Définir l’IA agentique dans SDLC
De nombreux développeurs utilisent déjà l’IA dans un modèle d’assistant familier. Un assistant répond à une invite, génère un résultat et rend le contrôle à l'utilisateur. Un agent va plus loin : il peut interpréter un objectif, décider des étapes intermédiaires, utiliser des outils et prendre des mesures à l’intérieur d’un flux de travail.
Cette différence importe parce qu’elle change l’IA d’un élément qui aide au développement en quelque chose qui participe au développement.
Dans cette unité, vous allez apprendre
Ce qui rend un système d'IA agentique dans un contexte de développement
Différences entre les systèmes basés sur les agents et les systèmes basés sur l’assistant
Comment le comportement de l’agent apparaît dans les flux de travail GitHub
Ce qui confère à un système d’IA son autonomie dans un contexte de développement.
Les systèmes basés sur l’assistant sont généralement réactifs :
Ils dépendent d’un utilisateur pour décider de ce qu’il faut faire ensuite.
Ils peuvent suggérer du code, expliquer la sortie ou résumer les modifications.
Ils ne font pas avancer le travail de façon indépendante dans un dépôt.
Les systèmes basés sur des agents sont pilotés par les objectifs :
Ils peuvent interpréter une tâche, développer une approche et prendre des mesures pour terminer.
Ils peuvent utiliser des outils (par exemple, l’API GitHub, les flux de travail CI ou les opérations d'écriture dans le dépôt) pour produire des résultats durables tels que des branches, des validations et des requêtes d'extraction.
Ils peuvent itérer en fonction des commentaires (vérifications, révisions, analyses).
Dans GitHub, ce modèle est souvent exprimé par le biais d’un flux de travail orienté autour des pull requests : l’agent propose des modifications sur une branche, ouvre une pull request et attend la révision et la validation avant la fusion de la modification.
Assistant et agent ?
Il se comporte comme un assistant quand il :
Produit des suggestions ou des explications
Ne prend pas d'actions de dépôt
Exige que l’utilisateur applique manuellement chaque étape
Un système IA se comporte comme un agent quand il peut :
Maintenir un objectif en plusieurs étapes
Décider des actions intermédiaires
Utiliser des outils
Créer ou modifier des artefacts durables (branche/commits/PR)
Itérer en fonction des signaux de retours
Comment le comportement de l’agent apparaît dans GitHub
Dans GitHub, le comportement de l’agent est visible via les mêmes structures que les développeurs utilisent déjà :
Branches et validations (ce qui a changé)
Requêtes de fusion (ce qui est proposé, pourquoi et pour révision)
Flux de travail et vérifications (quelles preuves existent)
Passer en revue les commentaires et les approbations (ce que les humains ont accepté ou rejeté)
Un agent ne remplace pas le flux de travail. Il entre dans le flux de travail en tant que participant.
Exemples d’implémentation
Comportement de l’agent (production de rapports PR) Une alerte de sécurité est effectuée. Agent :
- Crée une branche (par exemple, agent/bump-dep-2026-04-03)
- Met à jour une dépendance et un fichier de verrouillage
- Ouvre une pull request avec un résumé et un projet
- Attend les vérifications CI et examine les commentaires de révision, puis effectue les révisions si nécessaire.
Comportement de l’Assistant (suggestion uniquement) Vous demandez à un assistant : « Comment mettre à jour cette dépendance en toute sécurité ? » L’assistant donne les données suivantes :
un ensemble de commandes recommandées
une liste de contrôle des risques
modifications suggérées du code Vous créez toujours la branche et la pull request vous-même.
Dans l’unité suivante, vous allez examiner le cycle de vie qui régit la façon dont les agents planifient, agissent et évaluent.