[Enquête] La responsabilité en matière d'IA en 2026

GitLab, la plateforme d'orchestration intelligente pour le DevSecOps, vient de publier son Rapport sur la responsabilité en matière d'IA, réalisé par The Harris Poll auprès de 1 528 professionnels DevSecOps dans six pays d'Europe, d'Amérique du Nord et d'Asie-Pacifique.

Cette enquête révèle qu'à mesure que les outils de codage alimentés par l'IA s'imposent comme une infrastructure standard, la question n'est plus de savoir à quelle vitesse les équipes peuvent générer du code, mais bien si elles sont réellement en mesure de contrôler ce qu'elles livrent en production.

Des chiffres clés au paradoxe de l'IA, en passant par les quatre piliers de la responsabilité en matière d'IA, voici ce que révèle notre enquête.

Pour accéder à notre rapport complet sur la Responsabilité en matière d'IA, cliquez ici. Vous souhaitez en savoir plus sur GitLab Duo Agent Platform ? Commencez par un essai gratuit.

La responsabilité en matière d'IA : définition

La responsabilité en matière d'IA est la capacité organisationnelle et technique à répondre à trois questions sur les workflows agentiques dans le cycle de vie logiciel :

• D'où vient le code ?
• Qu'est-il censé faire ?
• Qui en est responsable une fois en production ?

Bien que les outils de codage alimentés par l'IA aient été largement adoptés et que les gains de productivité soient réels, bon nombre d'organisations sont encore dans l'incapacité de répondre à ces questions. Les entreprises qui se démarquent aujourd'hui sont celles qui ont fait du contexte, de la traçabilité et de la gouvernance les fondations de leur approche.

L'IA tient ses promesses : le cycle de développement logiciel réinventé

L'adoption de l'IA n'est plus une expérimentation. 91 % des organisations utilisent activement au moins deux outils de codage alimentés par l'IA, et plus de la moitié en cumulent trois ou plus.

Cet investissement porte ses fruits, puisque 60 % des professionnels DevSecOps estiment que le retour sur investissement (ROI) des outils de codage alimentés par l'IA a dépassé leurs attentes. Les bénéfices se mesurent très concrètement sur le terrain, comme en témoignent les chiffres suivants : 78 % des professionnels font état d'une production de code plus rapide, et 73 % observent même une amélioration globale de la qualité du code livré.

Cependant, cette montée en puissance révèle un déséquilibre. 79 % des répondants s'accordent à dire que la productivité individuelle s'est améliorée grâce à l'IA, mais que le processus global de livraison logicielle n'a pas progressé au même rythme.

C'est ce qu'on appelle le paradoxe de l'IA.

L'IA a accéléré les étapes du développement logiciel les plus directement liées à l'écriture du code, tandis que la conformité, les scans de sécurité, le déploiement et la gestion des incidents n'ont pas bénéficié de cette même dynamique.

85 % des professionnels constatent eux-mêmes ce glissement, et 84 % estiment que le principal défi n'est plus d'écrire le code généré par l'IA, mais de le maîtriser une fois créé. Le constat s'étend même à la maintenabilité à long terme du code, puisque 82 % redoutent que ce code génère une nouvelle forme de dette technique à laquelle les organisations ne sont pas préparées.

Contexte et traçabilité, les nouveaux facteurs de différenciation

87 % des professionnels DevSecOps sont convaincus que leur équipe pourrait déterminer, en moins de 24 heures, si du code généré par l'IA a contribué à un incident en production. Pourtant, 34 % des organisations ayant subi un incident au cours de l'année écoulée n'ont pas été en mesure de le faire.

Ce décalage ne s'explique pas par un manque de savoir-faire, mais par les outils en place. Pour 43 % des équipes, l'un des principaux obstacles à la traçabilité complète du code est la capacité à distinguer la génération de code par IA du code écrit par un développeur. D'autres composent avec une chaîne d'outils fragmentés (40 %), ou des systèmes qui ne permettent pas de suivre l'origine ou l'intention du code (39 %). Dans les trois cas, le problème est structurel, et non individuel.

L'intégration demeure le chaînon manquant, puisque seuls 28 % des répondants déclarent disposer d'outils couvrant l'ensemble du cycle de développement avec des données et des workflows partagés.

Les entreprises capables de déterminer avec certitude l'implication du code généré par l'IA ont toutes un dénominateur commun : une revue de code active par les équipes sécurité ou DevOps (48 %), une journalisation, une surveillance ou des pistes d'audit qui retracent chaque modification du code (42 %), ou encore une expérience dans l'investigation d'incidents impliquant du code généré par l'IA (40 %).

La gouvernance, un impératif

La gouvernance reste le grand chantier inachevé de la responsabilité en matière d'IA. 92 % des professionnels DevSecOps font état de problèmes de gouvernance liée au code généré par l'IA, et 80 % reconnaissent que leur organisation a adopté des outils d'IA plus rapidement qu'elle n'a élaboré des politiques pour les encadrer.

Les organisations avancent, mais à des rythmes très différents : si les trois quarts des entreprises interrogées disposent d'un framework de gouvernance, seules 41 % ont formalisé une politique complète.

Cet écart a des conséquences directes. Là où la gouvernance est formalisée, 64 % des organisations font relire par des humains la majeure partie de leur code généré par l'IA (70 à 100 %), contre 50 % pour celles qui n'ont pas de gouvernance formelle. À l'inverse, sans règles claires, ce code alourdit la dette technique plus rapidement que les pratiques traditionnelles, comme le reconnaissent 86 % des répondants.

Le risque est désormais traité comme immédiat. 83 % des organisations voient l'accumulation de code généré par l'IA comme un risque à gérer dès maintenant, 44 % allant jusqu'à le qualifier de risque technologique majeur. Les investissements, eux, sont déjà engagés. 91 % envisagent d'investir dans des outils de gouvernance de code alimentés par l'IA au cours des 12 prochains mois, et 98 % ont déjà alloué un budget à cet effet ou envisagent de le faire.

La gouvernance du code généré par l'IA s'impose comme une composante à part entière du DevSecOps, au même titre que la sécurité.

Les quatre piliers de la responsabilité en matière d'IA

Quatre leviers fondamentaux distinguent les entreprises qui montrent la voie de celles qui cherchent encore à rattraper leur retard :

• Des outils intégrés qui préservent le contexte tout au long du cycle de développement logiciel.
• Une traçabilité qui relie chaque ligne de code, qu'elle soit écrite par un humain ou générée par l'IA, à son intention d'origine.
• Une gouvernance capable d'évoluer au rythme de l'adoption, associée à une revue humaine active.
• Une maintenabilité à long terme du code généré par l'IA, soutenue par la documentation et le contexte, même quand le volume augmente.

Ces leviers sont devenus des enjeux stratégiques. 85 % des professionnels estiment que la prochaine phase de l'IA dans le développement logiciel portera moins sur la génération de code que sur sa gouvernance.

Une proportion similaire va plus loin : les organisations incapables de suivre ou de gouverner ce code seront confrontées à des risques opérationnels et de sécurité croissants, à mesure que le développement logiciel agentique se généralise. Enfin, 86 % constatent qu'il crée déjà de nouveaux défis en matière de responsabilité pour les équipes de développement, de sécurité et d'opérations.

Contexte et traçabilité tout au long du SDLC avec GitLab

GitLab réunit l'intégralité du cycle de développement logiciel au sein d'un même système, pour que les organisations puissent répondre aux trois questions au cœur de la responsabilité en matière d'IA pour toute ligne de code : d'où vient-elle, quel est son objectif et qui en est responsable en production ?

La plateforme connecte nativement les tickets, le code, les merge requests, les pipelines, les risques de sécurité détectés et les déploiements au sein d'une plateforme unique, dotée d'un modèle de données commun. En parallèle, GitLab Duo Agent Platform met à disposition des équipes de développement des agents d'IA qui collaborent tout au long du cycle de développement logiciel (SDLC) : planification, build, sécurisation, déploiement, exploitation du code, etc.

Pour améliorer la performance de ces agents, GitLab vient de lancer GitLab Orbit (actuellement disponible en version bêta publique). GitLab Orbit alimente ces agents en indexant en continu l'ensemble du cycle de développement dans un graphe de contexte toujours à jour. Les agents raisonnent à partir de données structurées et complètes, ce qui augmente leur précision et leur efficacité. Plus besoin de jongler entre des outils et des informations fragmentés, le contexte est préservé à chaque étape du cycle.

« Les outils de codage alimentés par l'IA ont tenu leur promesse en matière de vitesse. Mais les événements survenus ces derniers mois (attaques de la chaîne d'approvisionnement logicielle, problèmes de fiabilité et renforcement des exigences réglementaires en matière de traçabilité et de provenance de l'IA) montrent clairement que la vitesse sans contrôle représente un risque, et non un avantage. Les équipes qui souhaitent prendre une longueur d'avance se posent déjà la vraie question : pouvons-nous réellement contrôler tout le code que nous générons ? Les organisations qui livreront des logiciels fiables plus rapidement sont celles qui posent dès maintenant les bases de la responsabilité, avec le contexte, la traçabilité et la gouvernance intégrés à la plateforme, et non ajoutés après coup », explique Manav Khurana, Chief Product and Marketing Officer chez GitLab.

Pour aller plus loin, téléchargez le Rapport sur la responsabilité en matière d'IA, ou découvrez dès maintenant GitLab Duo Agent Platform avec un essai gratuit.