analyser les dépenses par fournisseur, modèle, utilisateur, clé API ou étiquettes personnalisées.
LiteLLM calcule le coût par requête en utilisant la consommation de jetons renvoyée par les fournisseurs et le stocke avec des métadonnées riches dans sa table LiteLLM_SpendLogs et les tables associées.

Pour GitLab, cela permet des scénarios pratiques de FinOps :

  • Marquer chaque requête de GitLab avec des métadonnées telles que le groupe, le projet, le nom du job CI ou l’environnement.
    Cela vous permet de répondre à des questions telles que « quels groupes GitLab génèrent le plus de dépenses Duo ? » ou « combien coûtent nos jobs CI basés sur l’IA par mois ? ».
  • Utiliser les clés API virtuelles, les organisations et les budgets de LiteLLM pour définir des limites de dépenses strictes ou flexibles par équipe, par environnement ou par intégration (par exemple, des clés distinctes pour les GitLab Runners de pré-production et de production).
  • Explorer l’utilisation dans l’interface Web de LiteLLM à l’adresse /ui ou via ses API (par exemple /user/daily/activity) pour suivre les tendances dans le temps et détecter les anomalies ou les pics de coûts.

Combiné aux informations d’utilisation propres à GitLab et à la diffusion d’événements d’audit, LiteLLM vous donne une image beaucoup plus claire des coûts réels de l’IA dans l’ensemble de GitLab que les seuls tableaux de bord des fournisseurs.

Cas d’usage 3 : Pipelines CI/CD basés sur l’IA sans dépendance fournisseur

Parce que LiteLLM expose une API compatible OpenAI, n’importe quel job CI sachant comment appeler l’API OpenAI peut immédiatement fonctionner avec tous les modèles que vous acheminez via LiteLLM, y compris vLLM auto-hébergé ou des fournisseurs cloud.
En pratique, cela signifie qu’un modèle .gitlab-ci.yml unique et réutilisable peut survivre aux changements de fournisseurs pendant des années : vous mettez à jour uniquement la configuration de LiteLLM, et non tous vos pipelines.

Exemple : Job de revue d’IA dans GitLab CI

Voici un exemple simplifié d’un job GitLab CI qui envoie des diffs à LiteLLM pour un commentaire de « revue par l’IA », en utilisant des variables d’environnement pour l’URL de base et la clé de LiteLLM :

ai_review:
  image: python:3.12-slim
  stage: test
  variables:
    OPENAI_API_BASE: "https://litellm.internal/v1"
    OPENAI_API_KEY: "${LITELLM_VIRTUAL_KEY}"
    MODEL_NAME: "gpt-4-enterprise"  # Logical model name exposed by LiteLLM
  script:
    - pip install openai==1.30.0
    - git diff HEAD~1 HEAD > diff.patch
    - python scripts/ai_review.py diff.patch
  rules:
    - if: '$CI_MERGE_REQUEST_IID'

Dans scripts/ai_review.py, vous utilisez le client OpenAI standard, et vous pourrez plus tard changer de modèle sous-jacent (par exemple, pour un déploiement auto-hébergé de Codestral ou Llama) simplement en modifiant la configuration de LiteLLM, sans toucher à ce job.
Le même modèle fonctionne pour générer des données de test, résumer des notes de version, refactoriser des extraits de code et bien d’autres étapes de pipeline optimisées par l’IA.

Cas d’usage 4 : Environnements GitLab isolés et réglementés

De nombreux clients de GitLab (notamment dans le secteur public, la défense, la santé et la finance) exploitent GitLab en mode auto-géré dans des réseaux isolés (air-gapped) ou sous des règles de résidence des données très strictes.
GitLab Duo Self-Hosted et l’AI Gateway sont conçus pour prendre en charge ces cas en communiquant uniquement avec des points de terminaison internes ou privés que vous contrôlez.

LiteLLM peut être déployé entièrement au sein du même réseau restreint, acheminant les requêtes vers des serveurs de modèles auto-hébergés et exposant un point de terminaison local compatible OpenAI qui n’atteint jamais l’internet public.
GitLab voit uniquement l’URL de l’AI Gateway, que vous faites pointer vers LiteLLM ; à partir de là, votre équipe de plateforme décide des modèles autorisés, de l’endroit où ils s’exécutent et des projets ou groupes qui peuvent y accéder.

Cette architecture vous permet de :

  • Conserver tous les prompts et complétions sur site tout en continuant à utiliser GitLab Duo et le CI/CD optimisé par l’IA.
  • Restreindre les projets réglementés à des modèles et des matériels spécifiques qui ont été évalués et approuvés en termes de risques.
  • Intégrer les journaux de LiteLLM à votre SIEM, afin que l’utilisation de l’IA soit auditable comme tout autre service critique.

Cas d’usage 5 : Sécuriser votre passerelle IA et votre chaîne logistique logicielle

L’exécution d’une passerelle IA au sein de votre environnement GitLab introduit également un nouveau composant dans votre chaîne logistique logicielle ; son durcissement est donc essentiel.
Les récentes améliorations de la CI/CD de LiteLLM incluent des images de conteneurs signées (par exemple, à l’aide de Cosign), des configurations par défaut plus sécurisées et des directives plus claires sur ce qui est stocké dans sa base de données PostgreSQL.

Pour les utilisateurs de GitLab, cela s’aligne parfaitement avec les pratiques DevSecOps existantes :

  • Vérifier les signatures des conteneurs LiteLLM dans vos jobs de déploiement GitLab CI avant de les passer en production.
  • Contrôler les secrets auxquels LiteLLM peut accéder, et stocker toutes les clés API dans les variables sécurisées de GitLab ou dans un gestionnaire de secrets dédié.
  • Surveiller les tables de base de données de LiteLLM, telles que les budgets, les organisations et les journaux de dépenses, dans le cadre de vos examens de sécurité réguliers.

Combiné avec les scanners de sécurité et les capacités d’audit propres à GitLab, LiteLLM devient une partie transparente et auditable de votre infrastructure d’IA plutôt qu’une boîte noire.

Comment commencer à expérimenter dans votre environnement GitLab

Si vous souhaitez expérimenter avant de vous lancer dans un déploiement complet, voici une démarche de départ pratique :

  1. Déployer LiteLLM avec PostgreSQL dans un environnement de non-production et activer son interface Web pour accéder aux tableaux de bord d’utilisation de base et de coûts.
  2. Exposer un modèle de test unique via LiteLLM (par exemple, un modèle OpenAI ou Azure OpenAI) et le connecter à l’AI Gateway de GitLab dans une instance de test.
  3. Ajouter un petit job CI optimisé par l’IA (par exemple, la génération de résumés de notes de version) en utilisant le point de terminaison de LiteLLM et une clé API virtuelle par projet.
  4. Examiner l’utilisation et les coûts dans l’interface utilisateur de LiteLLM, ajuster les budgets et les étiquettes, puis étendre à davantage de modèles et de projets une fois que vous êtes à l’aise.

Cette approche progressive vous permet de développer de l’expérience et des pratiques de gouvernance communes autour de LiteLLM et de GitLab, plutôt qu’un déploiement de l’IA de manière ad hoc entre différentes équipes.

Résumé : LiteLLM comme plan de contrôle pour l’IA de GitLab

Pour les organisations centrées sur GitLab, LiteLLM est bien plus qu’une simple enveloppe de commodité autour de différents fournisseurs de LLM.
Il peut devenir le plan de contrôle de toute l’utilisation de l’IA provenant de GitLab Duo, de l’AI Gateway, des pipelines CI/CD et des outils internes – vous offrant des API de standardisées, une visibilité sur les coûts, une sécurité renforcée et la flexibilité de changer de modèle sans réécrire le code.

Si vous prévoyez d’utiliser ou utilisez déjà GitLab Duo Self-Hosted, ou si vous souhaitez intégrer l’IA en toute sécurité dans GitLab CI/CD, l’ajout de LiteLLM dans votre architecture mérite d’être sérieusement envisagé.
Il s’intègre naturellement dans une démarche DevSecOps et peut vous aider à garder le contrôle de l’IA tout en offrant une valeur mesurable à vos équipes.

Si vous avez besoin d’aide pour évaluer LiteLLM, GitLab Duo ou des architectures d’IA auto-hébergées pour votre entreprise, n’hésitez pas à nous contacter chez ALM Toolbox – nous sommes spécialisés dans les solutions GitLab, DevOps, Infrastructures d’IA et DevSecOps.

L’IA identifie les vulnérabilités du code, mais qui gère le risque ?

Ori HLeave a comment
Diagramme montrant la supervision de la sécurité dans GitLab au sein d'un environnement de développement IA

L’identification des vulnérabilités assistée par l’IA évolue rapidement. Cependant, les défis plus complexes liés à l’application des règles, à la gouvernance et à la sécurité de la chaîne d’approvisionnement nécessitent une plateforme holistique comme GitLab.

Récemment, la société Anthropic a annoncé Claude Code Security. Il s’agit d’un système d’IA qui identifie les failles et suggère des correctifs. Le marché a réagi immédiatement. Les actions du secteur de la sécurité ont chuté, et les investisseurs se sont demandé si l’IA risquait de remplacer les outils AppSec et DevSecOps traditionnels.

La question qui préoccupe tout le monde est claire : Si l’IA peut écrire et sécuriser du code, le domaine de la sécurité des applications devient-il obsolète ? La réponse courte est non. Si la sécurité se limitait uniquement à l’analyse du code, cela pourrait être vrai. Mais la sécurité d’entreprise (Enterprise Security) ne s’est jamais résumée à la simple détection. L’identification des vulnérabilités par l’IA progresse certes très vite, mais les défis complexes de l’application des politiques, de la gouvernance et de la sécurisation de la chaîne d’approvisionnement exigent une plateforme globale comme GitLab.

Les vraies questions difficiles en sécurité applicative

Les organisations ne demandent plus si l’IA est capable de trouver des vulnérabilités. Elles posent trois questions bien plus difficiles :

  1. Ce que nous nous apprêtons à livrer est-il réellement sécurisé ?
  2. Notre posture de risque a-t-elle changé à mesure que les environnements et les dépendances évoluent ?
  3. Comment supervisons-nous le code composé par l’IA et les sources tierces, dont nous restons responsables ?

Ces questions nécessitent une solution au niveau de la plateforme. La détection signale le risque, mais la gouvernance détermine ce qui se passe ensuite. GitLab est la couche d’orchestration conçue pour superviser le cycle de vie du logiciel de bout en bout. Elle fournit aux équipes l’application des règles, la visibilité et la capacité d’audit nécessaires pour le développement assisté par l’IA.

Faire confiance à l’IA exige une supervision des risques

Les systèmes d’IA s’améliorent rapidement pour détecter les failles et proposer des correctifs. C’est une avancée significative, mais l’analyse ne remplace pas la responsabilité. Les systèmes d’IA ne peuvent pas appliquer d’eux-mêmes les politiques de l’entreprise. Ils ne peuvent pas non plus définir seuls ce qu’est un risque acceptable.

Ce sont les humains qui doivent définir les limites et les politiques à l’intérieur desquelles les agents opèrent. Il faut établir une séparation des tâches, garantir des pistes d’audit et maintenir des contrôles cohérents. La confiance envers les agents ne découle pas de leur autonomie, mais d’une supervision bien définie. Plus les organisations accordent d’autonomie à l’IA, plus la supervision doit être robuste. Cette supervision n’est pas un frein ou un obstacle ; c’est la fondation qui rend le développement assisté par l’IA fiable à grande échelle.

Les modèles d’IA voient le code – Les plateformes voient le contexte

Un grand modèle de langage (LLM) analyse le code de manière isolée. À l’inverse, une plateforme de sécurité applicative d’entreprise comprend le contexte. Cette différence est fondamentale, car les décisions relatives aux risques dépendent du contexte :

  1. Qui a écrit le changement ?
  2. À quel point l’application est-elle critique pour l’entreprise ?
  3. Comment interagit-elle avec l’infrastructure et les dépendances ?
  4. La vulnérabilité est-elle réellement accessible (reachable) en production ?
  5. Est-elle exploitable dans l’environnement de production ?

Les décisions de sécurité dépendent de ce contexte. Sans lui, la détection génère des alertes bruyantes et des faux positifs. Ces alertes ralentissent le développement. Avec le contexte, les organisations peuvent prioriser (triage) rapidement et gérer les risques efficacement.

Les analyses statiques ne suffisent plus

Le contexte évolue sans cesse à mesure que le logiciel change. Par conséquent, la supervision ne peut se limiter à une décision unique ou à une analyse statique. Les risques logiciels sont dynamiques. Les dépendances changent et les environnements évoluent de manière imprévisible pour une analyse isolée. Un scan “propre” à un instant T ne garantit pas la sécurité future (au moment de la mise en production et au-delà).

La sécurité d’entreprise dépend d’une assurance continue. Il faut intégrer des contrôles directement dans les flux de travail (workflows) de développement. Ces contrôles évaluent le risque pendant la construction, le test et le déploiement du logiciel. La détection fournit l’information, et la supervision continue permet aux organisations de publier leurs produits en toute sécurité.

Superviser l’avenir des agents autonomes (Agentic)

L’IA redéfinit la création de logiciels. La question n’est plus de savoir si nous utiliserons l’IA, mais avec quel niveau de sécurité nous pourrons étendre son utilisation. Les logiciels d’aujourd’hui sont composés de code généré par l’IA, de bibliothèques open source et de dépendances tierces.

Superviser ce qui est publié à partir de toutes ces sources est la partie la plus difficile de la sécurité applicative. Aucun outil destiné uniquement au développeur n’est conçu pour gérer cela. En tant que plateforme d’orchestration intelligente, GitLab a été spécifiquement bâtie pour résoudre ce problème. GitLab Ultimate intègre la supervision et l’application des politiques directement dans les workflows où le logiciel est créé. Ainsi, les équipes de sécurité peuvent superviser à la vitesse de l’IA.

L’IA va accélérer le développement de manière spectaculaire. Les organisations qui en tireront le meilleur parti ne seront pas seulement celles dotées des assistants les plus intelligents. Ce seront celles qui auront instauré la confiance grâce à une supervision robuste.

Pour savoir comment GitLab aide les organisations à superviser et à publier du code généré par l’IA en toute sécurité, contactez-nous.

Pour plus d’informations sur la solution GitLab pour la gestion de la sécurité du code et des applications,
Contactez-nous : gitlab@almtoolbox.com Ou par téléphone : +33 01 84 17 53 28 (France) or 866-503-1471 (USA & Canada)

Notre société a aidé des centaines de clients à passer à Git et GitLab (depuis 2015) ainsi qu’à choisir des outils d’aide au développement logiciel, de gestion de configuration, de CI/CD et de développement sécurisé, y compris avec l’assistance d’outils d’IA et dans des environnements hébergés sur site (Self-hosted).
Nous sommes également les représentants officiels de GitLab en Israël et opérons à l’international depuis 2016.
Pour plus de détails, contactez-nous : gitlab@almtoolbox.com

Cet article a été rédigé par ALM Toolbox, basé notamment sur un article écrit par Omar Azaria de GitLab, et a été adapté par nos soins pour le public francophone.

Liens pertinents :

Regardez l’atelier : La gestion de projet avec GitLab

Jean-Michel BonnetLeave a comment
gestion de projet gitlab

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 :

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

Jean-Michel BonnetLeave a comment
points forts gitlab 2025

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 :

Explication sur l’offre et les licences GitLab 2025

Jean-Michel BonnetLeave a comment

Explication sur l’offre GitLab 2025 ( mise à jour décembre 2024)

Cet article donne un aperçu à jour des différentes options actuellement proposées par GitLab (que nous proposons comme représentant officiel depuis 2016) nous parlerons aussi des options supplémentaires uniques que nous proposons en complément ou en remplacement.

Récemment il y a eu quelques changements dans les options proposées par GitLab et l’article inclut toutes ces mises à jour.

Si vous avez des questions, vous pouvez nous contacter par email gitlab.fr@almtoolbox.com ou par téléphone +33 6 87 87 18 69.

Introduction: qu’est-ce que GitLab ?

GitLab est une plateforme DevOps/DevSecOps qui assure l’ensemble du cycle de vie du développement de la phase de planification à la phase de déploiement de la solution en production tout en mettant l’accent sur la sécurité et la conformité, comme vous pouvez le voir ci-dessous:

gitlab devsecops diagram

Quelles sont les options d’utilisationGitLab ?

  1. Cloud ou sur site?

Ici, il y a 3 options : cloud public, installation privée(Autogéré / sur site) et cloud privé (qui est une combinaison de cloud et sur site).

Le cloud public est une solution SaaS dans laquelle vous recevez une instance dans le cadre d’un serveur public (partagé) avec des centaines de clients. Il n’y a aucun contrôle sur la forme de l’installation, l’endroit où elle sera placée et le moment où elle sera mise à niveau ou arrêtée à des fins de maintenance..

Installation privée : le serveur vous appartient et vous installez le produit (il existe plusieurs options d’installation, dont nous parlerons plus tard). Vous avez un contrôle total sur le serveur.

Un cloud privé est en fait une installation de cloud privé. Nous proposons cette option sous forme de service géré dans lequel nous gérons le serveur et l’environnement pour vous (y compris le renforcement,l’installation,la surveillance,la maintenance continue et bien plus encore). Il vous est également possible de nous fournir votre propre machine et nous nous occuperons de tout le reste.

Vous pouvez lire ici Notre article détaillé sur les différences entre GitLab SaaS pour l’autogestion

Il existe également une option appelée « GitLab Dedicated » destinée aux clients comptant 1 000 utilisateurs ou plus et ne peut fonctionner que dans certains cloud, avec l’édition GitLab Ultimate uniquement.  
Notre option pour un service géré (GitLab Managed Service) offre un service similaire, plus flexible et abordable, adapté précisément aux besoins du client, y compris la possibilité que les informations résident en Israël.

  1. Quelle version pour vous ?

Il existe actuellement 3 versions:

A. Version gratuite/communautaire

Une édition gratuite qui comprend un ensemble complet de centaines de fonctionnalités en mettant l’accent sur Contrôle de version (SCM) et CI.

B. Version Premium

Cette édition comprend tout ce qui est dans l’édition gratuite ainsi que le support de GitLab + un ensemble de dizaines de fonctionnalités supplémentaires pour les SCM, CI, planification et plus encore.

C. Version Ultimate

Cette édition comprend tout ce qui se trouve dans l’édition Premium ci-dessus ainsi qu’un ensemble de dizaines de fonctionnalités supplémentaires y compris un nombre illimité d’utilisateurs invités,sécurité du code,fonctionnalités de sécurité des licences,plus de conformité ,fonctionnalités de planification agile,d’épopées et de feuilles de route,vues de tableaux de bord supplémentaires et rapports supplémentaires ainsi que des fonctionnalités de gestion de la chaîne de valeur et DORA.

Les 3 éditions sont disponibles à la fois dans un cloud public et sous forme d’installation privée.

Dans le cloud public, il existe une limitation de l’édition gratuite jusqu’à 5 utilisateurs.D’un autre côté, vous bénéficiez également d’un temps de course pour la course CI sur les coureurs publics sans frais supplémentaires (la durée de diffusion est en minutes par mois et varie d’une édition à l’autre).

Les éditions commerciales incluent également le support de GitLab (un support de qualité pour l’édition gratuite ainsi que pour les éditions commerciales peut être obtenu chez nous aussi).

Il  est possible de télécharger  ici  Notre Excel comparatif détaillé avec toutes les fonctionnalités de GitLab classées par versions,
Et notre article détaillé sur   Les différences entre les éditions Premium à Ultimate
  1. Besoin  d’autres modules?

Il existe actuellement 3 types de plugins:

  1. Module IA

Le module  IA nommé  GitLab Duo Pro qui offre un ensemble de 12 fonctionnalités d’IA (y compris la suggestion de code et plus encore)
le plugin est accessible uniquement aux utilisateurs de l’édition commerciale (il ne peut pas être utilisé au-dessus de l’édition gratuite).

Le module complémentaire nécessite une connexion Internet (c’est-à-dire qu’il ne peut pas être utilisé sur un réseau déconnecté).

Remarque : un module complémentaire attendu prochainement Duo Pro Enterprise qui offrira des fonctionnalités supplémentaires.

vous pouvez lire ici notre document détaillé expliquant:
Toutes les capacités e- IA + exemples
  1. Module Agile Planning

le module Planification agile d’entreprise  est un module complémentaire pour les utilisateurs Premium qui offre un ensemble de fonctionnalités pour gérer des tâches et des projets (en fait,ce sont quelques-unes des fonctionnalités incluses dans l’édition Ultimate, mais à moindre coût).
Le module complémentaire est tarifé en fonction des utilisateurs et peut être acheté pour un certain nombre d’utilisateurs (au minimum).

  1. Modules complémentaires pour les utilisateurs du cloud public

Si vous utilisez le cloud public de GitLab, il est possible d’ajouter de l’espace de stockage supplémentaire ainsi que du temps supplémentaire pour exécuter CI à un coût relativement faible (le prix change de temps en temps donc contactez-nous pour les prix actuels).Notre société ALMToolbox a jusqu’à présent aidé des centaines de clients (en France et à l’étranger) à choisir la licence qui leur convient, à planifier la mise en œuvre du produit et son déploiement.

Dans cet article nous avons passé en revue les différentes options des différentes éditions de licence GitLab ainsi que les différentes options de déploiement proposées par le constructeur.
De plus, nous proposons également des capacités complémentaires au produit, à la fois au travers d’outils complémentaires que nous avons développés et que nous pouvons faire évoluer en fonction des clients, et au travers d’outils complémentaires d’autres fabricants (tels que Jira, OpenProject, Terraform, Vault, Jenkins, Codeium). , Copilote et plus).
Vous pouvez nous contacter pour toute question supplémentaire et nous serons heureux d’y répondre.

Nous sommes les partenaires officiels de GitLab depuis 2016 et détennons   le niveau : « Selected Partner », « Focus Partner » et « GitLab Hero », ainsi que les certifications professionnelles officielles GitLab.
Pour des questions ou demandes de prix/devis, vous pouvez nous contacter par email gitlab.fr@almtoolbox.com
ou par téléphone : 33 6 87 87 18 69

Vous souhaitez recevoir une alerte lorsque l’article sera mis à jour à l’avenir ? Envoyez-nous un email à gitlab.fr@almtoolbox.com avec le titre : Gitlab-get-update-off-all-gitlab-offering

Liens utiles:

Webinar: Revue de l’offre GitLab , Q&A

Jean-Michel BonnetLeave a comment
gitlab 18 webinar

    Les dernières versions de GitLab au cours de l’année écoulée offrent  de nombreuses nouvelles fonctionnalités au bon vieux produit, et nous avons pensé que c’était l’occasion de prendre un moment pour vous  donner un  aperçu  de l’offre actuelle du produit, ses  différentes versions ainsi que de répondre à vos questions.

    Vous êtes invités à un court  webinar :

    ⏰ le jeudi 18 septembre à 10h00

    Ce sera l’occasion de partager notre savoir-faire unique
    (en tant qu’utilisateurs du produit depuis plus de 10 ans et partenaires officiels de GitLab  depuis presque 9 ans)
    avec le public des utilisateurs et ceux qui envisagent d’utiliser le produit.

    À ne pas manquer !

     Les développeurs, chefs de développement, responsables DevOps, RSSI, responsables des achats, responsables qualité et toute personne utilisant ou s’intéressant au produit sont les bienvenus.

     Vous pouvez également vous inscrire pour recevoir un enregistrement du webinar.

    Inscription ici :

      * Nom:

      * Email professionnel:

      * Utilisez vous GitLab?

      Avez-vous des questions que vous aimeriez poser avant le webinaire ?


       Le webinar ne comprendra pas de démonstrations (mais nous partagerons avec les inscrits des liens vers de nombreuses démonstrations et contenus originaux).

      GitLab nommé leader des assistants de code IA par Gartner

      Jean-Michel BonnetLeave a comment

      GitLab a été reconnu comme leader dans le Magic Quadrant pour les assistants de code AI ;
      En tant que leader des capacités basées sur l’IA tout au long du cycle de vie du développement (ALM/SDLC) ; et en tant que leader en matière de transparence et de protection de la vie privée.

      2024 Gartner® Magic Quadrant™ for
AI Code Assistants gitlab

      Laissez votre email et nous vous enverrons le rapport Gartner :

        * Nom:

        * Email:

        * Utilisez vous GitLab?

        👉 De plus , vous pouvez télécharger notre aperçu complet de GitLab AI (6 pages)

        À propos de GitLab Duo IA :

        L’assistant de code de GitLab, GitLab Duo AI, permet aux développeurs de se concentrer sur la résolution de problèmes de haut niveau, l’innovation et la création de valeur, tandis que GitLab Duo lui-même gère les tâches répétitives et l’optimisation en coulisses, modifiant ainsi la façon dont les équipes créent et publient des logiciels.
        GitLab Duo aide les équipes à publier plus rapidement des logiciels plus sécurisés grâce à l’intelligence artificielle tout au long du cycle de vie de développement logiciel (SDLC/ALM).

        La société ALM-Toolbox est le représentant officiel de GitLab depuis 2016 et propose une variété de solutions, notamment des solutions d’IA, des solutions DevOps/DevSecOps et des solutions de gestion du cycle de vie des applications (ALM/SDLC).
        Vous pouvez nous contacter pour recevoir une licence d’essai GitLab Duo AI et obtenir plus de détails sur les tarifs de GitLab AI.:
        Email gitlab.fr@almtoolbox.com
        ou appelez-nous : +33 (01) 84 17 53 28 , 866-503-1471 (États-Unis / Canada) ou +972-722-405-222 (international)

        Liens utiles: