Aujourd’hui, le problème du développement logiciel ne réside peut-être plus dans l’écriture du code. Les assistants de codage basés sur l’IA générant du code plus rapidement que jamais, le plus grand défi consiste désormais à le réviser, à le tester et à le publier en toute sécurité. Selon AWS, les fonctionnalités de gestion des releases ajoutées à DevOps Agent pourront aider les équipes de développement dans cette étape du processus. Actuellement en préversion, ces capacités évaluent automatiquement les modifications de code par rapport aux normes de l’entreprise, identifient les risques liés à la mise en production logicielle et génèrent des tests adaptés à chaque modification avant que celle-ci n’atteigne l’environnement de production.

« La fonctionnalité « Release Readiness », en particulier, exécute le code dans un environnement isolé géré par AWS, en effectuant des tests légers du parcours utilisateur afin de vérifier que le logiciel se compile, s’exécute et passe les contrôles fonctionnels de base avant que la modification n’entre dans le pipeline », a indiqué l’entreprise dans un article de blog. « Les résultats de ces tests peuvent être consultés via la console de DevOps Agent sous forme de commentaires sur les requêtes pull dans GitHub ou GitLab, ou peuvent être invoqués directement depuis les IDE via Kiro ou le plugin Claude Code », a ajouté le fournisseur.

Accompagner la livraison des applications à l’heure de l’IA

« L’exécution du code dans des environnements isolés et la transmission directe des résultats via les outils de développement permettent de relever deux défis de longue date liés à la livraison logicielle », a déclaré Pareekh Jain, analyste principal chez Pareekh Consulting. « Les équipes peuvent à la fois valider le comportement des modifications de code avant leur déploiement en détectant des problèmes que l’analyse statique pourrait négliger, tout en réduisant les changements de contexte grâce à l’intégration des résultats dans les workflows existants, ce qui accélère à son tour les corrections », explique-t-il. Selon lui, la fonctionnalité de préparation à la mise en production résout un goulot d’étranglement majeur dans le développement logiciel piloté par l’IA. « Alors que les agents de codage basés sur l’IA peuvent générer du code rapidement, les revues, les contrôles de conformité, la validation des dépendances et les validations de mise en production continuent de ralentir le déploiement », a-t-il souligné.

« En vérifiant automatiquement les modifications de code par rapport aux normes internes, aux politiques de sécurité et aux impacts sur les dépendances, AWS aide les développeurs, les équipes DevOps et l'ingénierie de fiabilité des sites (Site Reliability Engineering, SRE) à identifier les problèmes plus tôt, à simplifier la révision manuelle et à renforcer la confiance dans les mises en production », a fait valoir l’analyste. Celui-ci fait remarquer par ailleurs que ces gains de productivité pour les développeurs pourraient également se traduire par des avantages métiers tangibles pour les DSI. « La fonctionnalité de préparation à la mise en production pourrait aider les entreprises à tirer davantage de valeur du code généré par l’IA tout en réduisant les coûts opérationnels, en évitant d’avoir à recourir à des ressources supplémentaires en assurance qualité et en DevOps, ce qui accélérerait la livraison des logiciels sans sacrifier la fiabilité », estime-t-il.

Tests autonomes avant la fusion du code

Alors que les examens de préparation à la mise en production visent principalement à évaluer si une modification du code peut être intégrée en toute sécurité dans le pipeline de livraison, AWS ajoute aussi une fonctionnalité distincte destinée à valider le comportement de ces modifications dans des environnements de type production. « Baptisée « test de mise en production autonome », cette fonctionnalité génère et exécute des plans de test spécifiques à chaque modification pour les applications web et basées sur des API, dans des environnements de type production fournis par les clients, avant que la modification ne soit effectivement intégrée », a indiqué l’entreprise dans son article de blog. Pour M. Jain, les tests de mise en production autonomes sont « encore plus » importants pour les développeurs et les ingénieurs SRE, car ils automatisent l’une des étapes les plus chronophages de la livraison logicielle. « Les développeurs passent moins de temps à créer et à maintenir des tests, tandis que les SRE devront gérer moins de rollbacks et bénéficieront d’une fiabilité accrue du système », a-t-il expliqué. « Ces avantages découlent de la capacité de la fonctionnalité à générer automatiquement des tests adaptés à chaque modification de code, couvrant la justesse fonctionnelle, les régressions comportementales et les scénarios d’intégration qui, sans cela, demanderaient un effort manuel considérable », a déclaré par ailleurs M. Jain.

Quoiqu’il en soit, AWS n’est pas la seule entreprise à tenter d’intégrer davantage l’IA dans le cycle de vie de la livraison logicielle. GitHub, propriété de Microsoft, a étendu les capacités de révision de code de Copilot de sorte que le service peut examiner automatiquement les requêtes pull, suggérer des corrections et fournir des feedbacks directement au sein des workflows des développeurs. De son côté, Google n’a cessé d’élargir le champ d’application de Gemini Code Assist au-delà de la génération de code, afin de prendre en charge des tâches de développement logiciel comme la révision de code et l’assistance aux développeurs. Selon M. Jain, la solution d'AWS se distingue cependant par le fait qu'elle relie ces capacités à la gestion des versions et aux workflows opérationnels qui couvrent à la fois les environnements de développement et de production.

Disponibilité et tarification

AWS précise que pour les équipes de développement souhaitant évaluer les nouvelles fonctionnalités de DevOps Agent, ces deux fonctionnalités sont disponibles en préversion sans frais supplémentaires dans la région US East (Virginie du Nord). Les nouveaux clients bénéficient d’un essai gratuit de deux mois à compter de leur première tâche opérationnelle après la disponibilité générale. L’entreprise a précisé que chaque mois d’essai comprend jusqu’à 10 espaces agent, 20 heures d’investigations (réponse aux incidents), 15 heures d’évaluations (prévention des incidents) et 20 heures de tâches SRE à la demande (chat).

« Une fois ces limites épuisées, les clients sont facturés en fonction de leur consommation, les enquêtes, les évaluations et les tâches SRE à la demande étant chacune facturées 0,0083 dollar par seconde-agent », a ajouté la société. L’une des conditions préalables à l’utilisation de ces fonctionnalités de gestion des versions consiste à connecter au moins un dépôt GitHub ou GitLab à un espace DevOps Agent.