Il introduit ainsi GitLab Duo Enterprise, un nouveau module d’extension entièrement basé sur l’IA. Celui-ci combine les fonctionnalités orientées développeurs de GitLab Duo Pro (telles que les contrôles de confidentialité au niveau de l’organisation, les suggestions de code et le chat) avec des fonctionnalités orientées entreprises. GitLab Duo Enterprise sera disponible dans les prochains mois pour les clients disposant d’une licence Ultimate.
Ces fonctionnalités permettent de détecter et de corriger de manière proactive les vulnérabilités de sécurité, à générer des résumés des discussions des tickets et des merge requests, à résoudre les goulets d’étranglement et les échecs du processus CI/CD, et à améliorer la collaboration entre les équipes. Ces propositions technologiques visent à renforcer la sécurité, à améliorer l’efficacité des workflows et à faciliter la collaboration au sein des équipes.
Un nouveau catalogue CI/CD
GitLab propose en outre un nouveau tableau de bord d’analyse d’impact de l’IA et une fonctionnalité de prévision de la chaîne de valeur. Ces outils fournissent aux organisations des informations exploitables sur l’utilisation des fonctionnalités d’IA et leur impact sur les métriques du cycle de vie du développement logiciel, comme la durée de cycle et la fréquence de déploiement.Les entreprises peuvent adapter GitLab Duo au contexte de leurs projets logiciels, permettant ainsi de personnaliser le modèle en fonction de leurs besoins. De plus, GitLab Duo Enterprise offre la possibilité de déployer des modèles autohébergés pour les entreprises qui ne peuvent pas connecter leurs environnements sécurisés isolés par
l’air-gap à des services connectés à Internet.
GitLab lance également un nouveau catalogue CI/CD pour apporter aux équipes de développement des fonctions améliorant l’efficacité et la standardisation de leurs workflows. Ce portail centralisé permet aux clients de découvrir, de réutiliser et de contribuer à des composants CI/CD préconstruits. Un catalogue privé permet aux entreprises de distribuer des pipelines personnalisés pour automatiser des workflows adaptés à leurs besoins sans compromettre la sécurité.
GitLab 17 améliore la sécurité et la collaboration
Au cours d’une conférence en ligne prévue pour le 27 juin prochain et ouverte à tous, Gitlab annoncera également une série de nouvelles fonctionnalités pour GitLab 17. Celles-ci sont destinées à améliorer la sécurité, l’efficacité et la collaboration dans le cycle de développement logiciel. Parmi ces innovations, on retrouve le Native Secrets Manager qui permet de stocker des identifiants de connexion confidentiels directement dans GitLab, pour une gestion sécurisée et intégrée des secrets.GitLab Dedicated sur Google Cloud aide les entreprises à répondre à des exigences de conformité complexes, en fournissant une infrastructure dédiée et sécurisée sur la plateforme cloud de Google. Les tests de sécurité statique des applications (SAST) ont été améliorés pour offrir une meilleure précision, réduire le taux de faux positifs et identifier rapidement les risques au niveau de la couche applicative.
Les fonctionnalités d’analyse produit permettent pour leur part de comprendre les schémas de comportement des utilisateurs, de mesurer les performances des produits et de prioriser les améliorations nécessaires. Gitlab annonce aussi de nouvelles fonctionnalités d’observabilité pour comprendre l’impact d’un changement de code ou de configuration sur les applications grâce au suivi des erreurs, au traçage distribué, aux métriques et aux journaux.
D’autre part, l’Enterprise Agile Planning inclut des epics améliorés, des champs de tickets personnalisés, des wikis, des feuilles de route et des OKR (Objectifs et Résultats Clés), permettant aux utilisateurs sans compétences techniques d’accéder à la même plateforme DevSecOps que les développeurs. Cela facilite une planification agile et collaborative au sein de l’organisation.
Enfin, le registre de modèles permet aux data scientistes de développer des modèles d’IA/ML sur la même plateforme que celle utilisée par les développeurs pour créer, tester, sécuriser et déployer le code, intégrant ainsi pleinement les capacités de data science dans le cycle de développement.
