Des workflows CI/CD automatiques aux workflows agentiques autonomes avec l'IA continue

On vous a demandé d'adopter des outils d'IA avec la promesse qu'ils accéléreraient votre mise en production et amélioreraient la qualité de votre code. Au cours de ce processus, vous avez constaté une augmentation massive du nombre de modifications apportées au code et vous avez probablement ressenti les limites de vos systèmes et processus, incapables de suivre le rythme. La boucle interne de développement évolue à une vitesse vertigineuse, tandis que la boucle externe peine à suivre le rythme. 

Dans de nombreux workflows de CI/CD, la défaillance d'un pipeline, souvent causée par une vulnérabilité de sécurité ou une erreur de configuration, peut contraindre le personnel de développement à identifier manuellement l'origine du problème, une tâche fastidieuse. Ces personnes passent trop de temps à enquêter, à déboguer, à rechercher des correctifs et à soumettre à nouveau le code. Cette situation crée des frictions entre les équipes de développement, de sécurité et d'exploitation, car elles se rejettent la responsabilité du problème et cherchent à identifier qui doit le résoudre. 

Lors de l'OpenShift Commons Gathering au Red Hat Summit de cette année, nous avons examiné de près les outils de Red Hat OpenShift et exploré comment dépanner et corriger un pipeline défaillant via un workflow agentique. Natale Vinto, Developer Advocate, a montré comment Red Hat OpenShift aide à sécuriser et à automatiser le pipeline de développement en :

• Définissant et appliquant des barrières de sécurité. 
• Accélérant la détection et la correction des défaillances à l'aide d'un agent d'IA. 
• Corrigeant et validant le nouveau code sous la supervision d'un humain dans la boucle avant de réexécuter le pipeline pour s'assurer que la correction est efficace et que tous les critères de sécurité sont respectés.

Pour commencer, Natale nous présente Red Hat OpenShift DevSpaces, où il soumet une mise à jour pour une nouvelle application Java et lance un nouveau pipeline DevSecOps. Red Hat OpenShift dispose déjà d'exigences définies pour appliquer la sécurité de manière proactive. À mesure que le code est transmis, le système vérifie sa conformité par rapport à ces politiques de sécurité définies. Les équipes de sécurité et d'exploitation ont élaboré une approche robuste de type « policy-as-code » (politique en tant que code) via Red Hat Advanced Cluster Security for Kubernetes, ce qui signifie que les définitions de sécurité sont cohérentes, contrôlées par version et profondément intégrées à Red Hat OpenShift. Lorsqu'une vulnérabilité critique est détectée, comme une image de base compromise présentée dans la démonstration, le pipeline interrompt le déploiement avant que le code ne puisse atteindre un environnement de production, empêchant ainsi tout logiciel vulnérable d'être déployé.

Figure 1 : Un agent SRE identifie un point de défaillance dans le pipeline après avoir détecté une vulnérabilité critique avec Red Hat Advanced Cluster Security for Kubernetes. Horodatage : 3:42

Généralement, c'est à ce moment-là que les tests s'arrêtent brutalement, tandis que le personnel de développement tente désespérément d'identifier les raisons pour lesquelles le pipeline s'est arrêté et les mesures à prendre pour y remédier. Cependant, Natale a conçu un agent d'IA appelé SRE-Agent qui agit comme une couche d'application intelligente plutôt que comme une simple liste de contrôle passive pour identifier l'origine du problème, évitant ainsi d'avoir à parcourir manuellement les journaux et les erreurs de débogage. Grâce aux intégrations GitHub et Tekton Pipelines-as-Code, l'agent crée un nouveau pipeline avec la correction recommandée, présente le problème identifié à Natale et propose une solution. Il s'appuie également sur Claude pour accéder aux informations relatives au problème dans Red Hat OpenShift et les vérifier, puis alerter l'équipe de sécurité via Slack. 

Figure 2  : L'agent SRE analyse le problème rencontré et propose une correction que l'équipe de sécurité peut examiner et approuver. Horodatage : 4:13

À partir de là, les équipes de sécurité, d'exploitation et de développement ont un accès complet aux journaux analysés et aux suggestions formulées par l'agent, ce qui leur permet de prendre des mesures. Désormais, grâce à l'intervention d'un humain dans la boucle, les équipes disposent d'informations claires et exploitables pour examiner, valider et appliquer la correction en un seul clic. Cette approche préserve l'autonomie et la confiance du personnel de développement, garantissant que l'expertise humaine est utilisée pour autoriser les changements tout en déléguant à l'agent les tâches manuelles et fastidieuses de recherche et de test.

 Figure 3 : L'équipe de sécurité applique les modifications suggérées par l'agent SRE. Horodatage : 5:29

Après avoir appliqué la suggestion de l'agent, le pipeline est réexécuté afin de s'assurer que la correction est efficace et que toutes les barrières de sécurité sont respectées. Cette étape finale de validation est cruciale pour garantir des builds ne présentant aucune vulnérabilité critique. Les équipes conservent une visibilité totale sur les changements mis en œuvre via GitHub, OpenShift Pipelines, Red Hat Advanced Cluster Security et Red Hat Trusted Profile Analyzer. Après avoir confirmé que les nouvelles modifications présentent peu de vulnérabilités, Natale peut fusionner le nouveau code en production en toute confiance. 

Figure 4 : Le nouveau code est fusionné dans le pipeline et testé à nouveau pour détecter les vulnérabilités. Horodatage : 7:42

Résultat : un pipeline de CI/CD capable de prendre en charge un grand nombre de commits de code sans compromettre la sécurité, la politique et les protocoles de gestion établis.  Avec Red Hat OpenShift, nous permettons d'automatiser les tâches pilotées par l'IA au sein d'OpenShift Pipelines dans la boucle externe, afin de résoudre les goulets d'étranglement liés au nombre toujours croissant de modifications de code assistées par l'IA dans la boucle interne. Avec Red Hat OpenShift, les équipes de développement, de sécurité et d'exploitation bénéficient d'une visibilité totale sur les problèmes identifiés, les corrections suggérées par l'agent d'IA et un journal complet des modifications effectuées, afin de valider et de fusionner les mises à jour dans leurs environnements cibles en toute confiance. En associant la stabilité de niveau entreprise de Red Hat OpenShift à la flexibilité de Tekton et à l'intelligence des modèles d'IA modernes, nous permettons aux équipes de créer et de distribuer des logiciels plus sécurisés avec confiance et rapidité.