GitLab apprend à ses agents IA à travailler selon un calendrier : de toutes les 15 minutes à une fois par mois
Jusqu'ici, un agent GitLab ne démarrait que si un humain le lançait ou si un événement se produisait, comme un nouveau merge request. Dans la bêta de GitLab 19.6, ces scénarios agentiques (flows) peuvent être planifiés, de toutes les 15 minutes à une fois par mois. Par exemple, un agent peut examiner chaque heure les incidents CI et indiquer la cause probable. Chaque exécution part d'un compte de service distinct et apparaît dans le journal d'audit.
Traité par IA depuis GitLab Blog ; édité par Hamidun News
Dans toute équipe, certaines tâches reviennent chaque jour ou chaque semaine : trier les nouveaux tickets, comprendre pourquoi la CI a échoué, retrouver les tâches oubliées. Les agents IA de GitLab savaient déjà s'en charger, mais ils ne démarraient qu'après une action humaine ou sur un événement, par exemple la création d'un merge request (demande de fusion de code). Si la personne responsable est en congé, la routine s'arrête.
Sans événement, elle ne démarre tout simplement pas. La bêta de GitLab 19.6 change la donne : les scénarios d'agents (flows) de Duo Agent Platform peuvent désormais être lancés selon un calendrier, de toutes les 15 minutes à une fois par mois.
Concrètement, un agent peut par exemple vérifier toutes les heures les incidents CI ouverts et laisser dans le ticket la cause probable, avant même que quiconque l'ait ouvert. Selon une enquête de GitLab, 43 % des spécialistes DevSecOps qui utilisent l'IA voient dans l'automatisation des tâches répétitives la principale source de gain de temps.
Comment fonctionne la planification
Duo Agent Platform proposait déjà des automatisations déclenchées par des événements : un merge request, une mention dans un commentaire, par exemple. La nouvelle fonction, scheduled automations, lance le travail sur minuterie, sans aucun événement. L'utilisateur décrit la tâche en langage naturel, choisit une fois la périodicité, et l'automatisation tourne ensuite toute seule. Les rapports indiquent le nombre d'exécutions et le taux de réussite.
L'intervalle se règle de 15 minutes à un mois. Il est possible de fixer l'heure de la journée et le fuseau horaire, pour que l'exécution s'aligne sur le rythme de travail de l'équipe. Chaque automatisation fonctionne au niveau du projet, car son résultat concerne toute l'équipe du projet. Le plus simple est d'y voir un réveil pour l'agent : avant, il fallait le réveiller à la main ou attendre qu'un événement survienne ; désormais, il se lève seul à l'heure voulue.
Que confier à l'agent en priorité
GitLab propose cinq scénarios de départ :
- Analyse des incidents CI. Toutes les heures, l'agent vérifie les incidents ouverts et commente la cause probable, de sorte que l'enquête avance avant même que quelqu'un ouvre le ticket.
- Tri des tâches. Le matin, l'agent passe en revue les nouvelles issues, détermine s'il s'agit d'un bug ou d'une fonctionnalité, et applique un label.
- Rapport sur les tâches abandonnées. Une fois par semaine, l'agent crée une issue listant les tâches sans activité depuis 30 jours.
- Détection de doublons. Chaque jour, l'agent commente les nouvelles issues lorsqu'il trouve des demandes ouvertes similaires, afin que les doublons soient liés avant le traitement.
- Digest du vendredi. L'agent résume en langage simple ce qui a été fermé et fusionné dans la semaine, puis le publie dans une issue dédiée, à l'intention de ceux qui ne lisent pas les titres des MR.
Pour un product manager, ce dernier scénario peut se révéler le plus utile : le point d'étape destiné aux parties prenantes se prépare sans mobiliser les ingénieurs.
Contrôle et transparence
Quand des agents travaillent seuls, trois questions se posent : qui a agi, avec quels droits, et qu'a-t-il fait exactement. Sinon, tout contrôle ou audit commence par une reconstitution des faits. C'est pourquoi chaque automatisation s'exécute depuis un compte de service distinct, aux droits limités, et le journal d'audit permet de distinguer facilement le travail de l'agent de celui d'un humain. Les modifications des automatisations elles-mêmes sont aussi enregistrées : on voit qui a changé la tâche, et quand.
La page Triggers a été refondue et rebaptisée Automations. Elle regroupe les planifications et les automatisations événementielles, avec le nombre d'exécutions, le taux de réussite et le détail des sessions. Si une exécution échoue, la page en indique la cause, et la session permet de consulter ce que l'agent a fait.
GitLab inscrit cette fonction dans son concept de governed software factory : le chemin de l'idée à la production selon les règles de l'organisation, où chaque modification s'accompagne d'une chaîne de preuves. Par exemple, une analyse hebdomadaire des vulnérabilités peut créer des tâches de travail que le reste du système prend ensuite en charge.
Limites et comment l'essayer
Il s'agit d'une bêta, et l'article a été publié par l'éditeur lui-même : il ne contient donc aucune donnée indépendante sur les gains de temps réels. Les scénarios consomment des GitLab Credits, comme les autres flows de la plateforme ; lancer fréquemment une tâche lourde doit donc entrer dans le calcul du budget. Une tâche mal formulée, exécutée toutes les heures, peut en outre encombrer les fils de discussion de commentaires.
Pour essayer, il faut activer les fonctions expérimentales et bêta dans les paramètres de Duo Agent Platform. Un abonnement Premium ou Ultimate, qui inclut des crédits, convient, tout comme une période d'essai gratuite.
Conseil pratique : commencez par un scénario inoffensif, comme le rapport sur les tâches abandonnées ou la détection de doublons. Il ne casse rien, et les erreurs de l'agent se repèrent facilement sur la page Automations. Si le taux de réussite vous convient et que les commentaires sont utiles, vous pouvez passer à des tâches plus sensibles, comme l'analyse des incidents CI.
- 19 nov. 2026AgentCore d'AWS reçoit des hooks Lambda et consomme 34% de tokens en moins que ses concurrents
- 19 nov. 2026L'éditeur vidéo open source FilmCraft, écrit en Rust, atteint 18,5 mille étoiles et ouvre son moteur aux agents IA
- 19 nov. 2026L'API Gemini sait désormais charger les schémas d'outils à la demande, et non plus dans chaque prompt
- 19 nov. 2026OpenCode lance son application mobile : une télécommande pour l'agent qui tourne sur votre ordinateur
Questions clés sur cet article
Comment fonctionne la planification?
Duo Agent Platform proposait déjà des automatisations déclenchées par des événements : un merge request, une mention dans un commentaire, par exemple. La nouvelle fonction, scheduled automations, lance le travail sur minuterie, sans aucun événement. L'utilisateur décrit la tâche en langage naturel, choisit une fois la périodicité, et l'automatisation tourne ensuite toute seule. Les rapports indiquent le nombre d'exécutions et le taux de réussite. L'intervalle se règle de 15 minutes à un mois.
Que sait-on sur Que confier à l'agent en priorité ?
GitLab propose cinq scénarios de départ : Analyse des incidents CI. Toutes les heures, l'agent vérifie les incidents ouverts et commente la cause probable, de sorte que l'enquête avance avant même que quelqu'un ouvre le ticket. Tri des tâches. Le matin, l'agent passe en revue les nouvelles issues, détermine s'il s'agit d'un bug ou d'une fonctionnalité, et applique un label. Rapport sur les tâches abandonnées. Une fois par semaine, l'agent crée une issue listant les tâches sans activité depuis 30 jours.
Que sait-on sur Contrôle et transparence ?
Quand des agents travaillent seuls, trois questions se posent : qui a agi, avec quels droits, et qu'a-t-il fait exactement. Sinon, tout contrôle ou audit commence par une reconstitution des faits. C'est pourquoi chaque automatisation s'exécute depuis un compte de service distinct, aux droits limités, et le journal d'audit permet de distinguer facilement le travail de l'agent de celui d'un humain. Les modifications des automatisations elles-mêmes sont aussi enregistrées : on voit qui a changé la tâche, et quand.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.