Nouveautés

Les epics et les tickets seront réunis dans une vue consolidée unique sous une architecture d'éléments de travail. Cette modification élimine les changements de contexte entre les pages d'epics et de tickets distinctes, et les équipes pourront gérer ces deux éléments de travail en un seul endroit avec une visibilité complète des relations afin de transformer les backlogs étendus en tâches ciblées.

Les métriques des jobs CI/CD révéleront les tendances de performance et les modèles d'échec des pipelines afin d'aider les développeurs à identifier les jobs inefficaces et à les corriger avant que leurs équipes ne soient bloquées. Les équipes de plateforme profiteront de l'affichage nécessaire pour optimiser le CI/CD à grande échelle, sans outils externes.

La sélection dynamique d'intrants élimine les instances Jenkins et les interfaces web personnalisées que les organisations maintiennent uniquement parce que les équipes hors développement ne peuvent pas naviguer dans les pipelines YAML. Les menus déroulants en cascade permettent aux responsables produit, aux ingénieurs en assurance qualité et aux équipes d'opérations de déclencher des déploiements complexes de manière intuitive, où chaque sélection détermine intelligemment les options disponibles suivantes. Les organisations consolident l'exécution des pipelines sur une plateforme unique, réduisent les coûts d'infrastructure et les frais d'assistance et favorisent l'adoption de GitLab sur l'ensemble des livraisons.

Le nettoyage des objets non utilisés sans interruption réduit considérablement les coûts de stockage, les fenêtres de maintenance et les interventions manuelles. Cette amélioration est construite sur une architecture de base de données moderne avec des performances améliorées et des fonctionnalités de sécurité avancées telles que les dépôts protégés et les tags immuables. Elle devrait réduire la complexité opérationnelle et aider les développeurs à gérer rapidement les artefacts. De plus, une base de registre conçue pour évoluer avec les stratégies de conteneurs des entreprises sera créée.

Des workflows de sécurité qui comprennent rapidement le contexte organisationnel aident les équipes de sécurité à réduire le temps de triage, car celles-ci peuvent se concentrer sur les menaces pertinentes, tandis que les équipes de développement ne voient que les problèmes qui affectent réellement leur environnement spécifique. Le temps de réponse est réduit, et la satisfaction au travail améliorée.

Les résultats des tests statiques de sécurité des applications (SAST) renforceront la confiance des développeurs grâce à leur exactitude et aideront les organisations à atteindre des taux de correction plus élevés grâce à une précision améliorée, tandis que les développeurs n'auront plus à gérer la validation manuelle et pourront se concentrer sur la création de fonctionnalités.

Il sera possible de distinguer rapidement les tokens actifs réels des tokens expirés ou de test, pour que les équipes de sécurité priorisent efficacement les menaces actives et que les développeurs évitent les interruptions de travail inutiles dues aux fausses alertes et se concentrent sur leurs tâches.

La sensibilisation à la sécurité passe par des conseils raisonnables plutôt que des blocages stricts. Cette fonctionnalité améliore la conformité à long terme grâce à une adoption progressive et enseigne aux développeurs les exigences de sécurité sans perturber leur workflow.

L'objectif est de détecter les vulnérabilités là où elles apparaissent, et non là où elles sont fusionnées. Les équipes pourront éviter plus facilement l'accumulation de la dette de sécurité dans les branches principales, et les développeurs pourront corriger les tickets dans leur propre branche de fonctionnalité sans impacter d'autres personnes.

Cette visibilité sur la sécurité mettra en évidence l'essentiel : les dirigeants auront une compréhension des risques en temps réel sans avoir besoin de lire de longs rapports, tandis que les développeurs verront rapidement comment leurs modifications impactent la posture de sécurité globale.

Se concentrer uniquement sur les vulnérabilités exploitables permet aux organisations de réduire considérablement les coûts de correction. De plus, les développeurs peuvent ainsi corriger en priorité ces vulnérabilités sans perdre de temps sur des chemins de code inaccessibles.

Une protection étendue aux secrets personnalisés et propriétaires permet aux organisations de maintenir la sécurité dans des piles technologiques diverses et aux développeurs d'innover en toute autonomie en sachant que même les tokens internes uniques sont protégés.

Une gestion des vulnérabilités adaptée à des profils de risque spécifiques permet aux équipes de sécurité de créer des vues alignées sur la tolérance au risque de l'organisation et aux développeurs d'afficher uniquement les problèmes pertinents pour leurs tâches. Cette fonctionnalité allie ainsi supervision complète et action ciblée.

Lorsque des tests de sécurité robustes sont intégrés dans les cycles de développement normaux, les organisations maintiennent une couverture de sécurité complète sans retarder les versions de release, tandis que les développeurs profitent de commentaires complets avant de passer à leur prochaine tâche.

Une protection intelligente distingue les fichiers de test du code de production. Elle atténue le risque que de véritables secrets atteignent les dépôts et aide les développeurs à maintenir leurs modèles de développement naturels sans risques liés à la sécurité.

Ce rôle par défaut offre aux professionnels de sécurité une productivité accélérée avec des limites appropriées. Il permet une productivité dès le premier jour avec un accès étendu aux vulnérabilités sans droits de modification du code et maintient la séparation des tâches afin que les équipes de sécurité puissent enquêter sans impacter accidentellement la production. Les organisations profitent d'autorisations standardisées sans configuration personnalisée, ce qui réduit les délais d'autorisation lors des réponses aux incidents.

Des garde-fous automatisés seront implémentés pour les vulnérabilités activement exploitées. Les organisations pourront s'aligner automatiquement sur les directives gouvernementales, tandis que les développeurs sauront quand un examen supplémentaire est nécessaire en cas de risques critiques.

Cette amélioration offre surveillance et gouvernance en temps réel de tous les serveurs Model Context Protocol (MCP) connectés depuis une interface unique. Les organisations profitent d'une visibilité claire sur les serveurs actifs et l'état de santé des connexions, pour une détection précoce des problèmes de performance avant qu'ils ne perturbent les workflows des développeurs. Les équipes de sécurité s'assurent que les intégrations d'IA sont conformes aux politiques de l'organisation, tandis que les ingénieurs de plateforme dépannent rapidement les échecs d'intégration sans investigation chronophage dans des systèmes déconnectés.

Des contrôles de gouvernance d'entreprise permettront de débloquer l'adoption du MCP dans les secteurs réglementés où la visibilité et la conformité sont obligatoires. Les organisations dans le secteur des services financiers, de la santé et du secteur public profiteront de contrôles au niveau de l'instance afin que les administrateurs aient une autorité complète sur l'accès IA externe. Une journalisation d'audit fournira des pistes d'audit alignées sur les exigences SOC2, ISO et HIPAA, tandis qu'une authentification fiable réduira les échecs OAuth quotidiens qui bloquent actuellement une utilisation cohérente.

Les organisations apporteront leurs propres environnements d'exécution d'IA et connecteront des services externes au sein de la plateforme d'agents de GitLab afin de supprimer les obstacles qui freinent leur adoption pour les entreprises avec des contraintes de conformité et de sécurité. Les équipes pourront sélectionner leurs fournisseurs d'IA préférés (Claude Code, OpenAI ou modèles propriétaires) comme environnements d'exécution et connecter des outils métier critiques comme Jira, Figma et Slack via des serveurs MCP. Les organisations pourront tirer parti de leurs investissements dans des outils existants et répondre aux exigences réglementaires tout en s'appuyant sur l'infrastructure d'agents de GitLab, qui agira comme couche d'orchestration.

Le clonage d'agents fondamentaux comme templates réduit le temps de déploiement d'agents personnalisés et limite les exigences d'expertise pour les organisations. Les équipes héritent des modèles éprouvés et des capacités de base de GitLab, puis personnalisent les agents en fonction de connaissances spécifiques à l'entreprise et de normes internes sans avoir à partir de zéro. Les organisations peuvent déployer des agents d'IA adaptés à leurs workflows afin d'accélérer le délai de rentabilisation et d'élargir le marché potentiel au-delà des équipes avec une expertise approfondie en ingénierie IA.

Cette fonctionnalité offre une visibilité sur la manière dont les agents et les workflows pilotés par l'IA sont adoptés dans les équipes. Les responsables d'ingénierie profiteront de données claires dans des rapports de tendances et des modèles d'engagement qui dévoile l'impact mesurable. Ces données aideront les organisations à comprendre ce qui fonctionne, à répliquer les meilleures pratiques et à améliorer l'efficacité de leurs investissements d'IA.

Cette fonctionnalité offre un contrôle total sur les modèles d'IA et la résidence des données sans la charge opérationnelle liée à la gestion de l'infrastructure. Les organisations qui utilisent GitLab Dedicated bénéficient de capacités d'IA auto-hébergées alignées sur les exigences de conformité grâce à l'isolation monolocataire et à une gouvernance granulaire dans un environnement entièrement géré. Les entreprises pourront maintenir la souveraineté des données et éviter la complexité liée à l'infrastructure.