[{"data":1,"prerenderedAt":747},["ShallowReactive",2],{"/fr-fr/blog/building-trust-in-agentic-tools-what-we-learned-from-our-users":3,"navigation-fr-fr":34,"banner-fr-fr":439,"footer-fr-fr":449,"blog-post-authors-fr-fr-":659,"blog-related-posts-fr-fr-building-trust-in-agentic-tools-what-we-learned-from-our-users":660,"assessment-promotions-fr-fr":699,"next-steps-fr-fr":738},{"id":4,"title":5,"authorSlugs":6,"body":7,"categorySlug":8,"config":9,"content":13,"description":7,"extension":23,"isFeatured":10,"meta":24,"navigation":25,"path":26,"publishedDate":17,"seo":27,"stem":30,"tagSlugs":31,"__hash__":33},"blogPosts/fr-fr/blog/building-trust-in-agentic-tools-what-we-learned-from-our-users.yml","Building Trust In Agentic Tools What We Learned From Our Users",[],null,"ai-ml",{"featured":10,"template":11,"slug":12},false,"BlogPost","building-trust-in-agentic-tools-what-we-learned-from-our-users",{"title":14,"description":15,"heroImage":16,"date":17,"category":8,"tags":18,"body":22},"Faire confiance aux outils agentiques : les leçons à retenir","Comment la confiance dans les agents d'IA s'établit à partir de micro-points d'inflexion positifs, et non de grandes découvertes.","https://res.cloudinary.com/about-gitlab-com/image/upload/v1750097663/Blog/Hero%20Images/Blog/Hero%20Images/Workflow%201800x945_2gQoQIbY9NvjLFpXtsxtXy_1750097663612.png","2026-01-07",[19,20,21],"AI/ML","product","research","À mesure que les [agents d'IA](https://about.gitlab.com/fr-fr/topics/agentic-ai/) deviennent des partenaires de plus en plus sophistiqués dans le développement logiciel, une question critique émerge : comment établir une confiance durable entre les humains et ces systèmes autonomes ? Une récente étude menée par l'[équipe UX Research de GitLab](https://handbook.gitlab.com/handbook/product/ux/ux-research/) révèle que la confiance dans les agents d'IA ne s'établit pas à partir de découvertes spectaculaires, mais plutôt d'innombrables petites interactions, à savoir de points d'inflexion qui s'accumulent au fil du temps pour créer confiance et fiabilité.\n\n\nNotre étude menée auprès de 13 utilisateurs d'outils agentiques issus d'entreprises de différentes tailles a identifié que l'adoption se produit à travers des « micro-points d'inflexion », des choix de conception subtils et des modèles d'interaction qui établissent progressivement la confiance nécessaire pour que les équipes de développement s'appuient sur les agents d'IA dans leurs workflows quotidiens. Ces résultats offrent des enseignements cruciaux pour les organisations qui mettent en œuvre des agents d'IA dans leurs processus [DevSecOps](https://about.gitlab.com/fr-fr/topics/devsecops/ \"Qu'est-ce que le DevSecOps ?\").\n\n\n![Points d'inflexion vs. micro-points d'inflexion](https://res.cloudinary.com/about-gitlab-com/image/upload/v1766501026/kf9q8wqt6ic0cnhysyvo.png)\n\n\nLes outils logiciels traditionnels gagnent la confiance des utilisateurs en raison de leur comportement prévisible et de leurs performances constantes. Les agents d'IA, cependant, opèrent avec un degré d'autonomie qui génère une part d'incertitude. **Notre étude démontre que les utilisateurs n'adoptent pas des outils d'IA à la suite d'un seul moment décisif. Au contraire, la confiance s'établit à travers des micro-interactions positives accumulées qui prouvent que l'agent comprend leur contexte, respecte leurs garde-fous et améliore plutôt que perturbe leurs workflows.**\n\n\nCe renforcement progressif de la confiance est particulièrement décisif dans les environnements DevSecOps où les erreurs peuvent impacter les systèmes de production, les données clients et les opérations commerciales. Chaque petite interaction renforce ou érode les fondements de la confiance nécessaire à une collaboration humain-IA productive.\n\n\n## Les quatre piliers de la confiance dans les agents d'IA\n      \nNotre étude a identifié quatre catégories clés de micro-points d'inflexion qui renforcent la confiance des utilisateurs :\n\n\n1. Protection des actions\n      \nLa confiance commence par la sécurité. Les utilisateurs doivent être assurés que les agents d'IA ne causeront pas de dommages irréversibles à leurs systèmes. Voici quelques garde-fous essentiels :\n\n\n* **Dialogues de confirmation pour les modifications critiques :** avant d'exécuter des opérations susceptibles d'affecter les systèmes de production ou de supprimer des données, les agents doivent marquer une pause et solliciter une autorisation explicite.  \n\n* **Capacités de retour à la version précédente :** les utilisateurs doivent savoir qu'ils peuvent annuler les actions de l'agent en cas d'erreur.  \n\n* **Limites sécurisées :** pour les organisations soumises à des exigences de conformité, les agents doivent respecter les politiques de résidence et de sécurité des données sans surveillance manuelle constante.\n\n\n2. Transparence des opérations\n     \nLes utilisateurs ne peuvent pas accorder leur confiance s'ils ne comprennent pas les opérations. Les agents d'IA efficaces maintiennent une transparence grâce aux éléments suivants :\n\n\n* **Mises à jour en temps réel :** particulièrement crucial lorsque l'attention de l'utilisateur pourrait être requise.  \n\n* **Explications des actions :** avant d'exécuter des opérations avec des enjeux élevés, les agents doivent communiquer clairement l'approche qu'ils ont prévue de suivre.  \n\n* **Gestion claire des erreurs :** en cas de problèmes, les utilisateurs ont besoin d'alertes immédiates avec des messages d'erreur compréhensibles et des chemins de récupération.\n\n\nGrâce à cette transparence, les agents d'IA passent de boîtes noires mystérieuses à partenaires compréhensibles dont les utilisateurs peuvent suivre et vérifier la logique.\n\n\n3. Mémorisation du contexte\n\n\nRien n'érode la confiance plus rapidement que de devoir répéter constamment les mêmes informations à un agent d'IA. Les agents qui établissent un climat de confiance possèdent des fonctionnalités de mémoire :\n\n\n* **Rétention des préférences :** accepter et appliquer les commentaires des utilisateurs concernant les styles de codage, les modèles de déploiement ou les préférences de workflow.  \n\n* **Conscience du contexte :** se souvenir des instructions précédentes et des exigences spécifiques au projet.  \n\n* **Apprentissage adaptatif :** évoluer en fonction des corrections des utilisateurs sans reprogrammation explicite.\n\n\nLes participants à notre étude ont constamment souligné leur frustration face à des outils incapables de mémoriser des préférences de base, ce qui les oblige à fournir les mêmes instructions de manière répétée.\n\n\n4. Anticipation des besoins\n\n\nLa confiance s'instaure lorsque les agents d'IA prennent en charge de manière proactive les workflows utilisateurs. Les agents peuvent venir en aide à l'utilisateur de différentes manières :\n\n\n* **Reconnaissance des modèles :** apprendre les routines utilisateurs et prédire les tâches en fonction de l'heure de la journée ou du contexte du projet.  \n\n* **Sélection intelligente d'agents :** identifier automatiquement les agents spécialisés les plus pertinents pour des tâches spécifiques.  \n\n* **Analyse de l'environnement :** comprendre les environnements de codage, les dépendances et les structures de projet sans configuration explicite.\n\n\nCes capacités d'anticipation transforment les agents d'IA d'outils réactifs en partenaires proactifs qui réduisent la charge cognitive et rationalisent les processus de développement.\n\n\n## La mise en œuvre de fonctionnalités qui instaurent un climat de confiance  \n\nPour les organisations qui déploient des agents d'IA, notre étude suggère plusieurs implémentations pratiques :\n\n\n* **Commencer par des environnements à faible risque :** faire en sorte que la confiance s'établisse progressivement en commençant avec des tâches non critiques. À mesure que la confiance s'accroît grâce à des micro-interactions positives, les utilisateurs dépendent naturellement de plus en plus des capacités d'IA.\n\n\n* **Concevoir l'orchestration continue d'agents, avec intervention :** contrairement à l'automatisation traditionnelle, les agents d'IA doivent savoir quand s'arrêter et solliciter un humain. Cette intervention assure aux utilisateurs qu'ils maintiennent le contrôle ultime tout en bénéficiant de l'efficacité de l'IA. Les agents ont également besoin de contrôles de niveau d'autonomie afin de calibrer l'autonomie pour différents types d'actions, dans différents contextes.\n       \n* **Maintenir des pistes d'audit :** chaque action d'agent doit pouvoir être tracée afin que les utilisateurs comprennent non seulement ce qui s'est passé, mais aussi pourquoi l'agent a pris certaines décisions.\n\n\n* **Personnaliser l'expérience :** les agents qui s'adaptent aux préférences individuelles des utilisateurs et aux workflows d'équipe créent des liens de confiance plus solides que les solutions universelles.\n\n\n## L'impact de la confiance accumulée\n\n\nNos résultats révèlent que la confiance dans les agents d'IA suit un modèle de croissance composée. Chaque micro-interaction positive rend les utilisateurs légèrement plus disposés à s'appuyer sur l'agent pour la tâche suivante. Au fil du temps, ces petits signes de confiance s'accumulent pour former une confiance profonde qui transforme les agents d'IA d'outils expérimentaux en partenaires de développement essentiels.\n\n\nCe processus est délicat, car un seul échec significatif peut effacer des semaines de confiance accumulée. C'est pourquoi la cohérence dans ces micro-points d'inflexion est cruciale. Chaque interaction compte.\n\n\nSoutenir ces micro-points d'inflexion est crucial pour que les équipes logicielles et leurs agents d'IA collaborent à l'échelle de l'entreprise avec une orchestration intelligente. \n\n\n## Prochaines étapes \n\n\nÉtablir la confiance dans les agents d'IA nécessite une conception intentionnelle axée sur les besoins et préoccupations des utilisateurs. \n\n\nLes organisations qui mettent en œuvre des outils agentiques devraient :\n\n\n* Auditer leurs agents d'IA afin de repérer les micro-interactions qui établissent la confiance.  \n\n* Prioriser la transparence et le contrôle utilisateur dans la conception des agents.  \n\n* Investir dans des capacités de mémoire et d'apprentissage qui réduisent les frustrations des utilisateurs.  \n\n* Créer des chemins d'escalade clairs pour lorsque les agents rencontrent de l'incertitude.\n\n\n## Points clés à retenir\n\n\n* La confiance dans les agents d'IA se construit de manière incrémentale à travers des micro-points d'inflexion plutôt que par des moments de grande découverte.  \n\n* Quatre catégories clés favorisent la confiance : la protection des actions, la transparence des opérations, la mémorisation du contexte et l'anticipation des besoins.  \n\n* Les petits choix de conception dans les interactions d'IA ont des effets combinés sur l'adoption utilisateur et l'utilisation à long terme.  \n\n* Les organisations doivent privilégier de manière intentionnelle la confiance et viser des micro-interactions cohérentes et positives.\n\n\n**Aidez-nous à comprendre ce qui vous tient à cœur :** vos expériences et perspectives sont extrêmement utiles pour nous aider à façonner la manière dont nous concevons et améliorons les interactions agentiques. [Rejoignez notre panel de recherche](https://research.rallyuxr.com/gitlab/lp/csmsignup) pour participer à de futures études.\n\n\n**Découvrez les agents GitLab en action :** avec GitLab Duo Agent Platform, la rapidité de l'IA dépasse le simple codage et couvre l'ensemble de votre cycle de vie logiciel. Vos workflows définissent les règles, votre contexte maintient les connaissances organisationnelles et vos garde-fous garantissent le contrôle afin que les équipes puissent orchestrer pendant que les agents exécutent à travers le SDLC. Visitez la [page GitLab Duo Agent Platform](https://about.gitlab.com/fr-fr/gitlab-duo-agent-platform/) pour découvrir comment l'orchestration intelligente peut transformer votre parcours DevSecOps.\n\n\nQue vous testiez des agents pour la première fois ou que vous cherchiez à optimiser vos implémentations existantes, nous sommes convaincus que comprendre et concevoir en visant la confiance est la clé d'une adoption réussie. Construisons cet avenir ensemble !","yml",{},true,"/fr-fr/blog/building-trust-in-agentic-tools-what-we-learned-from-our-users",{"config":28,"title":29,"description":15,"ogImage":16},{"noIndex":10},"Confiance dans les agents d'IA : 4 piliers à connaître","fr-fr/blog/building-trust-in-agentic-tools-what-we-learned-from-our-users",[32,20,21],"aiml","B67ir-ZAZoYuj0a2A4y3Pvw5-iwvIDJ4MngbLEFxGc0",{"data":35},{"logo":36,"freeTrial":41,"sales":46,"login":51,"items":56,"search":366,"minimal":401,"duo":420,"pricingDeployment":429},{"config":37},{"href":38,"dataGaName":39,"dataGaLocation":40},"/fr-fr/","gitlab logo","header",{"text":42,"config":43},"Commencer un essai gratuit",{"href":44,"dataGaName":45,"dataGaLocation":40},"https://gitlab.com/-/trial_registrations/new?glm_source=about.gitlab.com/fr-fr&glm_content=default-saas-trial/","free trial",{"text":47,"config":48},"Contacter l'équipe commerciale",{"href":49,"dataGaName":50,"dataGaLocation":40},"/fr-fr/sales/","sales",{"text":52,"config":53},"Connexion",{"href":54,"dataGaName":55,"dataGaLocation":40},"https://gitlab.com/users/sign_in/","sign in",[57,84,181,186,287,347],{"text":58,"config":59,"cards":61},"Plateforme",{"dataNavLevelOne":60},"platform",[62,68,76],{"title":58,"description":63,"link":64},"La plateforme d'orchestration intelligente pour le DevSecOps",{"text":65,"config":66},"Découvrir notre plateforme",{"href":67,"dataGaName":60,"dataGaLocation":40},"/fr-fr/platform/",{"title":69,"description":70,"link":71},"GitLab Duo Agent Platform","L'IA agentique pour l'ensemble du cycle de développement logiciel",{"text":72,"config":73},"Découvrir GitLab Duo",{"href":74,"dataGaName":75,"dataGaLocation":40},"/fr-fr/gitlab-duo-agent-platform/","gitlab duo agent platform",{"title":77,"description":78,"link":79},"Choisir GitLab","Découvrez les principales raisons pour lesquelles les entreprises choisissent GitLab",{"text":80,"config":81},"En savoir plus",{"href":82,"dataGaName":83,"dataGaLocation":40},"/fr-fr/why-gitlab/","why gitlab",{"text":85,"left":25,"config":86,"link":88,"lists":92,"footer":163},"Produit",{"dataNavLevelOne":87},"solutions",{"text":89,"config":90},"Voir toutes les solutions",{"href":91,"dataGaName":87,"dataGaLocation":40},"/fr-fr/solutions/",[93,118,141],{"title":94,"description":95,"link":96,"items":101},"Automatisation","CI/CD et automatisation pour accélérer le déploiement",{"config":97},{"icon":98,"href":99,"dataGaName":100,"dataGaLocation":40},"AutomatedCodeAlt","/fr-fr/solutions/delivery-automation/","automated software delivery",[102,106,109,114],{"text":103,"config":104},"CI/CD",{"href":105,"dataGaLocation":40,"dataGaName":103},"/fr-fr/solutions/continuous-integration/",{"text":69,"config":107},{"href":74,"dataGaLocation":40,"dataGaName":108},"gitlab duo agent platform - product menu",{"text":110,"config":111},"Gestion du code source",{"href":112,"dataGaLocation":40,"dataGaName":113},"/fr-fr/solutions/source-code-management/","Source Code Management",{"text":115,"config":116},"Livraison de logiciels automatisée",{"href":99,"dataGaLocation":40,"dataGaName":117},"Automated software delivery",{"title":119,"description":120,"link":121,"items":126},"Sécurité","Livrez du code plus rapidement sans compromettre la sécurité",{"config":122},{"href":123,"dataGaName":124,"dataGaLocation":40,"icon":125},"/fr-fr/solutions/application-security-testing/","security and compliance","ShieldCheckLight",[127,131,136],{"text":128,"config":129},"Tests de sécurité des applications",{"href":123,"dataGaName":130,"dataGaLocation":40},"Application security testing",{"text":132,"config":133},"Sécurité de la chaîne d'approvisionnement logicielle",{"href":134,"dataGaLocation":40,"dataGaName":135},"/fr-fr/solutions/supply-chain/","Software supply chain security",{"text":137,"config":138},"Conformité logicielle",{"href":139,"dataGaName":140,"dataGaLocation":40},"/fr-fr/solutions/software-compliance/","Software Compliance",{"title":142,"link":143,"items":148},"Mesures",{"config":144},{"icon":145,"href":146,"dataGaName":147,"dataGaLocation":40},"DigitalTransformation","/fr-fr/solutions/visibility-measurement/","visibility and measurement",[149,153,158],{"text":150,"config":151},"Visibilité et mesures",{"href":146,"dataGaLocation":40,"dataGaName":152},"Visibility and Measurement",{"text":154,"config":155},"Gestion de la chaîne de valeur",{"href":156,"dataGaLocation":40,"dataGaName":157},"/fr-fr/solutions/value-stream-management/","Value Stream Management",{"text":159,"config":160},"Données d'analyse et informations clés",{"href":161,"dataGaLocation":40,"dataGaName":162},"/fr-fr/solutions/analytics-and-insights/","Analytics and insights",{"title":164,"items":165},"GitLab pour",[166,171,176],{"text":167,"config":168},"Entreprises",{"href":169,"dataGaLocation":40,"dataGaName":170},"/fr-fr/enterprise/","enterprise",{"text":172,"config":173},"PME",{"href":174,"dataGaLocation":40,"dataGaName":175},"/fr-fr/small-business/","small business",{"text":177,"config":178},"Secteur public",{"href":179,"dataGaLocation":40,"dataGaName":180},"/fr-fr/solutions/public-sector/","public sector",{"text":182,"config":183},"Tarifs",{"href":184,"dataGaName":185,"dataGaLocation":40,"dataNavLevelOne":185},"/fr-fr/pricing/","pricing",{"text":187,"config":188,"link":190,"lists":194,"feature":274},"Ressources",{"dataNavLevelOne":189},"resources",{"text":191,"config":192},"Afficher toutes les ressources",{"href":193,"dataGaName":189,"dataGaLocation":40},"/fr-fr/resources/",[195,228,246],{"title":196,"items":197},"Premiers pas",[198,203,208,213,218,223],{"text":199,"config":200},"Installation",{"href":201,"dataGaName":202,"dataGaLocation":40},"/fr-fr/install/","install",{"text":204,"config":205},"Guides de démarrage",{"href":206,"dataGaName":207,"dataGaLocation":40},"/fr-fr/get-started/","quick setup checklists",{"text":209,"config":210},"Apprentissage",{"href":211,"dataGaLocation":40,"dataGaName":212},"https://university.gitlab.com/","learn",{"text":214,"config":215},"Documentation sur le produit",{"href":216,"dataGaName":217,"dataGaLocation":40},"https://docs.gitlab.com/","product documentation",{"text":219,"config":220},"Vidéos sur les bonnes pratiques",{"href":221,"dataGaName":222,"dataGaLocation":40},"/fr-fr/getting-started-videos/","best practice videos",{"text":224,"config":225},"Intégrations",{"href":226,"dataGaName":227,"dataGaLocation":40},"/fr-fr/integrations/","integrations",{"title":229,"items":230},"Découvrir",[231,236,241],{"text":232,"config":233},"Témoignages clients",{"href":234,"dataGaName":235,"dataGaLocation":40},"/fr-fr/customers/","customer success stories",{"text":237,"config":238},"Blog",{"href":239,"dataGaName":240,"dataGaLocation":40},"/fr-fr/blog/","blog",{"text":242,"config":243},"Travail à distance",{"href":244,"dataGaName":245,"dataGaLocation":40},"https://handbook.gitlab.com/handbook/company/culture/all-remote/","remote",{"title":247,"items":248},"Connecter",[249,254,259,264,269],{"text":250,"config":251},"Services GitLab",{"href":252,"dataGaName":253,"dataGaLocation":40},"/fr-fr/services/","services",{"text":255,"config":256},"Communauté",{"href":257,"dataGaName":258,"dataGaLocation":40},"/community/","community",{"text":260,"config":261},"Forum",{"href":262,"dataGaName":263,"dataGaLocation":40},"https://forum.gitlab.com/","forum",{"text":265,"config":266},"Événements",{"href":267,"dataGaName":268,"dataGaLocation":40},"/events/","events",{"text":270,"config":271},"Partenaires",{"href":272,"dataGaName":273,"dataGaLocation":40},"/fr-fr/partners/","partners",{"backgroundColor":275,"textColor":276,"text":277,"image":278,"link":282},"#2f2a6b","#fff","L'avenir du développement logiciel. Tendances et perspectives.",{"altText":279,"config":280},"carte promo The Source",{"src":281},"https://res.cloudinary.com/about-gitlab-com/image/upload/v1758208064/dzl0dbift9xdizyelkk4.svg",{"text":283,"config":284},"Lire les articles les plus récents",{"href":285,"dataGaName":286,"dataGaLocation":40},"/fr-fr/the-source/","the source",{"text":288,"config":289,"lists":291},"Société",{"dataNavLevelOne":290},"company",[292],{"items":293},[294,299,305,307,312,317,322,327,332,337,342],{"text":295,"config":296},"À propos",{"href":297,"dataGaName":298,"dataGaLocation":40},"/fr-fr/company/","about",{"text":300,"config":301,"footerGa":304},"Carrières",{"href":302,"dataGaName":303,"dataGaLocation":40},"/jobs/","jobs",{"dataGaName":303},{"text":265,"config":306},{"href":267,"dataGaName":268,"dataGaLocation":40},{"text":308,"config":309},"Leadership",{"href":310,"dataGaName":311,"dataGaLocation":40},"/company/team/e-group/","leadership",{"text":313,"config":314},"Équipe",{"href":315,"dataGaName":316,"dataGaLocation":40},"/company/team/","team",{"text":318,"config":319},"Manuel",{"href":320,"dataGaName":321,"dataGaLocation":40},"https://handbook.gitlab.com/","handbook",{"text":323,"config":324},"Relations avec les investisseurs",{"href":325,"dataGaName":326,"dataGaLocation":40},"https://ir.gitlab.com/","investor relations",{"text":328,"config":329},"Centre de confiance",{"href":330,"dataGaName":331,"dataGaLocation":40},"/fr-fr/security/","trust center",{"text":333,"config":334},"Centre pour la transparence de l'IA",{"href":335,"dataGaName":336,"dataGaLocation":40},"/fr-fr/ai-transparency-center/","ai transparency center",{"text":338,"config":339},"Newsletter",{"href":340,"dataGaName":341,"dataGaLocation":40},"/company/contact/#contact-forms","newsletter",{"text":343,"config":344},"Presse",{"href":345,"dataGaName":346,"dataGaLocation":40},"/press/","press",{"text":348,"config":349,"lists":350},"Nous contacter",{"dataNavLevelOne":290},[351],{"items":352},[353,356,361],{"text":47,"config":354},{"href":49,"dataGaName":355,"dataGaLocation":40},"talk to sales",{"text":357,"config":358},"Portail d’assistance",{"href":359,"dataGaName":360,"dataGaLocation":40},"https://support.gitlab.com","support portal",{"text":362,"config":363},"Portail clients GitLab",{"href":364,"dataGaName":365,"dataGaLocation":40},"https://customers.gitlab.com/customers/sign_in/","customer portal",{"close":367,"login":368,"suggestions":375},"Fermer",{"text":369,"link":370},"Pour rechercher des dépôts et des projets, connectez-vous à",{"text":371,"config":372},"gitlab.com",{"href":54,"dataGaName":373,"dataGaLocation":374},"search login","search",{"text":376,"default":377},"Suggestions",[378,380,385,387,392,397],{"text":69,"config":379},{"href":74,"dataGaName":69,"dataGaLocation":374},{"text":381,"config":382},"Suggestions de code (IA)",{"href":383,"dataGaName":384,"dataGaLocation":374},"/fr-fr/solutions/code-suggestions/","Code Suggestions (AI)",{"text":103,"config":386},{"href":105,"dataGaName":103,"dataGaLocation":374},{"text":388,"config":389},"GitLab sur AWS",{"href":390,"dataGaName":391,"dataGaLocation":374},"/fr-fr/partners/technology-partners/aws/","GitLab on AWS",{"text":393,"config":394},"GitLab sur Google Cloud ",{"href":395,"dataGaName":396,"dataGaLocation":374},"/fr-fr/partners/technology-partners/google-cloud-platform/","GitLab on Google Cloud",{"text":398,"config":399},"Pourquoi utiliser GitLab ?",{"href":82,"dataGaName":400,"dataGaLocation":374},"Why GitLab?",{"freeTrial":402,"mobileIcon":407,"desktopIcon":412,"secondaryButton":415},{"text":403,"config":404},"Commencer votre essai gratuit",{"href":405,"dataGaName":45,"dataGaLocation":406},"https://gitlab.com/-/trials/new/","nav",{"altText":408,"config":409},"Icône GitLab",{"src":410,"dataGaName":411,"dataGaLocation":406},"https://res.cloudinary.com/about-gitlab-com/image/upload/v1758203874/jypbw1jx72aexsoohd7x.svg","gitlab icon",{"altText":408,"config":413},{"src":414,"dataGaName":411,"dataGaLocation":406},"https://res.cloudinary.com/about-gitlab-com/image/upload/v1758203875/gs4c8p8opsgvflgkswz9.svg",{"text":416,"config":417},"Commencer",{"href":418,"dataGaName":419,"dataGaLocation":406},"https://gitlab.com/-/trial_registrations/new?glm_source=about.gitlab.com/fr-fr/get-started/","get started",{"freeTrial":421,"mobileIcon":425,"desktopIcon":427},{"text":422,"config":423},"En savoir plus sur GitLab Duo",{"href":74,"dataGaName":424,"dataGaLocation":406},"gitlab duo",{"altText":408,"config":426},{"src":410,"dataGaName":411,"dataGaLocation":406},{"altText":408,"config":428},{"src":414,"dataGaName":411,"dataGaLocation":406},{"freeTrial":430,"mobileIcon":435,"desktopIcon":437},{"text":431,"config":432},"Retour aux tarifs",{"href":184,"dataGaName":433,"dataGaLocation":406,"icon":434},"back to pricing","GoBack",{"altText":408,"config":436},{"src":410,"dataGaName":411,"dataGaLocation":406},{"altText":408,"config":438},{"src":414,"dataGaName":411,"dataGaLocation":406},{"title":440,"button":441,"config":446},"Découvrez comment l'IA agentique transforme la livraison logicielle",{"text":442,"config":443},"Regarder GitLab Transcend maintenant",{"href":444,"dataGaName":445,"dataGaLocation":40},"/fr-fr/events/transcend/virtual/","transcend event",{"layout":447,"icon":448,"disabled":25},"release","AiStar",{"data":450},{"text":451,"source":452,"edit":458,"contribute":463,"config":468,"items":473,"minimal":650},"Git est une marque déposée de Software Freedom Conservancy et notre utilisation de « GitLab » est sous licence",{"text":453,"config":454},"Afficher le code source de la page",{"href":455,"dataGaName":456,"dataGaLocation":457},"https://gitlab.com/gitlab-com/marketing/digital-experience/about-gitlab-com/","page source","footer",{"text":459,"config":460},"Modifier cette page",{"href":461,"dataGaName":462,"dataGaLocation":457},"https://gitlab.com/gitlab-com/marketing/digital-experience/about-gitlab-com/-/blob/main/content/","web ide",{"text":464,"config":465},"Veuillez contribuer",{"href":466,"dataGaName":467,"dataGaLocation":457},"https://gitlab.com/gitlab-com/marketing/digital-experience/about-gitlab-com/-/blob/main/CONTRIBUTING.md/","please contribute",{"twitter":469,"facebook":470,"youtube":471,"linkedin":472},"https://twitter.com/gitlab","https://www.facebook.com/gitlab","https://www.youtube.com/channel/UCnMGQ8QHMAnVIsI3xJrihhg","https://www.linkedin.com/company/gitlab-com",[474,497,551,583,618],{"title":58,"links":475,"subMenu":480},[476],{"text":477,"config":478},"Plateforme DevSecOps",{"href":67,"dataGaName":479,"dataGaLocation":457},"devsecops platform",[481],{"title":182,"links":482},[483,487,492],{"text":484,"config":485},"Voir les forfaits",{"href":184,"dataGaName":486,"dataGaLocation":457},"view plans",{"text":488,"config":489},"Pourquoi choisir GitLab Premium ?",{"href":490,"dataGaName":491,"dataGaLocation":457},"/fr-fr/pricing/premium/","why premium",{"text":493,"config":494},"Pourquoi choisir GitLab Ultimate ?",{"href":495,"dataGaName":496,"dataGaLocation":457},"/fr-fr/pricing/ultimate/","why ultimate",{"title":498,"links":499},"Solutions",[500,505,508,510,515,520,524,527,530,535,537,539,541,546],{"text":501,"config":502},"Transformation digitale",{"href":503,"dataGaName":504,"dataGaLocation":457},"/fr-fr/topics/digital-transformation/","digital transformation",{"text":506,"config":507},"Sécurité et conformité",{"href":123,"dataGaName":130,"dataGaLocation":457},{"text":115,"config":509},{"href":99,"dataGaName":100,"dataGaLocation":457},{"text":511,"config":512},"Développement agile",{"href":513,"dataGaName":514,"dataGaLocation":457},"/fr-fr/solutions/agile-delivery/","agile delivery",{"text":516,"config":517},"Transformation cloud",{"href":518,"dataGaName":519,"dataGaLocation":457},"/fr-fr/topics/cloud-native/","cloud transformation",{"text":521,"config":522},"SCM",{"href":112,"dataGaName":523,"dataGaLocation":457},"source code management",{"text":103,"config":525},{"href":105,"dataGaName":526,"dataGaLocation":457},"continuous integration & delivery",{"text":154,"config":528},{"href":156,"dataGaName":529,"dataGaLocation":457},"value stream management",{"text":531,"config":532},"GitOps",{"href":533,"dataGaName":534,"dataGaLocation":457},"/fr-fr/solutions/gitops/","gitops",{"text":167,"config":536},{"href":169,"dataGaName":170,"dataGaLocation":457},{"text":172,"config":538},{"href":174,"dataGaName":175,"dataGaLocation":457},{"text":177,"config":540},{"href":179,"dataGaName":180,"dataGaLocation":457},{"text":542,"config":543},"Formation",{"href":544,"dataGaName":545,"dataGaLocation":457},"/fr-fr/solutions/education/","education",{"text":547,"config":548},"Services financiers",{"href":549,"dataGaName":550,"dataGaLocation":457},"/fr-fr/solutions/finance/","financial services",{"title":187,"links":552},[553,555,558,560,563,565,568,571,573,575,577,579,581],{"text":199,"config":554},{"href":201,"dataGaName":202,"dataGaLocation":457},{"text":556,"config":557},"Guides de démarrage rapide",{"href":206,"dataGaName":207,"dataGaLocation":457},{"text":209,"config":559},{"href":211,"dataGaName":212,"dataGaLocation":457},{"text":214,"config":561},{"href":216,"dataGaName":562,"dataGaLocation":457},"docs",{"text":237,"config":564},{"href":239,"dataGaName":240},{"text":566,"config":567},"Histoires de réussite client",{"href":234,"dataGaLocation":457},{"text":569,"config":570},"Histoires de succès client",{"href":234,"dataGaName":235,"dataGaLocation":457},{"text":242,"config":572},{"href":244,"dataGaName":245,"dataGaLocation":457},{"text":250,"config":574},{"href":252,"dataGaName":253,"dataGaLocation":457},{"text":255,"config":576},{"href":257,"dataGaName":258,"dataGaLocation":457},{"text":260,"config":578},{"href":262,"dataGaName":263,"dataGaLocation":457},{"text":265,"config":580},{"href":267,"dataGaName":268,"dataGaLocation":457},{"text":270,"config":582},{"href":272,"dataGaName":273,"dataGaLocation":457},{"title":288,"links":584},[585,587,590,592,594,596,598,602,607,609,611,613],{"text":295,"config":586},{"href":297,"dataGaName":290,"dataGaLocation":457},{"text":588,"config":589},"Emplois",{"href":302,"dataGaName":303,"dataGaLocation":457},{"text":308,"config":591},{"href":310,"dataGaName":311,"dataGaLocation":457},{"text":313,"config":593},{"href":315,"dataGaName":316,"dataGaLocation":457},{"text":318,"config":595},{"href":320,"dataGaName":321,"dataGaLocation":457},{"text":323,"config":597},{"href":325,"dataGaName":326,"dataGaLocation":457},{"text":599,"config":600},"Sustainability",{"href":601,"dataGaName":599,"dataGaLocation":457},"/sustainability/",{"text":603,"config":604},"Diversité, inclusion et appartenance (DIB)",{"href":605,"dataGaName":606,"dataGaLocation":457},"/fr-fr/diversity-inclusion-belonging/","Diversity, inclusion and belonging",{"text":328,"config":608},{"href":330,"dataGaName":331,"dataGaLocation":457},{"text":338,"config":610},{"href":340,"dataGaName":341,"dataGaLocation":457},{"text":343,"config":612},{"href":345,"dataGaName":346,"dataGaLocation":457},{"text":614,"config":615},"Déclaration de transparence sur l'esclavage moderne",{"href":616,"dataGaName":617,"dataGaLocation":457},"https://handbook.gitlab.com/handbook/legal/modern-slavery-act-transparency-statement/","modern slavery transparency statement",{"title":348,"links":619},[620,623,628,630,635,640,645],{"text":621,"config":622},"Échanger avec un expert",{"href":49,"dataGaName":50,"dataGaLocation":457},{"text":624,"config":625},"Aide",{"href":626,"dataGaName":627,"dataGaLocation":457},"https://support.gitlab.com/hc/en-us/articles/11626483177756-GitLab-Support","get help",{"text":362,"config":629},{"href":364,"dataGaName":365,"dataGaLocation":457},{"text":631,"config":632},"Statut",{"href":633,"dataGaName":634,"dataGaLocation":457},"https://status.gitlab.com/","status",{"text":636,"config":637},"Conditions d'utilisation",{"href":638,"dataGaName":639},"/terms/","terms of use",{"text":641,"config":642},"Déclaration de confidentialité",{"href":643,"dataGaName":644,"dataGaLocation":457},"/fr-fr/privacy/","privacy statement",{"text":646,"config":647},"Préférences en matière de cookies",{"dataGaName":648,"dataGaLocation":457,"id":649,"isOneTrustButton":25},"cookie preferences","ot-sdk-btn",{"items":651},[652,654,657],{"text":636,"config":653},{"href":638,"dataGaName":639,"dataGaLocation":457},{"text":655,"config":656},"Politique de confidentialité",{"href":643,"dataGaName":644,"dataGaLocation":457},{"text":646,"config":658},{"dataGaName":648,"dataGaLocation":457,"id":649,"isOneTrustButton":25},[],[661,674,686],{"content":662,"config":672},{"title":663,"heroImage":664,"description":665,"authors":666,"date":668,"body":669,"category":8,"tags":670},"10 prompts IA pour accélérer votre livraison logicielle","https://res.cloudinary.com/about-gitlab-com/image/upload/v1772632341/duj8vaznbhtyxxhodb17.png","Éliminez les backlogs de révision, les délais de sécurité et la coordination manuelle grâce à des invites IA prêtes à l'emploi couvrant chaque étape du cycle de développement logiciel.\n",[667],"Chandler Gibbons","2026-03-04","Les outils de développement assistés par l'IA aident les équipes de développement à générer du code plus vite que jamais. Alors pourquoi les équipes ne livrent-elles pas plus rapidement ?\n\nLe développement ne représente aujourd’hui que 20 % du cycle de vie de la livraison logicielle, les 80 % restants deviennent le goulot d'étranglement : les backlogs de révision du code s'accumulent, les scans de sécurité peinent à suivre le rythme, la documentation prend du retard, et la coordination manuelle génère des surcharges croissantes.\n\nLa bonne nouvelle est que les mêmes capacités d'IA qui accélèrent le codage individuel peuvent éliminer ces retards à l'échelle de l'équipe. Il suffit d'appliquer l'IA à l'ensemble du cycle de développement logiciel, et pas uniquement lors de la phase de codage.\n\nVous trouverez ci-dessous 10 prompts prêts à l'emploi issus de la [bibliothèque de prompts de GitLab Duo Agent Platform](https://about.gitlab.com/gitlab-duo/prompt-library/), qui aident les équipes à surmonter les obstacles courants pour accélérer la livraison logicielle. Chaque prompt correspond à un ralentissement spécifique qui apparaît lorsque la productivité individuelle augmente sans que les processus de l'équipe ne s'améliorent en conséquence.\n\n## Comment transformer la révision de code de goulot d'étranglement en accélérateur ?\n\nLes développeurs génèrent des demandes de fusion plus rapidement grâce à l'IA, mais les réviseurs humains peuvent vite se retrouver débordés lorsque les cycles de révision s'étendent de quelques heures à plusieurs jours. L'IA peut prendre en charge les tâches de révision courantes, libérant ainsi les réviseurs pour qu'ils se concentrent sur l'architecture et la logique métier plutôt que sur la détection d'erreurs logiques basiques ou de violations de contrats d'API.\n\n### Réviser une demande de fusion pour détecter les erreurs logiques\n\n**Complexité** : Débutant\n\n**Catégorie** : Révision de code\n\n**Invite de la bibliothèque** :\n\n```text\n\nReview this MR for logical errors, edge cases, and potential bugs: [MR URL or paste code]\n\n```\n\n**Pourquoi c'est utile** : Les outils de lint automatisés détectent les problèmes de syntaxe, mais les erreurs logiques nécessitent de comprendre l'intention. Cette invite identifie les bugs avant même que les réviseurs humains n'examinent le code, réduisant les cycles de révision de plusieurs allers-retours à souvent une seule validation.\n\n### Identifier les changements incompatibles dans une demande de fusion\n\n**Complexité** : Débutant\n\n **Catégorie** : Révision de code\n\n**Invite de la bibliothèque** :\n\n```text\nDoes this MR introduce any breaking changes?\n\nChanges:\n[PASTE CODE DIFF]\n\nCheck for:\n1. API signature changes\n2. Removed or renamed public methods\n3. Changed return types\n4. Modified database schemas\n5. Breaking configuration changes\n```\n\n**Pourquoi c'est utile** : Les changements incompatibles découverts lors du déploiement peuvent entraîner des retours arrière et des incidents. Cette invite déplace cette détection en amont, au stade de la demande de fusion, là où les correctifs sont plus rapides et moins coûteux.\n\n## Comment décaler la sécurité vers la gauche sans ralentir le développement ?\n\nLes analyses de sécurité génèrent des centaines de résultats. Les équipes sécurité trient manuellement chacun d'eux pendant que les développeurs attendent l'autorisation de déployer. La plupart des résultats sont des faux positifs ou des problèmes à faible risque, mais identifier les véritables menaces demande expertise et temps. L'IA peut prioriser les résultats selon leur exploitabilité réelle et corriger automatiquement les vulnérabilités courantes, permettant aux équipes sécurité de se concentrer sur les menaces qui comptent vraiment.\n\n### Analyser les résultats d'une analyse de sécurité\n\n**Complexité** : Intermédiaire\n\n**Catégorie** : Sécurité\n\n**Agent** : Duo Security Analyst\n\n**Invite de la bibliothèque** :\n\n\n```text\n@security_analyst Analyze these security scan results:\n\n[PASTE SCAN OUTPUT]\n\nFor each finding:\n1. Assess real risk vs false positive\n2. Explain the vulnerability\n3. Suggest remediation\n4. Prioritize by severity\n```\n\n\n**Pourquoi c'est utile** : La majorité des résultats d'analyses de sécurité sont des faux positifs ou des problèmes à faible risque. Cette invite aide les équipes sécurité à se concentrer sur les résultats qui comptent vraiment, réduisant le temps de remédiation de plusieurs semaines à quelques jours.\n\n### Réviser le code pour détecter des problèmes de sécurité\n\n**Complexité** : Intermédiaire\n\n**Catégorie** : Sécurité\n\n**Agent** : Duo Security Analyst\n\n**Invite de la bibliothèque** :\n\n```text\n@security_analyst Review this code for security issues:\n\n[PASTE CODE]\n\nCheck for:\n1. Injection vulnerabilities\n2. Authentication/authorization flaws\n3. Data exposure risks\n4. Insecure dependencies\n5. Cryptographic issues\n```\n\n**Pourquoi c'est utile** : Les révisions de sécurité traditionnelles interviennent après l'écriture du code. Cette invite permet aux développeurs de détecter et corriger les problèmes de sécurité avant de créer une demande de fusion, supprimant les allers-retours qui retardent les déploiements.\n\n## Comment maintenir la documentation à jour au fil des évolutions du code ?\n\nLe code évolue plus vite que la documentation. L'intégration de nouveaux développeurs prend des semaines parce que les docs sont obsolètes ou inexistantes. Les équipes savent que la documentation est importante, mais elle est toujours reportée quand les délais approchent. Automatiser la génération et la mise à jour de la documentation dans le cadre de votre flux de travail standard garantit que les docs restent à jour sans effort manuel supplémentaire.\n\n\n### Générer des notes de version à partir des demandes de fusion\n\n**Complexité** : Débutant\n\n**Catégorie** : Documentation\n\n**Invite de la bibliothèque** :\n\n```text\nGenerate release notes for these merged MRs:\n[LIST MR URLs or paste titles]\n\nGroup by:\n1. New features\n2. Bug fixes\n3. Performance improvements\n4. Breaking changes\n5. Deprecations\n```\n**Pourquoi c'est utile** : La compilation manuelle des notes de version prend des heures et comporte souvent des erreurs ou des omissions. La génération automatisée garantit que chaque version dispose de notes complètes sans alourdir votre processus de publication.\n\n### Mettre à jour la documentation après des modifications du code\n\n**Complexité** : Débutant\n\n**Catégorie** : Documentation\n\n**Invite de la bibliothèque** :\n\n```text\nI changed this code:\n\n[PASTE CODE CHANGES]\n\nWhat documentation needs updating? Check:\n1. README files\n2. API documentation\n3. Architecture diagrams\n4. Onboarding guides\n```\n\n**Pourquoi c'est utile** : La dérive de la documentation survient parce que les équipes oublient quels docs doivent être mis à jour après des modifications du code. Cette invite intègre la maintenance de la documentation dans votre flux de développement, plutôt que d'en faire une tâche séparée perpétuellement reportée.\n\n## Comment réduire la complexité de la planification ?\n\nLes grandes fonctionnalités se retrouvent bloquées en phase de planification. Les équipes passent des semaines en réunions pour délimiter le périmètre et identifier les dépendances. La complexité semble insurmontable et il est difficile de savoir par où commencer. L'IA peut décomposer méthodiquement un travail complexe en tâches concrètes et réalisables, avec des dépendances claires et des critères d'acceptation précis — transformant des semaines de planification en une mise en œuvre ciblée.\n\n### Décomposer un epic en issues\n\n**Complexité** : Intermédiaire\n\n**Catégorie** : Documentation\n\n**Agent** : Duo Planner\n\n**Invite de la bibliothèque** :\n\n ```text\nBreak down this epic into implementable issues:\n\n[EPIC DESCRIPTION]\n\nConsider:\n1. Technical dependencies\n2. Reasonable issue sizes\n3. Clear acceptance criteria\n4. Logical implementation order\n```\n\n**Pourquoi c'est utile** : Cette invite transforme une semaine de réunions de planification en 30 minutes de décomposition assistée par l'IA suivie d'une revue d'équipe. Les équipes démarrent l'implémentation plus tôt, avec une direction plus claire.\n\n## Comment améliorer la couverture de tests sans alourdir l'effort ?\n\nLes développeurs écrivent du code plus vite, mais si les tests ne suivent pas le rythme, la couverture diminue et les bugs passent au travers. Écrire des tests complets manuellement est chronophage, et les développeurs manquent souvent les cas limites sous pression des délais. Générer des tests automatiquement permet aux développeurs de réviser et d'affiner plutôt que d'écrire depuis zéro, maintenant la qualité sans sacrifier la vélocité.\n\n### Générer des tests unitaires\n\n**Complexité** : Débutant\n\n**Catégorie** : Tests\n\n**Invite de la bibliothèque** :\n\n ```text\nGenerate unit tests for this function:\n\n[PASTE FUNCTION]\n\nInclude tests for:\n1. Happy path\n2. Edge cases\n3. Error conditions\n4. Boundary values\n5. Invalid inputs\n```\n\n**Pourquoi c'est utile** : Écrire des tests manuellement est chronophage, et les développeurs manquent souvent les cas limites. Cette invite génère des suites de tests complètes en quelques secondes, que les développeurs peuvent réviser et ajuster plutôt qu'écrire de zéro.\n\n### Identifier les lacunes de couverture de tests\n\n**Complexité** : Débutant\n\n**Catégorie** : Tests\n\n**Invite de la bibliothèque** :\n\n```text\nAnalyze test coverage for [MODULE/COMPONENT]:\n\nCurrent coverage: [PERCENTAGE]\n\nIdentify:\n1. Untested functions/methods\n2. Uncovered edge cases\n3. Missing error scenario tests\n4. Integration points without tests\n5. Priority areas to test next\n```\n\n**Pourquoi c'est utile** : Cette invite révèle les angles morts de votre suite de tests avant qu'ils ne provoquent des incidents en production. Les équipes peuvent améliorer systématiquement la couverture là où cela compte le plus.\n\n## Comment réduire le temps moyen de résolution lors du débogage ?\n\nLes incidents en production prennent des heures à diagnostiquer. Les développeurs parcourent des logs et des traces d'appel pendant que les utilisateurs subissent des interruptions de service. Chaque minute de débogage représente une minute de productivité perdue et potentiellement un manque à gagner. L'IA peut accélérer l'analyse des causes profondes en interprétant des messages d'erreur complexes et en proposant des correctifs précis, réduisant le temps de diagnostic de plusieurs heures à quelques minutes.\n\n### Déboguer un pipeline en échec\n\n**Complexité** : Débutant\n\n**Catégorie** : Débogage\n\n**Invite de la bibliothèque** :\n\n\n```text\nThis pipeline is failing:\n\nJob: [JOB NAME]\nStage: [STAGE]\nError: [PASTE ERROR MESSAGE/LOG]\n\nHelp me:\n1. Identify the root cause\n2. Suggest a fix\n3. Explain why it started failing\n4. Prevent similar issues\n```\n\n**Pourquoi c'est utile** : Les échecs de pipeline CI/CD bloquent des équipes entières. Cette invite diagnostique les pannes en quelques secondes au lieu des 15 à 30 minutes que les développeurs consacrent habituellement aux investigations, maintenant ainsi une vélocité de déploiement élevée.\n\n## Passer des gains individuels à l'accélération collective\n\nCes invites illustrent une évolution dans la manière dont les équipes exploitent l'IA pour la livraison logicielle. Plutôt que de se concentrer uniquement sur la productivité individuelle des développeurs, elles s'attaquent aux défis de coordination, de qualité et de partage des connaissances qui contraignent réellement la vélocité des équipes.\n\nLa [bibliothèque d'invites complète](https://about.gitlab.com/gitlab-duo/prompt-library/) contient plus de 100 invites couvrant toutes les étapes du cycle de vie logiciel : planification, développement, sécurité, tests, déploiement et opérations. Chaque invite est étiquetée par niveau de complexité (Débutant, Intermédiaire, Avancé) et classée par cas d'usage, facilitant la recherche du bon point de départ pour votre équipe.\n\nCommencez par les invites étiquetées « Débutant » qui s'attaquent aux obstacles les plus pressants de votre équipe. À mesure que votre équipe prend confiance, explorez les invites intermédiaires et avancées qui permettent des flux de travail plus sophistiqués. L'objectif n'est pas seulement un développement plus rapide — c'est une livraison logicielle plus rapide, plus sûre et de meilleure qualité, de la planification jusqu'à la mise en production.\n",[19,671],"DevOps platform",{"featured":10,"template":11,"slug":673},"10-ai-prompts-to-speed-your-teams-software-delivery",{"content":675,"config":684},{"title":676,"description":677,"authors":678,"date":680,"body":681,"category":8,"tags":682,"heroImage":683},"GitLab Duo Agent Platform : comment réinventer le développement logiciel avec l’IA agentique","Découvrez comment GitLab Duo Agent Platform transforme la collaboration entre équipes de développement et les agents d’IA.\n",[679],"GitLab France Team","2026-02-24","> *Cet article de blog est un résumé de notre webinaire sur la Collaboration entre agents d’IA et développeurs animé par Lucas Rangeard (Solutions Architect) et Chloé Cartron (Senior Solutions Architect). Pour visionner le replay, [cliquez ici](https://learn.gitlab.com/fr-oct-agentic-ai/duo-ai-fr).* \n\nStructurer un besoin client en ticket, diviser un ticket en sous-tâches assignables, et implémenter la fonctionnalité : trois opérations qui, dans un cycle de développement traditionnel, s'enchaînent de manière séquentielle entraînant un goulot d'étranglement bien connu des [équipes DevOps](https://about.gitlab.com/fr-fr/topics/devops/build-a-devops-team/ \"équipes DevOps\").\n\nGrâce à GitLab Duo Agent Platform, ces trois tâches sont exécutées en parallèle, avec une merge request prête à être revue en quelques minutes. \n\nDécouvrez dans cet article les capacités de GitLab Duo Agent Platform conçue pour transformer la collaboration entre équipes de développement et agents intelligents et apprenez comment mettre en place des flows, de la création d’un ticket au développement d’une application à travers trois cas d’usage.\n\n## GitLab Duo Agent Platform : une orchestration agentique native\n\n[GitLab Duo Agent Platform](https://about.gitlab.com/fr-fr/gitlab-duo-agent-platform/ \"GitLab Duo Agent Platform\") représente une évolution majeure dans notre approche du DevSecOps. En disponibilité générale depuis janvier 2026 pour les clients GitLab Premium et GitLab Ultimate (GitLab.com et GitLab Self-Managed), GitLab Duo Agent Platform permet aux équipes de développement de collaborer avec des agents d’IA sur l'ensemble du cycle de développement logiciel ([SDLC](https://about.gitlab.com/fr-fr/blog/what-is-sdlc/ \"Qu'est-ce que le SDLC ?\")).\n\n> 🎯 Essayez [GitLab Duo Agent Platform](https://about.gitlab.com/fr-fr/gitlab-duo-agent-platform/?utm_medium=blog&utm_source=blog&utm_campaign=eg_emea_x_trial_x_fr_blog_fr) dès aujourd'hui !\n\n### L’orchestration agentique au coeur du SDLC\n\nNotre approche repose sur trois piliers interconnectés :\n\n* **Nous conservons ce qui fait notre force** : une plateforme unifiée avec un système de données centralisé et des APIs.\n* **Nous ajoutons une couche d'intelligence agentique** : des agents spécialisés travaillant ensemble et de manière autonome. \n* **Nous créons un graphe de connaissances reliant l'ensemble des données entre elles** : votre code, vos tickets, vos déploiements, vos scans de sécurité. Cette interconnexion permet aux agents de comprendre votre contexte complet et de prendre des décisions éclairées rapidement. \n\n### Des agents spécialisés tout au long du SDLC\n\nGitLab Duo Agent Platform ne vise pas à remplacer les équipes de développement, mais à leur fournir des partenaires capables d'exécuter des tâches en parallèle. \n\nLes utilisateurs ont accès à trois types d’agents différents : les [agents par défaut](https://docs.gitlab.com/user/duo_agent_platform/agents/foundational_agents/) comme [Planner](https://docs.gitlab.com/user/duo_agent_platform/agents/foundational_agents/planner/), [Security Analyst](https://docs.gitlab.com/user/duo_agent_platform/agents/foundational_agents/security_analyst_agent/) et [Data Analyst](https://docs.gitlab.com/user/duo_agent_platform/agents/foundational_agents/data_analyst/) pour les tâches courantes de développement, les [agents personnalisables](https://docs.gitlab.com/user/duo_agent_platform/agents/custom/) pour les workflows spécifiques à votre équipe, ainsi que les [agents externes](https://docs.gitlab.com/user/duo_agent_platform/agents/external/) comme Claude Code ou OpenAI Codex. Pour en savoir plus sur les agents, consultez notre article de blog [GitLab Duo Agent Platform : comprendre les agents](https://about.gitlab.com/fr-fr/blog/understanding-agents-foundational-custom-external/).\n\nCes agents partagent un contexte unifié. Ils peuvent accéder aux tickets, au code source, aux [pipelines CI/CD](https://about.gitlab.com/fr-fr/topics/ci-cd/cicd-pipeline/ \"Qu'est-ce qu'un pipeline CI/CD ?\"), aux merge requests et à l'historique de déploiement, selon les permissions données. \n\n> Chez NatWest, l'intégration des agents d’IA dans le cycle de développement logiciel a permis d'améliorer « la productivité, la vélocité et l'efficacité » des équipes, selon Bal Kang, Engineering Platform Lead. \n\n## Comment l'IA agentique réduit les temps d'attente entre chaque étape ?\n\nDans un cycle de développement traditionnel, les étapes s'enchaînent les unes après les autres. Rédaction des spécifications, découpage en tâches, implémentation, tests, revue de code : chaque phase attend la précédente. Ce modèle séquentiel génère des temps morts et limite la capacité des équipes à traiter plusieurs demandes simultanément.\n\nL'approche agentique change cette dynamique. En déléguant des tâches à des agents autonomes, les équipes de développement peuvent avancer sur plusieurs fronts en parallèle. Pendant qu'un agent implémente une fonctionnalité, un autre structure une nouvelle demande, et un troisième prépare une analyse de sécurité. Le cycle de développement global est raccourci.\n\nL'objectif : permettre aux équipes de développement de déléguer certaines tâches à des agents pendant qu'ils se concentrent sur d'autres tâches à plus forte valeur ajoutée, tout en gardant le contrôle sur les résultats.\n\n## 3 exemples de flows à tester\n\nDécouvrez comment GitLab Duo Agent Platform transforme le quotidien des équipes grâce à ces trois cas d'usage qui peuvent être exécutés simultanément. \n\n### Transformer une idée en ticket structuré\n\nAvec GitLab Duo Agentic Chat, les utilisateurs peuvent générer un ticket complet et personnalisable à partir d'une idée en formulant leur demande en langage naturel à l’aide du modèle IA de leur choix. \n\nCe ticket comprend le titre correspondant au besoin, la user story, les critères d'acceptance, les contraintes techniques, la « definition of done », ainsi que tout autre élément de gestion de projet propre aux équipes : personnes assignées, labels, date de début et date de fin de la tâche, confidentialité du ticket, etc.\n\nL'action proposée est soumise à validation. Une fois approuvé, le ticket apparaît dans le backlog en quelques secondes.\n\n### Diviser un ticket en sous-tâches\n\nUn ticket couvrant plusieurs fonctionnalités peut être divisé automatiquement en sous-tickets distincts. L'agent crée les sous tickets, maintient les références avec le ticket parent, et préserve la cohérence des critères d'acceptance. Ce mécanisme transforme un besoin business global en un ensemble de tâches assignables aux équipes. \n\n### Générer une merge request depuis un ticket\n\nÀ partir d’un ticket décrivant une fonctionnalité à implémenter, l'agent analyse le contexte du projet, comprend l'architecture existante, et génère le code correspondant. Il modifie les fichiers nécessaires, crée une merge request et le pipeline CI/CD se lance automatiquement.\n\nIl est également possible d'assigner GitLab Duo comme relecteur sur une merge request. L'agent analyse les changements, identifie les points d'attention et laisse des commentaires dans la merge request, offrant un premier niveau de revue avant la sollicitation des pairs.\n\n## Une collaboration entre humains et IA\n\nUn aspect distingue GitLab Duo Agent Platform des approches purement automatisées : chaque action proposée par un agent nécessite une validation explicite. L'utilisateur visualise ce que l'agent souhaite exécuter et approuve ou ajuste le travail effectué par l’agent avant d’effectuer une action.\nCette approche répond aux exigences des équipes en matière de gouvernance. L'agent accélère l'exécution, mais les décisions restent sous contrôle humain. Une approche indispensable dans un contexte où la qualité du code et la sécurité ne peuvent être compromises.\n\n## Le catalogue d’IA : un écosystème agentique\n\nAu-delà des agents natifs, GitLab développe un écosystème ouvert : le catalogue d’IA. Ce dernier permet de découvrir, utiliser et partager des agents et des flows développés par GitLab, ainsi que par toute la communauté.\n\nLes options de partage sont flexibles : ouverture à la communauté ou restriction à des usages internes selon les besoins de gouvernance.\n\nCette approche permet d'imaginer un agent expert en migration de bases de données, ou encore un flow d’optimisation de performance tous intégrés nativement dans GitLab. \n\nCes agents et flows s'intègrent à votre interface GitLab et identifient rapidement votre contexte et vos projets.\n\n## Prérequis\n\nPour utiliser GitLab Duo Agent Platform, plusieurs conditions sont requises :\n\n* Disposer de la version 18.8 ou ultérieure de GitLab ou d’un compte GitLab.com.\n* Être abonné à [GitLab Premium](https://about.gitlab.com/fr-fr/pricing/premium/) ou [GitLab Ultimate](https://about.gitlab.com/fr-fr/pricing/ultimate/)\n\nGitLab Duo Agent Platform utilise par défaut les modèles d'IA fournis par GitLab. Une configuration alternative utilisant les modèles des clients est disponible [pour les installations auto hébergées](https://docs.gitlab.com/administration/gitlab_duo_self_hosted/#gitlab-duo-agent-platform). Pour en savoir plus, consultez notre article [IA agentique avec contrôle d'entreprise : GitLab Duo Agent Platform Self-Hosted et BYOM](https://about.gitlab.com/fr-fr/blog/agentic-ai-enterprise-control-self-hosted-duo-agent-platform-and-byom/).\n\n## Perspectives : l'IA agentique au coeur du DevSecOps\n\nGitLab Duo Agent Platform marque une évolution dans l'intégration de l'IA dans le cycle de développement DevSecOps. Il ne s'agit plus uniquement de suggestions de code, mais d'une véritable orchestration agentique où des agents spécialisés prennent en charge des workflows complets.\n\nVous souhaitez en savoir plus sur les flows ? Consultez notre article [Comprendre les flows : workflows multi-agents](https://about.gitlab.com/fr-fr/blog/understanding-flows-multi-agent-workflows/) et découvrez comment utiliser les [flows par défaut](https://docs.gitlab.com/user/duo_agent_platform/flows/foundational_flows/) et les [flows personnalisables](https://docs.gitlab.com/user/duo_agent_platform/flows/custom/).\n\n> 🎯 Essayez [GitLab Duo Agent Platform](https://about.gitlab.com/fr-fr/gitlab-duo-agent-platform/?utm_medium=blog&utm_source=blog&utm_campaign=eg_emea_x_trial_x_fr_blog_fr) dès aujourd'hui !",[19],"https://res.cloudinary.com/about-gitlab-com/image/upload/v1765809212/noh0mdfn9o94ry9ykura.png",{"featured":10,"template":11,"slug":685},"gitlab-duo-agent-platform-software-development-agentic-ai",{"content":687,"config":697},{"title":688,"description":689,"authors":690,"heroImage":692,"date":693,"body":694,"category":8,"tags":695},"IA agentique avec contrôle d'entreprise : GitLab Duo Agent Platform Self-Hosted et BYOM","Découvrez comment GitLab 18.9 offre aux entreprises des secteurs réglementés une IA agentique gouvernée grâce à GitLab Duo Agent Platform Self-Hosted et à la prise en charge Bring Your Own Model.",[691],"Rebecca Carter","https://res.cloudinary.com/about-gitlab-com/image/upload/v1771438388/t6sts5qw4z8561gtlxiq.png","2026-02-19","Pour les organisations qui opèrent dans des secteurs réglementés, la transition vers l'automatisation alimentée par l'IA s'accompagne de contraintes strictes. La résidence des données, le contrôle des fournisseurs et la gouvernance ne sont pas négociables. De nombreuses organisations ont déjà investi massivement dans leurs propres modèles, avec des processus d'approbation rigoureux qui régissent leur fonctionnement et leur déploiement.\n\nAvec [GitLab 18.9](https://about.gitlab.com/releases/2026/02/19/gitlab-18-9-released/), nous proposons deux fonctionnalités qui comblent une lacune stratégique critique pour ces organisations et transformons [GitLab Duo Agent Platform](https://about.gitlab.com/fr-fr/gitlab-duo-agent-platform/) en un plan de contrôle d'IA prêt à être déployé et gouvernable pour les environnements réglementaires les plus stricts.\n\n## GitLab Duo Agent Platform Self-Hosted pour les licences cloud en ligne\nAvec GitLab Duo Agent Platform, les équipes d'ingénierie créent des flows alimentés par l'IA qui automatisent des séquences de tâches, allant de la refactorisation des services au renforcement des pipelines CI/CD en passant par la hiérarchisation des vulnérabilités. Jusqu'à présent, l'utilisation de GitLab Duo Agent Platform en production avec des modèles auto-hébergés était principalement alignée sur des chemins de licence hors ligne ou complémentaires et n'était pas conçue pour les clients disposant de licences cloud en ligne qui opèrent dans des environnements avec des réglementations strictes.\n\nDésormais en disponibilité générale, [GitLab Duo Agent Platform Self-Hosted pour les licences cloud en ligne](https://docs.gitlab.com/subscriptions/subscription-add-ons/#gitlab-duo-agent-platform-self-hosted) introduit un modèle de facturation basé sur l'usage alimenté par les [GitLab Credits](https://about.gitlab.com/fr-fr/blog/introducing-gitlab-credits/). Cette approche offre la mesure transparente et prévisible dont les entreprises ont besoin pour instaurer la confiance et la refacturation interne.\n* **Résidence et contrôle des données** : vous pouvez désormais exécuter GitLab Duo Agent Platform en production sur des licences cloud en ligne tout en utilisant des modèles hébergés sur votre propre infrastructure ou dans des environnements cloud approuvés. Vous contrôlez ainsi le lieu d'exécution des modèles et la façon dont le trafic d'inférence est acheminé dans vos environnements approuvés.\n* **Transparence des coûts et refacturation** : bénéficiez d'une transparence granulaire des coûts grâce aux GitLab Credits et au décompte par requête, deux éléments essentiels pour une refacturation interne précise et le respect des normes réglementaires en matière de reporting.\n* **Accélération de l'adoption** : supprime un obstacle majeur au déploiement de l'IA agentique dans des secteurs comme les services financiers, les administrations publiques et les infrastructures critiques, où l'acheminement des données via des fournisseurs d'IA externes n'est tout simplement pas envisageable. Avec GitLab 18.9, GitLab Duo Agent Platform devient un environnement de déploiement de premier ordre pour les licences cloud en ligne.\n\n## Bring Your Own Model\nL'auto-hébergement de la couche d'orchestration n'est qu'une partie de la solution. De nombreux clients de secteurs réglementés ont déjà investi massivement dans leurs propres modèles : des LLM adaptés à leur domaine, des déploiements dans une région dédiée ou air-gapped pour la souveraineté des données, et des modèles fermés et internes conçus en fonction d'un profil de risque spécifique.\n\n**Bring Your Own Model (BYOM)** renforce la flexibilité de GitLab Duo Agent Platform. Les administrateurs peuvent connecter des modèles tiers ou auto-hébergés via la [passerelle d'IA (AI-Gateway) de GitLab](https://docs.gitlab.com/administration/gitlab_duo/gateway/), et les clients choisissent et contrôlent le modèle.\n* **Intégration et gouvernance** : les modèles BYOM apparaissent aux côtés des modèles gérés par GitLab dans le plan de contrôle d'IA de GitLab. GitLab Duo Agent Platform peut ainsi les traiter comme des options prêtes à l'emploi pour l'entreprise.\n* **Mappage granulaire** : une fois enregistrés via la passerelle d'IA, les modèles peuvent être mappés à des flows ou des fonctionnalités spécifiques de GitLab Duo Agent Platform. Vous pouvez ainsi exercer un contrôle étroit sur les agents et les flows, ainsi que sur les modèles utilisés. Les administrateurs restent toujours responsables de la validation des modèles, des performances et de l'évaluation des risques. Vous êtes responsable de la compatibilité, des performances et de l'évaluation des risques pour les modèles que vous apportez.\n\nEnsemble, ces fonctionnalités donnent aux responsables d'ingénierie un contrôle complet sur l'IA agentique. Ce plan de contrôle unique et gouverné pour l'IA agentique remplace l'ensemble fragmenté de solutions ponctuelles et d'outils d'IA non gérés sur lesquels de nombreuses organisations s'appuient aujourd'hui. Il s'agit d'une combinaison que les organisations réglementées réclamaient depuis longtemps : la liberté de choisir son modèle accompagnée d'une gouvernance forte, au sein de la même plateforme DevSecOps en laquelle elles ont déjà confiance.\n\n> Vous souhaitez essayer GitLab Duo Agent Platform ? [Contactez-nous ou commencez un essai gratuit dès aujourd'hui](https://about.gitlab.com/fr-fr/gitlab-duo-agent-platform/?utm_medium=blog&utm_source=blog&utm_campaign=eg_emea_x_trial_x_fr_blog_fr).\n\n-----------\n\n_Cet article de blog contient des « déclarations prospectives » au sens de la section 27A du Securities Act de 1933, tel que modifié, et de la section 21E du Securities Exchange Act de 1934. Bien que nous croyions que les attentes reflétées dans ces déclarations sont raisonnables, elles sont soumises à des risques, incertitudes, hypothèses et autres facteurs connus et inconnus qui peuvent entraîner des résultats ou des issues réels sensiblement différents. Des informations supplémentaires sur ces risques et autres facteurs sont incluses sous la rubrique « Facteurs de risque » dans nos dépôts auprès de la SEC. Nous ne nous engageons pas à mettre à jour ou à réviser ces déclarations après la date de cet article de blog, sauf si la loi l'exige._",[19,20,696],"features",{"featured":25,"template":11,"slug":698},"agentic-ai-enterprise-control-self-hosted-duo-agent-platform-and-byom",{"promotions":700},[701,714,726],{"id":702,"categories":703,"header":704,"text":705,"button":706,"image":711},"ai-modernization",[8],"Is AI achieving its promise at scale?","Quiz will take 5 minutes or less",{"text":707,"config":708},"Get your AI maturity score",{"href":709,"dataGaName":710,"dataGaLocation":240},"/assessments/ai-modernization-assessment/","modernization assessment",{"config":712},{"src":713},"https://res.cloudinary.com/about-gitlab-com/image/upload/v1772138786/qix0m7kwnd8x2fh1zq49.png",{"id":715,"categories":716,"header":718,"text":705,"button":719,"image":723},"devops-modernization",[20,717],"devsecops","Are you just managing tools or shipping innovation?",{"text":720,"config":721},"Get your DevOps maturity score",{"href":722,"dataGaName":710,"dataGaLocation":240},"/assessments/devops-modernization-assessment/",{"config":724},{"src":725},"https://res.cloudinary.com/about-gitlab-com/image/upload/v1772138785/eg818fmakweyuznttgid.png",{"id":727,"categories":728,"header":730,"text":705,"button":731,"image":735},"security-modernization",[729],"security","Are you trading speed for security?",{"text":732,"config":733},"Get your security maturity score",{"href":734,"dataGaName":710,"dataGaLocation":240},"/assessments/security-modernization-assessment/",{"config":736},{"src":737},"https://res.cloudinary.com/about-gitlab-com/image/upload/v1772138786/p4pbqd9nnjejg5ds6mdk.png",{"header":739,"blurb":740,"button":741,"secondaryButton":745},"Commencez à développer plus rapidement dès aujourd'hui","Découvrez ce que votre équipe peut accomplir avec la plateforme d'orchestration intelligente pour le DevSecOps.\n",{"text":42,"config":742},{"href":743,"dataGaName":45,"dataGaLocation":744},"https://gitlab.com/-/trial_registrations/new?glm_content=default-saas-trial&glm_source=about.gitlab.com/fr-fr/","feature",{"text":47,"config":746},{"href":49,"dataGaName":50,"dataGaLocation":744},1773871228370]