GitLab Duo CLI : piloter les agents IA dans les pipelines CI/CD

GitHub a récemment ajouté à Copilot CLI la prise en charge du bring-your-own-key (BYOK) et des modèles locaux. Les développeurs peuvent router leurs requêtes via leur propre fournisseur ou exécuter un modèle entièrement hors ligne. Mais le choix du modèle n'est qu'un début. La vraie complexité commence quand l'IA se met à agir sur l'ensemble de la chaîne de livraison logicielle : lancer des builds, modifier la configuration CI/CD. C'est là que les choix d'architecture sous-jacents à un outil en ligne de commande deviennent critiques.

Deux approches de l'IA en CLI

Copilot fonctionne au niveau du poste de travail de chaque développeur. GitHub n'a pas prévu de gouvernance à l'échelle de l'organisation : aucun contrôle sur le modèle utilisé par une équipe, aucun audit de ce que l'agent a fait précisément ni pourquoi.

GitLab Duo CLI est conçu autrement. Il repose sur GitLab Duo Agent Platform et s'adresse aussi bien au développeur devant son terminal qu'aux équipes où des agents automatisent la sécurité, la vérification, la compliance et le déploiement sur des dizaines de projets aux cycles de release différents.

GitLab Duo CLI prend en charge un mode headless : non interactif, scriptable, intégré aux pipelines CI/CD. Le contrôle de governance s'applique ici jusqu'à la fin du pipeline.

Pourquoi choisir un modèle n'équivaut pas à la governance

La première génération d'outils de code assisté par IA était optimisée pour la session interactive : le développeur pose une question, voit une suggestion, l'approuve ou la rejette. La sécurité est simple, puisqu'un humain intervient à chaque étape.

Quand l'agent IA travaille dans un workflow automatisé, tout change. Il peut lancer des tests, modifier la configuration et enchaîner des actions sur tout le cycle de vie de livraison logicielle sans qu'un humain vérifie chaque étape. Les exigences de sécurité changent. La question n'est plus « quel modèle est-ce ? », mais tout autre chose :

• À quoi cet agent a-t-il accès ?
• Qu'a-t-il le droit de faire ?
• Quelles actions a-t-il exécutées, et puis-je le prouver ?
• L'agent peut-il être détourné par prompt injection ?

GitLab Duo CLI traite ce problème au niveau de la plateforme. En mode interactif, aucune action n'est exécutée sans validation humaine. La détection de prompt injection est intégrée à GitLab Duo Agent Platform et bloque les tentatives de détournement de l'agent par des commandes malveillantes. La composite identity limite l'accès de l'agent à ce pour quoi il est explicitement autorisé. Chaque action de l'IA devient auditable. Des fichiers comme AGENTS.md et SKILL.md permettent à l'équipe de définir précisément les tâches et actions que l'agent peut effectuer.

Le scénario clé : l'automatisation CI/CD

L'IA en CLI apporte le plus de valeur pour déboguer un pipeline cassé en fin de sprint et pour les tâches de développement en plusieurs étapes. Mais c'est aussi le scénario où la configuration par développeur et la governance au niveau de la plateforme divergent le plus.

Quand l'agent tourne dans un pipeline, aucun développeur n'est à proximité : personne ne peut repérer une tentative de prompt injection ni un comportement inattendu du modèle. Les contrôles de sécurité doivent être intégrés à la plateforme et fonctionner de la même manière dans tous les workflows et tous les environnements.

Ce que cela signifie

Pour les engineering leaders, il s'agit de poser les bonnes questions : l'outil exige-t-il un contrôle de niveau enterprise ? Le modèle de sécurité tiendra-t-il quand personne ne regarde ? La flexibilité des modèles et la prise en charge hors ligne comptent, mais c'est l'architecture de governance en dessous qui détermine si vous pourrez déployer un tel outil en production.