[{"data":1,"prerenderedAt":523},["ShallowReactive",2],{"/fr-fr/the-source/authors/emilio-salvador/":3,"footer-fr-fr":34,"the-source-banner-fr-fr":347,"the-source-navigation-fr-fr":359,"the-source-newsletter-fr-fr":386,"emilio-salvador-articles-list-authors-fr-fr":397,"emilio-salvador-articles-list-fr-fr":427,"emilio-salvador-page-categories-fr-fr":522},{"_path":4,"_dir":5,"_draft":6,"_partial":6,"_locale":7,"config":8,"seo":10,"content":12,"type":26,"slug":27,"_id":28,"_type":29,"title":11,"_source":30,"_file":31,"_stem":32,"_extension":33},"/fr-fr/the-source/authors/emilio-salvador","authors",false,"",{"layout":9},"the-source",{"title":11},"Emilio Salvador",[13,24],{"componentName":14,"componentContent":15},"TheSourceAuthorHero",{"config":16,"name":11,"role":19,"bio":20,"headshot":21},{"gitlabHandle":17,"linkedInProfileUrl":18},"esalvadorp","https://www.linkedin.com/in/emiliosp/","Vice President, Strategy and Developer Relations","Emilio Salvador est Vice President de la stratégie et des relations avec les développeurs chez GitLab. Cadre dans le domaine des technologies avec plus de 20 ans d'expérience, Emilio a occupé des postes chez Amazon et Microsoft. Il a plus récemment dirigé la stratégie et les opérations de l'équipe « Developer Advocacy and Experience » chez Google. Il est titulaire d'un MBA de la Sloan School of Management du MIT.",{"altText":11,"config":22},{"src":23},"https://res.cloudinary.com/about-gitlab-com/image/upload/v1751463402/g0snp3uisjm4tj3pkqcw.jpg",{"componentName":25},"TheSourceArticlesList","author","emilio-salvador","content:fr-fr:the-source:authors:emilio-salvador.yml","yaml","content","fr-fr/the-source/authors/emilio-salvador.yml","fr-fr/the-source/authors/emilio-salvador","yml",{"_path":35,"_dir":36,"_draft":6,"_partial":6,"_locale":7,"data":37,"_id":343,"_type":29,"title":344,"_source":30,"_file":345,"_stem":346,"_extension":33},"/shared/fr-fr/main-footer","fr-fr",{"text":38,"source":39,"edit":45,"contribute":50,"config":55,"items":60,"minimal":334},"Git est une marque déposée de Software Freedom Conservancy et notre utilisation de « GitLab » est sous licence",{"text":40,"config":41},"Afficher le code source de la page",{"href":42,"dataGaName":43,"dataGaLocation":44},"https://gitlab.com/gitlab-com/marketing/digital-experience/about-gitlab-com/","page source","footer",{"text":46,"config":47},"Modifier cette page",{"href":48,"dataGaName":49,"dataGaLocation":44},"https://gitlab.com/gitlab-com/marketing/digital-experience/about-gitlab-com/-/blob/main/content/","web ide",{"text":51,"config":52},"Veuillez contribuer",{"href":53,"dataGaName":54,"dataGaLocation":44},"https://gitlab.com/gitlab-com/marketing/digital-experience/about-gitlab-com/-/blob/main/CONTRIBUTING.md/","please contribute",{"twitter":56,"facebook":57,"youtube":58,"linkedin":59},"https://twitter.com/gitlab","https://www.facebook.com/gitlab","https://www.youtube.com/channel/UCnMGQ8QHMAnVIsI3xJrihhg","https://www.linkedin.com/company/gitlab-com",[61,88,161,233,295],{"title":62,"links":63,"subMenu":69},"Plateforme",[64],{"text":65,"config":66},"Plateforme DevSecOps",{"href":67,"dataGaName":68,"dataGaLocation":44},"/fr-fr/platform/","devsecops platform",[70],{"title":71,"links":72},"Tarifs",[73,78,83],{"text":74,"config":75},"Voir les forfaits",{"href":76,"dataGaName":77,"dataGaLocation":44},"/fr-fr/pricing/","view plans",{"text":79,"config":80},"Pourquoi choisir GitLab Premium ?",{"href":81,"dataGaName":82,"dataGaLocation":44},"/fr-fr/pricing/premium/","why premium",{"text":84,"config":85},"Pourquoi choisir GitLab Ultimate ?",{"href":86,"dataGaName":87,"dataGaLocation":44},"/fr-fr/pricing/ultimate/","why ultimate",{"title":89,"links":90},"Solutions",[91,96,101,106,111,116,121,126,131,136,141,146,151,156],{"text":92,"config":93},"Transformation digitale",{"href":94,"dataGaName":95,"dataGaLocation":44},"/fr-fr/topics/digital-transformation/","digital transformation",{"text":97,"config":98},"Sécurité et conformité",{"href":99,"dataGaName":100,"dataGaLocation":44},"/solutions/application-security-testing/","Application security testing",{"text":102,"config":103},"Livraison de logiciels automatisée",{"href":104,"dataGaName":105,"dataGaLocation":44},"/fr-fr/solutions/delivery-automation/","automated software delivery",{"text":107,"config":108},"Développement agile",{"href":109,"dataGaName":110,"dataGaLocation":44},"/fr-fr/solutions/agile-delivery/","agile delivery",{"text":112,"config":113},"Transformation cloud",{"href":114,"dataGaName":115,"dataGaLocation":44},"/fr-fr/topics/cloud-native/","cloud transformation",{"text":117,"config":118},"SCM",{"href":119,"dataGaName":120,"dataGaLocation":44},"/fr-fr/solutions/source-code-management/","source code management",{"text":122,"config":123},"CI/CD",{"href":124,"dataGaName":125,"dataGaLocation":44},"/fr-fr/solutions/continuous-integration/","continuous integration & delivery",{"text":127,"config":128},"Gestion de la chaîne de valeur",{"href":129,"dataGaName":130,"dataGaLocation":44},"/fr-fr/solutions/value-stream-management/","value stream management",{"text":132,"config":133},"GitOps",{"href":134,"dataGaName":135,"dataGaLocation":44},"/fr-fr/solutions/gitops/","gitops",{"text":137,"config":138},"Entreprises",{"href":139,"dataGaName":140,"dataGaLocation":44},"/fr-fr/enterprise/","enterprise",{"text":142,"config":143},"PME",{"href":144,"dataGaName":145,"dataGaLocation":44},"/fr-fr/small-business/","small business",{"text":147,"config":148},"Secteur public",{"href":149,"dataGaName":150,"dataGaLocation":44},"/fr-fr/solutions/public-sector/","public sector",{"text":152,"config":153},"Formation",{"href":154,"dataGaName":155,"dataGaLocation":44},"/fr-fr/solutions/education/","education",{"text":157,"config":158},"Services financiers",{"href":159,"dataGaName":160,"dataGaLocation":44},"/fr-fr/solutions/finance/","financial services",{"title":162,"links":163},"Ressources",[164,169,174,179,184,189,193,198,203,208,213,218,223,228],{"text":165,"config":166},"Installation",{"href":167,"dataGaName":168,"dataGaLocation":44},"/fr-fr/install/","install",{"text":170,"config":171},"Guides de démarrage rapide",{"href":172,"dataGaName":173,"dataGaLocation":44},"/fr-fr/get-started/","quick setup checklists",{"text":175,"config":176},"Apprentissage",{"href":177,"dataGaName":178,"dataGaLocation":44},"https://university.gitlab.com/","learn",{"text":180,"config":181},"Documentation sur le produit",{"href":182,"dataGaName":183,"dataGaLocation":44},"https://docs.gitlab.com/","docs",{"text":185,"config":186},"Blog",{"href":187,"dataGaName":188},"/fr-fr/blog/","blog",{"text":190,"config":191},"Histoires de réussite client",{"href":192,"dataGaLocation":44},"/customers/",{"text":194,"config":195},"Histoires de succès client",{"href":196,"dataGaName":197,"dataGaLocation":44},"/fr-fr/customers/","customer success stories",{"text":199,"config":200},"Travail à distance",{"href":201,"dataGaName":202,"dataGaLocation":44},"https://handbook.gitlab.com/handbook/company/culture/all-remote/","remote",{"text":204,"config":205},"Services GitLab",{"href":206,"dataGaName":207,"dataGaLocation":44},"/fr-fr/services/","services",{"text":209,"config":210},"TeamOps",{"href":211,"dataGaName":212,"dataGaLocation":44},"/fr-fr/teamops/","teamops",{"text":214,"config":215},"Communauté",{"href":216,"dataGaName":217,"dataGaLocation":44},"/community/","community",{"text":219,"config":220},"Forum",{"href":221,"dataGaName":222,"dataGaLocation":44},"https://forum.gitlab.com/","forum",{"text":224,"config":225},"Événements",{"href":226,"dataGaName":227,"dataGaLocation":44},"/events/","events",{"text":229,"config":230},"Partenaires",{"href":231,"dataGaName":232,"dataGaLocation":44},"/fr-fr/partners/","partners",{"title":234,"links":235},"Société",[236,241,246,251,256,261,266,270,275,280,285,290],{"text":237,"config":238},"À propos",{"href":239,"dataGaName":240,"dataGaLocation":44},"/fr-fr/company/","company",{"text":242,"config":243},"Emplois",{"href":244,"dataGaName":245,"dataGaLocation":44},"/jobs/","jobs",{"text":247,"config":248},"Leadership",{"href":249,"dataGaName":250,"dataGaLocation":44},"/company/team/e-group/","leadership",{"text":252,"config":253},"Équipe",{"href":254,"dataGaName":255,"dataGaLocation":44},"/company/team/","team",{"text":257,"config":258},"Manuel",{"href":259,"dataGaName":260,"dataGaLocation":44},"https://handbook.gitlab.com/","handbook",{"text":262,"config":263},"Relations avec les investisseurs",{"href":264,"dataGaName":265,"dataGaLocation":44},"https://ir.gitlab.com/","investor relations",{"text":267,"config":268},"Sustainability",{"href":269,"dataGaName":267,"dataGaLocation":44},"/sustainability/",{"text":271,"config":272},"Diversité, inclusion et appartenance (DIB)",{"href":273,"dataGaName":274,"dataGaLocation":44},"/fr-fr/diversity-inclusion-belonging/","Diversity, inclusion and belonging",{"text":276,"config":277},"Centre de confiance",{"href":278,"dataGaName":279,"dataGaLocation":44},"/fr-fr/security/","trust center",{"text":281,"config":282},"Newsletter",{"href":283,"dataGaName":284,"dataGaLocation":44},"/company/contact/","newsletter",{"text":286,"config":287},"Presse",{"href":288,"dataGaName":289,"dataGaLocation":44},"/press/","press",{"text":291,"config":292},"Déclaration de transparence sur l'esclavage moderne",{"href":293,"dataGaName":294,"dataGaLocation":44},"https://handbook.gitlab.com/handbook/legal/modern-slavery-act-transparency-statement/","modern slavery transparency statement",{"title":296,"links":297},"Nous contacter",[298,303,308,313,318,323,328],{"text":299,"config":300},"Échanger avec un expert",{"href":301,"dataGaName":302,"dataGaLocation":44},"/fr-fr/sales/","sales",{"text":304,"config":305},"Aide",{"href":306,"dataGaName":307,"dataGaLocation":44},"/support/","get help",{"text":309,"config":310},"Portail clients GitLab",{"href":311,"dataGaName":312,"dataGaLocation":44},"https://customers.gitlab.com/customers/sign_in/","customer portal",{"text":314,"config":315},"Statut",{"href":316,"dataGaName":317,"dataGaLocation":44},"https://status.gitlab.com/","status",{"text":319,"config":320},"Conditions d'utilisation",{"href":321,"dataGaName":322},"/terms/","terms of use",{"text":324,"config":325},"Déclaration de confidentialité",{"href":326,"dataGaName":327,"dataGaLocation":44},"/fr-fr/privacy/","privacy statement",{"text":329,"config":330},"Préférences en matière de cookies",{"dataGaName":331,"dataGaLocation":44,"id":332,"isOneTrustButton":333},"cookie preferences","ot-sdk-btn",true,{"items":335},[336,338,341],{"text":319,"config":337},{"href":321,"dataGaName":322,"dataGaLocation":44},{"text":339,"config":340},"Politique de confidentialité",{"href":326,"dataGaName":327,"dataGaLocation":44},{"text":329,"config":342},{"dataGaName":331,"dataGaLocation":44,"id":332,"isOneTrustButton":333},"content:shared:fr-fr:main-footer.yml","Main Footer","shared/fr-fr/main-footer.yml","shared/fr-fr/main-footer",{"_path":348,"_dir":349,"_draft":6,"_partial":6,"_locale":7,"id":350,"visibility":333,"title":351,"button":352,"_id":356,"_type":29,"_source":30,"_file":357,"_stem":358,"_extension":33},"/shared/fr-fr/the-source/banner/the-economics-of-software-innovation-2025-08-18","banner","The Economics of Software Innovation","The Economics of Software Innovation—AI’s $750 Billion Opportunity",{"config":353,"text":355},{"href":354},"https://about.gitlab.com/software-innovation-report/","Get the research report","content:shared:fr-fr:the-source:banner:the-economics-of-software-innovation-2025-08-18.yml","shared/fr-fr/the-source/banner/the-economics-of-software-innovation-2025-08-18.yml","shared/fr-fr/the-source/banner/the-economics-of-software-innovation-2025-08-18",{"_path":360,"_dir":9,"_draft":6,"_partial":6,"_locale":7,"logo":361,"subscribeLink":366,"navItems":370,"_id":382,"_type":29,"title":383,"_source":30,"_file":384,"_stem":385,"_extension":33},"/shared/fr-fr/the-source/navigation",{"altText":362,"config":363},"the source logo",{"src":364,"href":365},"https://res.cloudinary.com/about-gitlab-com/image/upload/v1750191004/t7wz1klfb2kxkezksv9t.svg","/fr-fr/the-source/",{"text":367,"config":368},"S'abonner",{"href":369},"#subscribe",[371,375,378],{"text":372,"config":373},"Intelligence artificielle",{"href":374},"/fr-fr/the-source/ai/",{"text":97,"config":376},{"href":377},"/fr-fr/the-source/security/",{"text":379,"config":380},"Plateforme et infrastructure",{"href":381},"/fr-fr/the-source/platform/","content:shared:fr-fr:the-source:navigation.yml","Navigation","shared/fr-fr/the-source/navigation.yml","shared/fr-fr/the-source/navigation",{"_path":387,"_dir":9,"_draft":6,"_partial":6,"_locale":7,"title":388,"description":389,"submitMessage":390,"formData":391,"_id":394,"_type":29,"_source":30,"_file":395,"_stem":396,"_extension":33},"/shared/fr-fr/the-source/newsletter","La newsletter The Source","Recevez une mine d'informations sur l'avenir du développement logiciel.","Vous êtes désormais inscrit à la newsletter The Source.",{"config":392},{"formId":393,"formName":284,"hideRequiredLabel":333},28453,"content:shared:fr-fr:the-source:newsletter.yml","shared/fr-fr/the-source/newsletter.yml","shared/fr-fr/the-source/newsletter",{"amanda-rueda":398,"andre-michael-braun":399,"andrew-haschka":400,"ayoub-fandi":401,"brian-wald":402,"bryan-ross":403,"chandler-gibbons":404,"dave-steer":405,"ddesanto":406,"derek-debellis":407,"emilio-salvador":11,"erika-feldman":408,"george-kichukov":409,"gitlab":410,"grant-hickman":411,"haim-snir":412,"iganbaruch":413,"jlongo":414,"joel-krooswyk":415,"josh-lemos":416,"julie-griffin":417,"kristina-weis":418,"lee-faus":419,"ncregan":420,"rschulman":421,"sabrina-farmer":422,"sandra-gittlen":423,"sharon-gaudin":424,"stephen-walters":425,"taylor-mccaslin":426},"Amanda Rueda","Andre Michael Braun","Andrew Haschka","Ayoub Fandi","Brian Wald","Bryan Ross","Chandler Gibbons","Dave Steer","David DeSanto","Derek DeBellis","Erika Feldman","George Kichukov","GitLab","Grant Hickman","Haim Snir","Itzik Gan Baruch","Joseph Longo","Joel Krooswyk","Josh Lemos","Julie Griffin","Kristina Weis","Lee Faus","Niall Cregan","Robin Schulman","Sabrina Farmer","Sandra Gittlen","Sharon Gaudin","Stephen Walters","Taylor McCaslin",{"allArticles":428,"visibleArticles":521,"showAllBtn":333},[429,477,499],{"_path":430,"_dir":431,"_draft":6,"_partial":6,"_locale":7,"config":432,"seo":436,"content":441,"type":472,"category":431,"slug":473,"_id":474,"_type":29,"title":437,"_source":30,"_file":475,"_stem":476,"_extension":33,"date":442,"description":443,"timeToRead":444,"heroImage":439,"keyTakeaways":445,"articleBody":449,"faq":450},"/fr-fr/the-source/ai/agentic-ai-unlocking-developer-potential-at-scale","ai",{"layout":9,"template":433,"articleType":434,"author":27,"featured":333,"gatedAsset":435,"isHighlighted":6,"authorName":11},"TheSourceArticle","Regular","source-lp-ai-guide-for-enterprise-leaders-building-the-right-approach",{"title":437,"description":438,"ogImage":439,"config":440},"L'IA agentique : libérez le plein potentiel des développeurs à grande échelle","Découvrez comment l'IA agentique révolutionne de manière proactive le développement logiciel, de la complétion de code à la gestion des tâches complexes.","https://res.cloudinary.com/about-gitlab-com/image/upload/v1751463876/kiw4eb54r8xtzztvbozf.jpg",{"ignoreTitleCharLimit":333},{"title":437,"date":442,"description":443,"timeToRead":444,"heroImage":439,"keyTakeaways":445,"articleBody":449,"faq":450},"2025-04-08","Découvrez comment l'IA agentique révolutionne le développement logiciel, en allant au-delà de la simple complétion de code pour donner naissance à des partenaires IA capables de gérer des tâches complexes de manière proactive.","Lecture : 6 min",[446,447,448],"Les agents d'IA réduisent le cycle de développement de plusieurs semaines à quelques heures en automatisant des tâches complexes, telles que la modernisation du code base, le tout avec une surveillance humaine adaptable pour les systèmes critiques.","Contrairement aux assistants IA pour le code, les agents d'IA collaborent entre eux pour accomplir des tâches variées, libérant ainsi les développeurs afin qu'ils se concentrent sur l'innovation et la résolution de problèmes à forte valeur ajoutée.","Les agents d'IA spécialisés, optimisés par des modèles distincts, excellent dans des domaines spécifiques telles que la sécurité et les tests, offrant ainsi de meilleurs résultats que les solutions plus génériques.","L'IA a déjà transformé la méthode de travail des développeurs. [L'enquête de GitLab](https://about.gitlab.com/developer-survey/2024/ai/) révèle en effet que 39 % des professionnels DevSecOps utilisaient déjà l'IA pour le développement logiciel en 2024, soit une hausse de 16 % par rapport à l'année précédente. Les assistants IA pour le code sont désormais des outils courants, utilisés pour accélérer l’écriture de code, mieux comprendre le code base et générer de la documentation. Nous assistons toutefois aujourd'hui à un changement majeur : l'émergence d'agents d'IA qui ne sont plus de simples assistants passifs, mais qui offrent désormais une collaboration active.\n\nCette transition d'un assistant réactif à un agent proactif révolutionne la façon dont les développeurs créent des logiciels. L'IA agentique rend la création de logiciels plus accessible, favorisant l'innovation en permettant à un plus grand nombre de personnes de concevoir des logiciels destinés à des milliards d'utilisateurs. Pour tirer pleinement parti de cette nouvelle vague, les dirigeants d'entreprise doivent toutefois privilégier des solutions d'IA agentique dotées de garde-fous robustes en matière de sécurité et de conformité, afin de limiter les risques inutiles.\n\n## Agent d'IA et assistant d'IA : quelle différence ?\nLa distinction principale entre les assistants d'IA et les agents d'IA réside dans leur comportement. Les assistants IA pour le code sont réactifs : ils attendent qu'un développeur leur pose une question ou leur demande d'exécuter une tâche. Ils sont utiles pour accélérer l'écriture du code et faciliter la compréhension du code base existant, mais leur rôle reste passif dans le processus de développement.\n\nLes agents d'IA, en revanche, agissent comme de véritables membres de l'équipe. Ils font preuve de raisonnement, savent planifier et maintenir le contexte entre différentes tâches, tout en bénéficiant d'un certain degré d'autonomie pour prendre des décisions, interagir avec d'autres agents et s'adapter aux changements. Avec cette transition vers des agents, l'IA devient un véritable partenaire dans la création de logiciels.\n\nContrairement aux assistants qui se contentent d'aider à la création de code pendant que les équipes gèrent tout le reste, les agents d'IA peuvent orchestrer de manière active des processus complexes, des contrôles de sécurité aux revues de conformité. Par exemple, un agent de revue de code peut automatiquement analyser le code, identifier des bogues et proposer des corrections. Alors qu'un assistant nécessite une intervention humaine à chaque étape, un agent peut passer d'une tâche à l'autre en fonction des objectifs du projet. De plus, contrairement aux assistants basiques, qui ne peuvent pas mémoriser leurs interactions antérieures ou tirer des leçons de leurs erreurs, les agents peuvent apprendre et évoluer au fil du temps.\n\n## Une marge d'autonomie flexible\nL'un des aspects les plus intéressants à propos des agents d'IA est leur niveau d'interaction et leur flexibilité en termes de configuration. Certains agents peuvent être hyper-interactifs, tandis que d'autres peuvent exécuter des tâches complexes en arrière-plan avec peu ou pas d'interaction humaine. Les équipes sont ainsi en mesure de définir différents niveaux de supervision humaine en fonction de la nature des tâches confiées à l'agent et de leur importance.\n\nPour des tâches simples, comme les résumés de code ou la rédaction de la documentation, les équipes peuvent décider de laisser l'agent d'IA travailler de façon autonome, et ne notifier un membre de l'équipe qu'une fois la tâche terminée. Pour des missions plus critiques impliquant des logiques métier ou des données sensibles, les équipes peuvent choisir de mettre en place des étapes d'approbation ou une surveillance du travail effectué par l'agent d'IA.\n\nCette flexibilité permet un bon équilibre entre la rapidité (issue de l'automatisation) et le contrôle (résultant de la supervision humaine). Il ne s'agit pas d'un choix binaire entre tout ou rien : les équipes peuvent ajuster le niveau d'autonomie en fonction du type de tâche et des étapes du cycle de développement.\n\n## Le pouvoir de la spécialisation\nLes assistants IA pour le code modernes sont généralement basés sur un seul grand modèle de langage, mais de nombreux agents spécialisés seront bientôt disponibles, chacun optimisé par des modèles conçus pour des tâches spécifiques.\n\nNous commençons déjà à voir l'émergence d'agents spécialisés pour des tâches telles que :\n- La modernisation du code (conversion du code base vers des versions de langage plus récentes)\n- La détection et la correction des failles de sécurité\n- La génération et l'exécution de tests\n- L'optimisation des performances\n- La génération de documentation\n- L'analyse des causes profondes des échecs de pipeline\n\nLes résultats sont bien meilleurs lorsqu'un modèle est conçu spécifiquement pour une tâche donnée. Cette spécialisation permet à chaque agent d'exceller dans un domaine spécifique, plutôt que de tenter d'être polyvalent.\n\nRésultat : un écosystème d'agents spécialisés, capables de collaborer, chacun optimisé par des modèles de langage différents, conçu pour des tâches spécifiques. Cette approche multi-modèles présage de meilleurs résultats qu'un modèle unique englobant tous les aspects du développement logiciel.\n\n## L'impact réel des agents d'IA\nCertaines tâches qui prenaient jadis des semaines peuvent désormais être accomplies en quelques heures grâce aux agents d'IA. Par exemple, la mise à jour d'un code base Java volumineux vers une version plus récente, une tâche qui pouvait occuper une équipe entière pendant plusieurs semaines, peut désormais être réalisée beaucoup plus rapidement par des agents.\n\nPlus important encore, les agents d'IA aident les développeurs à atteindre leur plein potentiel. En gérant les tâches routinières, ils permettent aux développeurs de se concentrer sur ce qu'ils font de mieux : résoudre des problèmes complexes et créer des solutions innovantes. Il ne s'agit pas de remplacer les développeurs par l'IA, mais de renforcer leurs capacités et de leur permettre de se consacrer à la réflexion, à l'innovation et à un travail créatif qui requièrent une perspective humaine.\n\nAvec les agents d'IA, les développeurs peuvent travailler à une échelle auparavant inconcevable, passant d'un ensemble de tâches réactives basées sur des prompts à des workflows proactifs qui couvrent toutes les étapes de la création de logiciels. Ils les assistant pour l'écriture du code, la planification, le design, les tests, le déploiement et la maintenance.\n\n## Éléments à prendre en compte lors de l'adoption des agents d'IA\nVous devez préparer cette transition afin de gérer l'évolution rapide du développement logiciel et du code. Avant d'intégrer des agents d'IA à votre processus, vous devez vous concentrer sur les points clés suivants :\n\n1. **Optimisez votre productivité réelle, sans vous contenter d'ajouter de nouveaux outils et processus que les équipes devront apprendre à utiliser**. En intégrant des [workflows d'IA agentique à une plateforme DevSecOps](https://about.gitlab.com/blog/gitlab-duo-workflow-enterprise-visibility-and-control-for-agentic-ai/), les développeurs peuvent consacrer davantage de temps à la création de valeur ajoutée pour vos clients, sans contribuer à [une adoption incontrôlée de l'IA](https://about.gitlab.com/the-source/ai/overcome-ai-sprawl-with-a-value-stream-management-approach/). Les rapports et tableaux de bord intégrés à la plateforme vous aideront également à [mesurer vos progrès]( https://about.gitlab.com/the-source/ai/4-steps-for-measuring-the-impact-of-ai/ ) et à vérifier si votre équipe est sur la bonne voie.\n2. **Choisissez des solutions adaptées à l'ensemble de l'équipe**. Les meilleurs agents d'IA sont ceux qui améliorent l'efficacité de toute l'équipe, et pas seulement d'un petit nombre de développeurs.\n3. **Donnez la priorité à la sécurité et à la conformité**. Alors que l'IA génère de plus en plus de code prêt à être déployé en production, une plateforme DevSecOps complète est essentielle pour garantir la sécurité du développement logiciel à grande échelle. Si votre entreprise évolue dans un secteur réglementé, vous devez vous assurer que la solution d'agents d'IA respecte des règles strictes en matière de sécurité et de confidentialité des données et vérifier qu'elle peut fonctionner hors ligne ou dans des [systèmes air-gapped]( https://about.gitlab.com/the-source/ai/transforming-government-it-ai-for-air-gapped-environments/ ) si nécessaire.\n4. **Optez pour des outils d'IA avec une option de surveillance humaine**. Les agents d'IA doivent offrir des workflows d'approbation clairs, ainsi que des garde-fous configurables, qui permettent à votre équipe de garder la main sur le processus. Cet équilibre entre rapidité (grâce à l'automatisation) et gouvernance adéquate est essentiel pour les systèmes critiques et les décisions stratégiques.\n\nLes entreprises qui utilisent une plateforme DevSecOps tout au long du cycle de développement logiciel avec un scanning de sécurité automatisé, des garde-fous de conformité et des workflows standard pourront tirer parti des avantages des agents d'IA sans prendre de risques inutiles. Celles qui ne disposent pas d'une telle plateforme auront des difficultés à gérer la complexité et les risques associés à l'IA agentique, tout en offrant une expérience client sécurisée et fiable.\n\n## Perspectives d'avenir\nLa révolution des agents d'IA dans le domaine du développement logiciel ne fait que commencer. Au fil de l'évolution de ces outils, la collaboration entre développeurs et agents d'IA deviendra encore plus efficace, et ces derniers deviendront des partenaires à part entière dans la création de logiciels.\n\nUne convergence importante se profile entre les assistants IA pour le code et les agents d'IA. Les assistants IA pour le code intégreront probablement des capacités d'agents d'IA plus avancées, telles qu'une autonomie accrue dans la gestion des tâches de codage, une résolution proactive des problèmes au niveau du workflow de développement ainsi qu'une intégration plus complète avec d'autres outils et processus de développement. Les assistants IA pour le code du futur pourraient notamment gérer de façon autonome des tâches plus complexes qui dépassent la simple génération de code, comme le débogage, les tests et même le déploiement de code en fonction d'exigences de haut niveau, devenant ainsi de véritables « agents pour le code » plus intelligents et plus proactifs.\n\nLes logiciels ont changé le monde depuis plus de cinquante ans, mais seule une petite fraction de la population possède les compétences nécessaires pour les développer. Pourtant, ce nombre limité de développeurs améliore le quotidien de milliards d'utilisateurs qui bénéficient des avancées technologiques grâce à leurs smartphones et à Internet. Imaginez un monde où un plus grand nombre de personnes peuvent développer, sécuriser et livrer des logiciels prêts à l'emploi. Ce monde est aujourd'hui à portée de main grâce à l'IA agentique.\n\nLe passage d'un assistant passif à un partenaire actif est un grand pas en avant pour le développement logiciel. Au fil du temps, ces agents spécialisés pourront accélérer le développement logiciel, renforcer la fiabilité du code et améliorer l'expérience des développeurs qui travailleront main dans la main avec ces nouveaux partenaires IA.",[451,454,457,460,463,466,469],{"header":452,"content":453},"Qu'est-ce que l'IA agentique dans le domaine du développement logiciel ?","L'IA agentique désigne des agents d'IA autonomes capables de suivre un raisonnement, de planifier des tâches et de prendre des initiatives, contrairement aux assistants IA pour le code qui se contentent de réagir aux prompts que les contributeurs au projet leur soumettent. Ces agents se comportent davantage comme des membres de l'équipe : ils effectuent des tâches complexes avec un minimum de supervision et gèrent des workflows de manière proactive tout au long du cycle de développement logiciel.",{"header":455,"content":456},"En quoi les agents d'IA diffèrent-ils des assistants pour le code traditionnels ?","Les assistants pour le code répondent aux prompts des développeurs, tandis que les agents d'IA peuvent effectuer de façon autonome des tâches comportant plusieurs étapes, se coordonner avec d'autres agents et s'adapter aux objectifs du projet. Ils sont capables de gérer diverses fonctions (scanning de sécurité, génération de tests, revues de code, entre autres) sans nécessiter une intervention manuelle à chaque étape.",{"header":458,"content":459},"Quels sont les avantages des agents d'IA pour les développeurs ?","Les agents d'IA réduisent la charge de travail manuelle en automatisant les tâches chronophages telles que la mise à jour du code base, les contrôles de conformité et la génération de la documentation. Les développeurs peuvent ainsi se concentrer sur des tâches à plus forte valeur ajoutée, telles que l'innovation, la résolution de problèmes et le développement stratégique, ce qui permet d'accélérer la livraison de logiciels sans compromettre la qualité.",{"header":461,"content":462},"Est-il possible de paramétrer le niveau de supervision des agents d'IA ?","Tout à fait ! Les équipes peuvent configurer le degré d'autonomie des agents en fonction de l'importance des tâches. Les agents peuvent ainsi effectuer des tâches routinières de manière indépendante, tandis que des étapes d'approbation peuvent être intégrées pour assurer la gouvernance et la conformité d'opérations à haut risque ou critiques pour l'entreprise.",{"header":464,"content":465},"Les agents d'IA spécialisés sont-ils plus efficaces que des modèles génériques ?","Les agents d'IA spécialisés sont formés pour un objectif spécifique, telle que la sécurité, les tests ou l'analyse des causes profondes. Ils offrent donc généralement de meilleurs résultats que les modèles génériques pour la tâche visée. Cette approche modulaire et multi-agents améliore la précision et la productivité en s'appuyant sur des modèles optimisés pour un domaine spécifique.",{"header":467,"content":468},"Quels éléments les entreprises doivent-elles prendre en compte lors de l'adoption de l'IA agentique ?","Les entreprises doivent s'assurer que les agents d'IA respectent leurs exigences en matière de sécurité, de conformité et de gouvernance. Ils doivent être intégrés à une plateforme DevSecOps tout au long du cycle de développement logiciel pour éviter une adoption incontrôlée de l'IA, maintenir une surveillance humaine et accompagner leur adoption à l'échelle de l'entreprise avec des workflows cohérents.",{"header":470,"content":471},"Comment l'IA agentique façonnera-t-elle l'avenir du développement logiciel ?","L'IA agentique va démocratiser la création de logiciels en permettant à davantage de personnes de créer et de gérer des logiciels de qualité. À mesure que les agents deviendront plus autonomes et intégrés, ils accéléreront les cycles d'innovation, amélioreront la qualité du code et rendront le développement plus accessible, évolutif et sécurisé.","article","agentic-ai-unlocking-developer-potential-at-scale","content:fr-fr:the-source:ai:agentic-ai-unlocking-developer-potential-at-scale:index.yml","fr-fr/the-source/ai/agentic-ai-unlocking-developer-potential-at-scale/index.yml","fr-fr/the-source/ai/agentic-ai-unlocking-developer-potential-at-scale/index",{"_path":478,"_dir":431,"_draft":6,"_partial":6,"_locale":7,"config":479,"seo":481,"content":486,"type":472,"category":431,"slug":495,"_id":496,"_type":29,"title":482,"_source":30,"_file":497,"_stem":498,"_extension":33,"date":487,"description":488,"timeToRead":489,"heroImage":484,"keyTakeaways":490,"articleBody":494},"/fr-fr/the-source/ai/ai-trends-for-2025-agentic-ai-self-hosted-models-and-more",{"layout":9,"template":433,"articleType":434,"author":27,"featured":6,"gatedAsset":480,"isHighlighted":6,"authorName":11},"source-lp-getting-started-with-ai-in-software-development-a-guide-for-leaders",{"title":482,"description":483,"ogImage":484,"config":485},"Tendances de l'IA en 2025 : IA agentique, modèles auto-hébergés et bien plus encore","Découvrez les tendances clés du développement logiciel alimenté par l'IA, des déploiements de modèles sur site aux agents d'IA intelligents et adaptatifs.","https://res.cloudinary.com/about-gitlab-com/image/upload/v1751464096/twyszwpyraghcxz1bruy.png",{"ignoreTitleCharLimit":333},{"title":482,"date":487,"description":488,"timeToRead":489,"heroImage":484,"keyTakeaways":490,"articleBody":494},"2024-12-18","Découvrez les principales tendances du développement logiciel alimenté par l'IA, des déploiements de modèles sur site aux agents d'IA intelligents et adaptatifs.","Lecture : 3 min",[491,492,493],"L'intelligence artificielle a déjà un impact majeur sur le développement logiciel. En effet, elle améliore la qualité et la productivité des développeurs en supprimant un large éventail de tâches.","À l'avenir, les équipes de développement utiliseront des agents d'IA pour résoudre les problèmes en temps réel, optimiser les performances du code et améliorer la qualité des logiciels afin de pouvoir se concentrer sur la prise de décisions stratégiques.","L'essor des déploiements de l'IA sur site, notamment dans les entreprises du secteurs réglementés, renforcera le contrôle sur la confidentialité et la sécurité des données et leur permettra de personnaliser leurs logiciels en fonction de leurs besoins.","Selon [l'enquête 2024 de GitLab](https://about.gitlab.com/developer-survey/), 78 % des entreprises prévoient d'intégrer l'intelligence artificielle (IA) dans leurs processus de développement logiciel au cours des deux prochaines années. Ce changement radical transforme déjà la façon dont les équipes créent et livrent des logiciels. Cette enquête révèle également que le nombre d'entreprises utilisant activement l'IA a bondi de 23 % à 39 % en seulement un an.\n\nAlors que les équipes de développement logiciel s'empressent d'intégrer l'IA dans leurs workflows, des changements majeurs qui modifieront fondamentalement la façon dont nous créons des logiciels émergent. Des agents d'IA adaptatifs capables de prendre des décisions en temps réel à l'essor des modèles sur site (auto-hébergés) et personnalisés, voici trois tendances clés en matière d'IA qui vont considérablement façonner le développement logiciel.\n\n## Les agents d'IA intelligents et adaptatifs transforment l'avenir des applications\nJusqu’à présent, l’IA appliquée au développement logiciel s’est concentrée sur des assistants de code réactifs, spécialisés dans la génération et la complétion de code. Mais l'avenir appartient à l'IA agentique, qui, avec ses [agents d'IA intelligents et adaptables](https://about.gitlab.com/blog/meet-gitlab-duo-workflow-the-future-of-ai-driven-development/) surpasse les limites des logiciels traditionnels. Plutôt que d'interagir avec des interfaces fixes et des workflows prédéfinis, les utilisateurs échangeront avec des agents d'IA capables d'adapter leurs réponses de manière intuitive et d'apprendre de leurs interactions.\n\nCes agents alimentés par l'IA feront office d'application et offriront une expérience plus interactive et conversationnelle. En pouvant effectuer des tâches complexes, prodiguer des conseils et apprendre en temps réel de ses interactions, l'IA agentique va ouvrir la voie au développement d'applications nettement plus personnalisées et réactives, transformant fondamentalement notre utilisation des logiciels.\n\n## Des assistants IA qui deviennent des collaborateurs proactifs\n[Les assistants IA étant de plus en plus intelligents](https://about.gitlab.com/gartner-mq-ai-code-assistants/), ils ne se contentent plus de réagir en réponse à des prompts, mais proposent désormais des solutions de façon proactive. À mesure qu'ils évolueront, ces outils alimentés par l'IA deviendront des composants centraux des workflows de développement logiciel, car ils pourront anticiper les besoins des développeurs et proposer des suggestions en temps réel pour optimiser les performances, la sécurité et la maintenance des applications. Cette nouvelle génération d'assistants IA pourra gérer des projets et des tâches complexes avec peu d'interaction humaine, accélérant ainsi le processus de développement logiciel, optimisant l'ensemble du cycle du développement logiciel grâce à des interfaces utilisateurs plus intuitives.\n\nLe rôle des développeurs de logiciels évoluera en parallèle. Loin de remplacer les développeurs, l'IA augmentera leurs capacités, en leur permettant de se concentrer sur ce qu'ils aiment le plus : résoudre des problèmes techniques complexes. En automatisant les tâches routinières et en fournissant des conseils d'experts, les assistants IA permettront aux développeurs de se concentrer sur la résolution de problèmes métier, d'améliorer continuellement la qualité du code, de se former sur de nouvelles technologies et de monter en compétences.\n\n## Un plus grand nombre d'entreprises exécuteront des modèles personnalisés sur leur propre infrastructure\nEn 2025, les entreprises se tourneront vers des déploiements d'IA à plus petite échelle et surtout, plus spécialisés. Avec la montée en puissance des modèles open source, il devient plus simple pour les équipes d'exécuter des versions personnalisées au sein de leurs propres centres de données. Par conséquent, les entreprises pourront [héberger leurs propres grands modèles de langage et les adapter à leurs besoins](https://about.gitlab.com/releases/2024/10/17/gitlab-17-5-released/#use-self-hosted-model-for-gitlab-duo-code-suggestions) à moindre coût, plus rapidement et facilement. Elles découvriront qu'elles peuvent combiner leurs données avec les modèles existants et personnaliser l'expérience client à une fraction des coûts actuels.\n\nParallèlement, l'augmentation des risques de conformité associés à l'IA incitera les organismes réglementés, comme les institutions financières et les agences gouvernementales, à déployer des modèles dans des environnements air-gapped afin de réduire la latence, et de mieux contrôler la confidentialité et la sécurité des données.\n\n## Conclusion\nL'avenir du développement logiciel est inextricablement lié à l'IA. Les technologies alimentées par l'IA transforment la façon dont les entreprises créent, livrent et maintiennent à jour les logiciels. En adoptant l'IA sous toutes ses formes, de l'IA générative aux assistants IA proactifs en passant par les agents d'IA entièrement autonomes, les entreprises peuvent acquérir un avantage concurrentiel, accroître leur productivité et fournir des solutions innovantes qui répondent aux besoins en constante évolution des clients.\n\nCette transformation nécessite une préparation réfléchie : une planification stratégique, l'embauche d'experts, des investissements dans les infrastructures, ainsi qu'un engagement en faveur d'un apprentissage et d'une adaptation en continu. Les entreprises qui maîtriseront les enjeux de cet écosystème en constante évolution seront bien placées pour prospérer à l'ère numérique.\n\n> ## Foire aux questions\n> ### Qu'est-ce que l'IA agentique et quel sera son impact sur le développement logiciel ?\n> L'IA agentique fait référence aux systèmes d'IA qui fonctionnent de manière autonome, apprennent de leurs interactions et s'adaptent en temps réel. Contrairement aux assistants IA pour le code traditionnels qui se contentent de réagir aux prompts des utilisateurs, l'IA agentique agit de manière proactive. Elle rationalise le développement logiciel en automatisant les workflows, en améliorant la productivité et en personnalisant l'expérience utilisateur.\n>  \n> ### Pourquoi les entreprises s'orientent-elles vers des modèles d'IA auto-hébergés ?\n> Les entreprises adoptent des modèles d'IA auto-hébergés afin d'améliorer la confidentialité des données, de réduire les coûts et de personnaliser les solutions d'IA en fonction de leurs besoins. Grâce aux progrès de l'IA open source, les entreprises peuvent affiner les modèles dans des environnements sur site, garantissant ainsi la conformité aux réglementations et améliorant les performances tout en gardant le contrôle sur les données sensibles.\n>   \n> ### Comment évoluent les assistants IA pour le code ?\n> Les assistants IA pour le code sont en train de passer du statut d'outils réactifs à celui de collaborateurs proactifs. Les futurs assistants IA anticiperont les besoins des développeurs, fourniront des recommandations intelligentes, automatiseront les tâches complexes et amélioreront la sécurité des logiciels, rendant ainsi le développement logiciel plus efficace et plus accessible.\n>    \n> ### Quels sont les avantages de l'exécution de modèles d'IA dans des environnements sur site ?\n> Déployer des modèles d'IA sur site permet un meilleur contrôle de la sécurité des données, une meilleure conformité aux exigences réglementaires et une latence réduite. Cette approche est particulièrement utile pour les secteurs qui gèrent des données sensibles, telles que la finance, la santé et les agences gouvernementales.\n>    \n> ### Comment les entreprises peuvent-elles se préparer au développement logiciel piloté par l'IA en 2025 ?\n> Pour une adoption réussie de l'IA pour le développement logiciel, les entreprises doivent investir dans une infrastructure d'IA, former les développeurs aux outils d'IA, mettre en œuvre des règles de gouvernance responsable de l'IA et explorer des solutions d'IA hybrides combinant des déploiements dans le cloud et sur site. En se tenant informées des tendances, les équipes pourront tirer parti de l'IA pour innover et gagner en efficacité.\n","ai-trends-for-2025-agentic-ai-self-hosted-models-and-more","content:fr-fr:the-source:ai:ai-trends-for-2025-agentic-ai-self-hosted-models-and-more:index.yml","fr-fr/the-source/ai/ai-trends-for-2025-agentic-ai-self-hosted-models-and-more/index.yml","fr-fr/the-source/ai/ai-trends-for-2025-agentic-ai-self-hosted-models-and-more/index",{"_path":500,"_dir":431,"_draft":6,"_partial":6,"_locale":7,"config":501,"seo":503,"content":507,"type":472,"category":431,"slug":517,"_id":518,"_type":29,"title":508,"_source":30,"_file":519,"_stem":520,"_extension":33,"date":509,"description":510,"timeToRead":511,"heroImage":506,"keyTakeaways":512,"articleBody":516},"/fr-fr/the-source/ai/6-strategies-to-help-developers-accelerate-ai-adoption",{"layout":9,"template":433,"articleType":434,"author":27,"featured":6,"gatedAsset":502,"isHighlighted":6,"authorName":11},"source-lp-how-to-think-about-developer-productivity-in-the-age-of-ai",{"title":504,"description":505,"ogImage":506},"6 stratégies pour accélérer l'adoption de l'IA","L'IA est l'avenir du développement logiciel : découvrez comment créer un environnement propice à l'innovation tout en considérant les inquiétudes potentielles.","https://res.cloudinary.com/about-gitlab-com/image/upload/v1751464541/da4tvbmwsisqabz8i0mc.png",{"title":508,"date":509,"description":510,"timeToRead":511,"heroImage":506,"keyTakeaways":512,"articleBody":516},"6 stratégies pour aider les développeurs à accélérer l'adoption de l'IA","2024-10-29","L'IA dans le développement logiciel a vocation à perdurer. Découvrez comment les leaders peuvent créer un environnement propice à l'innovation tout en prenant en considération les craintes potentielles.","7 minutes de lecture",[513,514,515],"L'intégration de l'IA dans les processus de développement logiciel peut améliorer la productivité des développeurs en rationalisant les workflows, et permettre ainsi aux équipes de se concentrer sur l'innovation plutôt que sur les tâches fastidieuses.","Malgré ses avantages, l'intégration réussie des outils d'IA dans les workflows peut s'avérer difficile en raison d'un manque de connaissances ou de ressources, de difficultés d'adaptation des workflows et de la crainte de perdre des emplois.","Les stratégies pour une adoption réussie de l'IA doivent s'axer autour de la clarification des buts et des objectifs de l'IA et de l'établissement de garde-fous et de workflows, tout en donnant la priorité à l'évolution des talents et de la culture.","En intégrant l'IA dans le processus de codage, les équipes de développement logiciel peuvent consacrer plus de temps aux tâches stratégiques, réduire la charge cognitive et apporter une plus grande valeur ajoutée.\n\nLes entreprises investissent déjà massivement dans l'IA. Selon le [Rapport Global DevSecOps 2024 de GitLab](https://about.gitlab.com/fr-fr/developer-survey/), 78 % des personnes interrogées ont déclaré qu'elles utilisaient actuellement l'IA dans le développement logiciel ou qu'elles prévoyaient de le faire au cours des deux prochaines années, contre 64 % en 2023. Les entreprises qui adoptent l'IA en tirent déjà des avantages, tels que l'amélioration de la productivité des développeurs, de la qualité et de la sécurité du code. [L'adoption de l'IA](https://about.gitlab.com/the-source/ai/how-ai-helps-devsecops-teams-improve-productivity/) permet aux équipes de développement de consacrer plus de temps à la résolution créative de problèmes et à l'innovation plutôt qu'à des tâches chronophages et répétitives telles que l'écriture manuelle de codes standard.\n\nMalgré les avantages évidents de l'intelligence artificielle, les équipes peuvent éprouver des difficultés à intégrer efficacement les outils d'IA dans leurs processus quotidiens. Ce défi peut être attribué à différents facteurs, tels que le manque de connaissances ou de ressources, la difficulté d'adapter les workflows et les outils existants, et la crainte de perdre des emplois au profit de l'automatisation. Près de la moitié (49 %) des répondants à notre enquête ont affirmé craindre que l'IA les remplace au cours des cinq prochaines années.\n\nComprendre où en est votre équipe aujourd'hui est indispensable pour assurer une intégration réussie de l'IA. [Notre étude](https://about.gitlab.com/fr-fr/developer-survey/2024/ai/) montre que la majorité (56 %) des entreprises en sont au stade de l'évaluation et de l'exploration, ce qui signifie que la plupart des équipes ont commencé à fixer des objectifs réalisables pour l'adoption de l'IA, mais n'ont pas encore commencé à l'utiliser dans leur cycle de développement logiciel.\n\nQue vous soyez un utilisateur précoce ou que vous exploriez encore l'idée de l'IA, voici six stratégies que vous pouvez utiliser pour préparer votre équipe à relever le défi :\n\n## 1. Clarifier les objectifs de l'adoption de l'IA\nLa première étape consiste à créer un modèle de gouvernance de l'IA pour votre entreprise. Quels objectifs souhaitez-vous atteindre en adoptant l'IA ? Comment s'intégrera-t-elle dans vos processus et workflows existants ?\n\nIl est essentiel de désigner un responsable chargé de superviser la stratégie et la mise en œuvre de l'IA. Si certaines entreprises commencent à embaucher des responsables dédiés à l'IA (Chief AI Officer, CAIO), un vice-président pourrait envisager d'assurer des fonctions similaires le temps de coordonner l'utilisation de l'IA au sein des équipes. \n\nL'objectif principal est d'identifier et de prioriser les cas d'utilisation de l'IA à fort impact qui soutiennent directement les résultats de l'entreprise, en se concentrant sur les domaines où l'IA peut créer une valeur significative, tels que l'automatisation, la personnalisation ou la prise de décision fondée sur les données. Il est important de garder à l'esprit qu'une adoption réussie de l'IA n'est pas possible sans avoir évalué au préalable les exigences en matière de confidentialité, de sécurité et de législation auxquelles votre entreprise peut être confrontée, ainsi que la place de l'IA dans le maintien d'une conformité continue.\n\n## 2. Établir des garde-fous et des workflows dédiés à l'IA\nAvant d'intégrer l'IA dans votre environnement de développement, vous devrez établir des directives pour vous assurer qu'elle est utilisée de manière responsable et efficace. Mettez en place des tests automatisés, notamment à l'aide d'un outil d'analyse de sécurité, afin de créer un mécanisme de contrôle garantissant que tout le code généré par l'IA est examiné avant d'être mis en production. D'autre part, restez vigilants face à l'utilisation « clandestine » des solutions d'IA par les employés qui travaillent sur votre code base : connue sous le nom de Shadow AI, cette dernière variante de l'informatique parallèle peut en effet entraîner la fuite d'informations contenant des données sensibles et le vol de propriété intellectuelle.\n\nIl convient également de réfléchir dès maintenant à la manière dont vos équipes utiliseront différents modèles de machine learning (ML) pour différents types de tâches. Une solution unique ne suffira pas ! Les grands modèles de langage (LLM) sont souvent adaptés à des tâches spécifiques, ce qui signifie que les équipes qui utilisent les mêmes modèles d'IA pour plusieurs cas d'utilisation peuvent ne pas obtenir de bons résultats. Lorsque vous comparez les différentes solutions d'IA, recherchez des fournisseurs qui vous permettent d'utiliser une variété de modèles adaptés à des cas d'utilisation spécifiques pour éviter toute déconvenue à l'avenir.\n\n## 3. Construire une structure d'IA fondée sur les données\nLa pertinence des résultats produits par l'IA dépend de la qualité des données auxquelles les systèmes d'IA ont accès. L'alimentation en données de vos systèmes d'IA vous permettra d'adapter les résultats aux besoins de votre entreprise et de gagner en efficacité et en productivité tout au long du cycle de développement logiciel. Cependant, le succès à long terme nécessite une structure d'IA fondée sur les données qui permet d'utiliser les données dans l'ensemble de l'entreprise afin d'informer les prompts et d'améliorer les résultats de l'IA générative.\n\nÀ cette fin, les entreprises doivent\n\n- Garantir des mécanismes robustes de collecte, de stockage, de nettoyage et de traitement des données.\n- Établir une gouvernance claire en matière d'accès aux données, d'utilisation, de sécurité et de confidentialité, en particulier pour garantir la conformité avec des réglementations telles que le RGPD ou le CCPA.\n- Décloisonner les données pour faciliter la collaboration entre les services et exploiter les données dans les différentes parties de l'entreprise. Le moment est venu pour les développeurs et les data scientists de collaborer à l'utilisation des entrepôts et des lacs de données pour faciliter l'accès aux modèles d'apprentissage et l'utilisation des applications.\n\n## 4. Miser sur l'évolution des talents et de la culture\nLa formation continue est essentielle pour exploiter le potentiel de l'IA en toute sécurité et de manière responsable. Constituez une équipe de data scientists, d'ingénieurs en IA et d'autres experts pour concevoir, développer et mettre en œuvre des solutions d'IA. Il est essentiel de renforcer les compétences des employés pour qu'ils puissent utiliser et entretenir efficacement les systèmes d'IA. Enfin, l'adoption de l'IA est une aventure qui nécessitera quelques [changements culturels](https://about.gitlab.com/the-source/ai/5-ways-execs-can-support-their-devops-teams-with-ai/). Pour que la réussite soit au rendez-vous, il est essentiel de favoriser une culture qui adhère à l'IA et à la prise de décision fondée sur les données. Encouragez l'expérimentation et l'innovation tout en répondant aux craintes liées à l'automatisation et aux changements liés aux emplois.\n\n## 5. Adopter l'itération\nLa mise en œuvre de l'IA est un processus continu. Adoptez une approche d'apprentissage continu, où les solutions d'IA sont constamment affinées et améliorées en fonction des commentaires, des nouvelles données et des avancées technologiques. Les développeurs doivent bénéficier d'une période d'expérimentation pour évaluer la manière dont l'IA s'intègre dans leurs workflows individuels. Il est également important de noter que la productivité peut baisser à court terme avant que l'entreprise ne bénéficie de gains à long terme. Les responsables doivent anticiper cette situation en mettant l'accent sur la transparence et la responsabilisation tout au long des cycles de mise en œuvre et d'itération.\n\n## 6. Évaluer les résultats au-delà des lignes de code\nLes indicateurs tels que le nombre de tâches accomplies ou de lignes de code écrites constituent généralement de bonnes approximations pour vous aider à identifier les domaines dans lesquels l'IA a le plus d'impact sur votre équipe. Cependant, c'est plutôt la manière dont l'IA permet d'obtenir des indicateurs importants pour l'entreprise, tels que la rapidité avec laquelle les équipes sont en mesure de fournir de la valeur aux clients, ou la qualité du code du produit final, qui compte vraiment.\n\nLe nombre de lignes de code produites par une équipe n'est pas révélateur de la situation dans son ensemble. Pour évaluer le succès de l'adoption de l'IA, il faut aller [au-delà des indicateurs traditionnels de productivité](https://about.gitlab.com/the-source/ai/4-steps-for-measuring-the-impact-of-ai/) et se concentrer sur les indicateurs clés de performance qui démontrent une valeur commerciale mesurable, comme une livraison plus rapide des logiciels, une meilleure satisfaction des développeurs et des scores plus élevés de satisfaction des clients.\n\n## Conclusion : renforcer l'autonomie des développeurs grâce à l'adoption de l'IA\nMême si votre entreprise n'a pas encore pleinement adopté l'IA, le moment est venu de vous lancer. Selon Gartner®, 75 % des équipes d'ingénierie logicielle en entreprise utiliseront des assistants IA pour le code d'ici 2028, contre moins de 10 % début 2023 [1].\n\nLa courbe d'adoption est rapide, mais il est encore relativement tôt dans le cycle d'engouement vis-à-vis de l'IA. Si votre équipe commence tout juste à envisager l'adoption d'un assistant IA pour le code, elle pourrait être en mesure d'éviter certaines des difficultés de croissance rencontrées par les premiers utilisateurs.\n\nOutre les stratégies mentionnées ci-dessus, l'adoption d'une [solution d'IA intégrée à une plateforme DevSecOps de bout en bout](/gitlab-duo/) peut également contribuer à la réussite de votre entreprise en soutenant les développeurs à chaque étape de leur workflow.\n\nAlors que l'IA transforme le monde du travail, il convient de se demander comment les entreprises peuvent exploiter la puissance de l'IA tout au long du cycle de développement logiciel afin d'accélérer l'innovation et de générer un impact commercial tangible pour les clients.\n\n[1] _Source : Gartner, 5 principales tendances technologiques stratégiques dans le domaine de l'ingénierie logicielle pour l’année 2024, Joachim Herschmann, Manjunath Bhat, Frank O'Connor, Arun Batchu, Bill Blosen, mai 2024. GARTNER est une marque déposée et une marque de service de Gartner, Inc. et/ou de ses sociétés affiliées aux États-Unis et à l'étranger. Elle est utilisée ici avec autorisation. Tous droits réservés._","6-strategies-to-help-developers-accelerate-ai-adoption","content:fr-fr:the-source:ai:6-strategies-to-help-developers-accelerate-ai-adoption:index.yml","fr-fr/the-source/ai/6-strategies-to-help-developers-accelerate-ai-adoption/index.yml","fr-fr/the-source/ai/6-strategies-to-help-developers-accelerate-ai-adoption/index",[429,477,499],{"ai":372,"platform":379,"security":97},1758326268504]