Repenser l’avenir de la collaboration entre l’humain et l’IA dans le DevSecOps

L’intelligence artificielle (IA) ne remplace pas les ingénieurs, mais souligne l’importance croissante de la collaboration et du partage des connaissances pour former des profils compétents dans le domaine du DevSecOps.

Le débat autour de l’IA dans le développement logiciel repose souvent sur l’hypothèse que des outils d’IA plus intelligents permettraient à un seul ingénieur d’accomplir le travail de toute une équipe. Bien que séduisante, cette idée est erronée. L’IA élargit les possibilités d’un développeur tout en augmentant les attentes en matière de connaissances. Un ingénieur qui utilise l’IA pour générer du code d’infrastructure doit également évaluer les implications en matière de sécurité, même avec des outils de scan assistés par l’IA.

Les organisations qui réussiront à maximiser leur investissement dans l’IA seront celles qui mettront en place des pratiques collaboratives, des revues de code, un partage structuré des connaissances et un mentorat ciblé. Par exemple, Radio France a adopté GitLab pour unifier les workflows de développement et de déploiement entre ses équipes, ce qui a permis de réduire les changements de contexte et d’accroître la responsabilité partagée. Les déploiements sont devenus cinq fois plus rapides, et le temps de cycle a diminué de 82 %.

Des fondements collaboratifs comme base solide

L’objectif du DevSecOps est d’établir une culture d’ingénierie collaborative tout au long du cycle de vie logiciel, de la stratégie métier à l’implémentation technique. Cela passe par des revues de code fondées sur le consensus humain et des contrôles automatisés de qualité et de sécurité, garantissant ainsi la détection des problèmes avant leur mise en production.

Cette approche équilibre vitesse et contrôle, minimisant les risques liés à la gestion des changements logiciels tout en préservant la stabilité et la sécurité.

Mécanismes de transfert de connaissances

Le modèle collaboratif fonctionne comme un système d’apprentissage à grande échelle. Des recherches en psychologie de l’éducation, notamment la taxonomie de Bloom, montrent que la compréhension s’approfondit en enseignant à autrui. Les revues de code deviennent des occasions de transfert de connaissances, où chaque participant agit comme expert tout en apprenant des domaines adjacents.

L’ingénieur autonome : l’IA comme partenaire

L’évolution naturelle de ce modèle est l’« ingénieur autonome », dont les capacités sont augmentées par l’IA. Ce partenariat permet de libérer les ingénieurs des tâches de bas niveau, leur permettant ainsi de se concentrer sur des réflexions de haut niveau. Une étude de GitLab indique que 83 % des professionnels du DevSecOps estiment que l’IA modifiera considérablement leur rôle dans les cinq prochaines années, et 76 % pensent qu’elle créera un besoin accru d’ingénieurs.

Cependant, des discours émergent dans les cercles dirigeants, suggérant que des agents IA peuvent remplacer les travailleurs du savoir. Cette vision méconnaît la nécessité d’experts humains pour évaluer les résultats de l’IA, établir la confiance dans ses recommandations et assumer la responsabilité des systèmes de production.

Le véritable goulot d’étranglement : une sagesse collective limitée

La véritable contrainte ne réside pas dans la capacité de l’IA, mais dans la rareté des ingénieurs autonomes, capables d’évaluer efficacement les résultats en matière de sécurité, d’infrastructure et de qualité. Le modèle collaboratif du DevSecOps est donc essentiel pour développer les compétences nécessaires.

La voie à suivre

Les organisations doivent choisir entre deux voies : considérer l’IA comme un moyen de réduire les coûts en remplaçant des talents seniors, ou la voir comme un outil amplifiant les capacités humaines. La première approche mène à des systèmes fragiles, tandis que la seconde favorise l’apprentissage collaboratif et l’augmentation par l’IA.

Les entreprises qui réussiront sont celles qui investiront dans la formation de leurs équipes, reconnaissant que le processus de révision du code est essentiel pour transmettre les connaissances nécessaires à une utilisation efficace des outils d’IA.

En conclusion, alors que les outils d’IA deviennent de plus en plus performants, la valeur de l’apprentissage collaboratif devient cruciale. Former des individus capables d’exploiter ces outils passe par un transfert de connaissances interdisciplinaire, élément clé du DevSecOps.

Source : GitLab