GitLab présente ces évolutions comme une réponse à ce qu’il appelle le « paradoxe de l’IA » : la génération de code s’accélère fortement, mais la sécurité, la conformité et la livraison restent des goulots d’étranglement.

Un Secrets Manager intégré pour les identifiants CI/CD

Parmi les nouveautés les plus visibles figure le GitLab Secrets Manager, désormais disponible en bêta publique pour les offres Premium et Ultimate.

Jusqu’ici, de nombreuses équipes stockaient leurs identifiants CI/CD dans des services externes comme HashiCorp Vault ou des outils fournis par les clouds publics. Avec GitLab 19.0, ces secrets peuvent être gérés directement dans la plateforme.

Les principales fonctions incluent :

• stockage et récupération des identifiants CI/CD dans les projets ou groupes GitLab
• limitation des secrets à des jobs ou environnements spécifiques
• gestion des accès via les mêmes contrôles d’autorisation que pour le code source

En reliant les secrets aux pipelines et aux permissions des projets, GitLab cherche à réduire la dispersion des identifiants et à appliquer plus facilement le principe du moindre privilège dans les workflows CI/CD.

Des merge requests automatisées grâce à l’IA

GitLab 19.0 étend aussi l’usage de l’IA dans le cycle de vie des merge requests (MR).

Plutôt que de se limiter à la génération de code, les agents d’IA peuvent désormais intervenir dans plusieurs tâches de revue :

• traiter les retours des reviewers
• résoudre certains conflits de fusion
• automatiser les rebases
• lancer des opérations « rebase‑and‑merge » en un clic

Ces fonctionnalités s’inscrivent dans la GitLab Duo Agent Platform, qui introduit des workflows dits « agentiques ». L’idée : des agents logiciels capables d’exécuter automatiquement des tâches à différentes étapes du cycle de développement, depuis la planification jusqu’aux contrôles de sécurité et au déploiement.

L’objectif est de réduire la charge de travail manuelle qui entoure les changements de code et qui ralentit souvent la livraison, même lorsque l’écriture du code devient plus rapide grâce à l’IA.

Des modèles d’IA auto‑hébergés pour les environnements réglementés

Dans certains secteurs — finance, santé, administration publique — envoyer du code propriétaire vers des services d’IA hébergés peut être interdit ou fortement limité.

GitLab 19.0 répond à ce besoin en permettant de connecter des modèles d’IA open source auto‑hébergés via des agents externes dans la plateforme Duo.

Concrètement, les organisations peuvent :

• exécuter leurs modèles IA sur leur propre infrastructure
• garder les prompts et le code dans un environnement contrôlé
• intégrer ces modèles dans les workflows automatisés de GitLab

Cette approche rend l’assistance par IA possible même dans des environnements isolés (air‑gapped) ou soumis à des exigences strictes de conformité.

Plus de visibilité sur la chaîne d’approvisionnement logicielle

La version 19.0 renforce aussi les capacités de sécurité de la chaîne d’approvisionnement logicielle, un sujet devenu critique avec l’utilisation massive de dépendances open source.

Deux nouveautés se démarquent.

Components Analytics pour CI/CD

Cette fonctionnalité offre aux équipes d’ingénierie plateforme une vue d’ensemble sur les composants et versions du catalogue CI/CD utilisés dans toute l’organisation. Elle facilite l’identification des composants obsolètes et le suivi des standards de pipeline.

Scanning des dépendances basé sur les SBOM

GitLab ajoute également un scanning des dépendances s’appuyant sur des Software Bills of Materials (SBOM), ce qui améliore la visibilité sur les bibliothèques open source et leurs vulnérabilités plus tôt dans le cycle de développement.

Ces outils permettent d’identifier les risques liés aux dépendances avant que le logiciel n’atteigne la production.

Le « paradoxe de l’IA » au cœur de la stratégie GitLab

GitLab explique ces évolutions par un phénomène croissant dans l’industrie : le paradoxe de l’IA.

Les outils d’IA accélèrent fortement la création de code, mais les étapes suivantes — revue, tests, sécurité, conformité ou déploiement — restent souvent fragmentées entre de nombreux outils.

Résultat : les équipes produisent davantage de code, sans forcément livrer plus vite.

Pour y répondre, GitLab met en avant un concept d’« orchestration intelligente » : réunir développement, sécurité, conformité et automatisation IA dans une seule plateforme DevSecOps afin de coordonner l’ensemble du cycle de livraison plutôt que d’assembler des outils séparés.

Une évolution vers des plateformes DevSecOps pilotées par l’IA

GitLab 19.0 illustre une tendance plus large dans l’écosystème DevSecOps : la consolidation des outils et l’automatisation par l’IA.

Plutôt que d’ajouter simplement des assistants de code, la plateforme cherche à automatiser tout ce qui entoure le développement : gestion des identifiants, revue de code, gouvernance CI/CD et sécurité de la chaîne d’approvisionnement.

Pour les organisations qui gèrent de grands dépôts de code ou des exigences réglementaires strictes, cette approche vise à faire évoluer la sécurité et la gouvernance au même rythme que le développement accéléré par l’IA.

GitLab présente ces évolutions comme une réponse à ce qu’il appelle le « paradoxe de l’IA » : la génération de code s’accélère fortement, mais la sécurité, la conformité et la livraison restent des goulots d’étranglement.

Un Secrets Manager intégré pour les identifiants CI/CD

Parmi les nouveautés les plus visibles figure le GitLab Secrets Manager, désormais disponible en bêta publique pour les offres Premium et Ultimate.

Jusqu’ici, de nombreuses équipes stockaient leurs identifiants CI/CD dans des services externes comme HashiCorp Vault ou des outils fournis par les clouds publics. Avec GitLab 19.0, ces secrets peuvent être gérés directement dans la plateforme.

Les principales fonctions incluent :

• stockage et récupération des identifiants CI/CD dans les projets ou groupes GitLab
• limitation des secrets à des jobs ou environnements spécifiques
• gestion des accès via les mêmes contrôles d’autorisation que pour le code source

En reliant les secrets aux pipelines et aux permissions des projets, GitLab cherche à réduire la dispersion des identifiants et à appliquer plus facilement le principe du moindre privilège dans les workflows CI/CD.

Des merge requests automatisées grâce à l’IA

GitLab 19.0 étend aussi l’usage de l’IA dans le cycle de vie des merge requests (MR).

Plutôt que de se limiter à la génération de code, les agents d’IA peuvent désormais intervenir dans plusieurs tâches de revue :

• traiter les retours des reviewers
• résoudre certains conflits de fusion
• automatiser les rebases
• lancer des opérations « rebase‑and‑merge » en un clic

Ces fonctionnalités s’inscrivent dans la GitLab Duo Agent Platform, qui introduit des workflows dits « agentiques ». L’idée : des agents logiciels capables d’exécuter automatiquement des tâches à différentes étapes du cycle de développement, depuis la planification jusqu’aux contrôles de sécurité et au déploiement.

L’objectif est de réduire la charge de travail manuelle qui entoure les changements de code et qui ralentit souvent la livraison, même lorsque l’écriture du code devient plus rapide grâce à l’IA.

Des modèles d’IA auto‑hébergés pour les environnements réglementés

Dans certains secteurs — finance, santé, administration publique — envoyer du code propriétaire vers des services d’IA hébergés peut être interdit ou fortement limité.

GitLab 19.0 répond à ce besoin en permettant de connecter des modèles d’IA open source auto‑hébergés via des agents externes dans la plateforme Duo.

Concrètement, les organisations peuvent :

• exécuter leurs modèles IA sur leur propre infrastructure
• garder les prompts et le code dans un environnement contrôlé
• intégrer ces modèles dans les workflows automatisés de GitLab

Cette approche rend l’assistance par IA possible même dans des environnements isolés (air‑gapped) ou soumis à des exigences strictes de conformité.

Plus de visibilité sur la chaîne d’approvisionnement logicielle

La version 19.0 renforce aussi les capacités de sécurité de la chaîne d’approvisionnement logicielle, un sujet devenu critique avec l’utilisation massive de dépendances open source.

Deux nouveautés se démarquent.

Components Analytics pour CI/CD

Cette fonctionnalité offre aux équipes d’ingénierie plateforme une vue d’ensemble sur les composants et versions du catalogue CI/CD utilisés dans toute l’organisation. Elle facilite l’identification des composants obsolètes et le suivi des standards de pipeline.

Scanning des dépendances basé sur les SBOM

GitLab ajoute également un scanning des dépendances s’appuyant sur des Software Bills of Materials (SBOM), ce qui améliore la visibilité sur les bibliothèques open source et leurs vulnérabilités plus tôt dans le cycle de développement.

Ces outils permettent d’identifier les risques liés aux dépendances avant que le logiciel n’atteigne la production.

Le « paradoxe de l’IA » au cœur de la stratégie GitLab

GitLab explique ces évolutions par un phénomène croissant dans l’industrie : le paradoxe de l’IA.

Les outils d’IA accélèrent fortement la création de code, mais les étapes suivantes — revue, tests, sécurité, conformité ou déploiement — restent souvent fragmentées entre de nombreux outils.

Résultat : les équipes produisent davantage de code, sans forcément livrer plus vite.

Pour y répondre, GitLab met en avant un concept d’« orchestration intelligente » : réunir développement, sécurité, conformité et automatisation IA dans une seule plateforme DevSecOps afin de coordonner l’ensemble du cycle de livraison plutôt que d’assembler des outils séparés.

Une évolution vers des plateformes DevSecOps pilotées par l’IA

GitLab 19.0 illustre une tendance plus large dans l’écosystème DevSecOps : la consolidation des outils et l’automatisation par l’IA.

Plutôt que d’ajouter simplement des assistants de code, la plateforme cherche à automatiser tout ce qui entoure le développement : gestion des identifiants, revue de code, gouvernance CI/CD et sécurité de la chaîne d’approvisionnement.

Pour les organisations qui gèrent de grands dépôts de code ou des exigences réglementaires strictes, cette approche vise à faire évoluer la sécurité et la gouvernance au même rythme que le développement accéléré par l’IA.