SDLC sécurisé avec l’IA : que l’IA qui teste ne soit pas celle qui a écrit le code
Par Xavier Franco, CEO de Elternativa · Grupo Zemsania
· 6 min de lecture
Rédigé avec l’aide de l’IA et relu par Xavier Franco

Dans cet article
Il existe une règle que personne ne discute dans une entreprise sérieuse : celui qui fait quelque chose n’est pas celui qui le valide. La comptabilité est auditée par quelqu’un d’autre. Un paiement important est signé par deux personnes. Et pourtant, avec l’IA, nous acceptons exactement l’inverse : que le même outil qui écrit le code décide si le code est bon. Je pose donc une règle, que je résume ainsi : que l’IA qui teste ne soit pas celle qui a écrit le code.
Ce qu’est le SSDLC et pourquoi il redevient important
Le SDLC sécurisé (secure software development life cycle, SSDLC) est le cycle de vie du développement logiciel avec la sécurité à l’intérieur de chaque étape : dans l’exigence, dans la conception, dans le code, dans les tests et dans le déploiement. Ce n’est pas une phase à la fin, c’est une façon de travailler.
Avec l’IA qui écrit une bonne partie du code, le SDLC sécurisé revient au centre. Car le volume augmente beaucoup, et ce qui était relu calmement arrive maintenant à un rythme qu’aucune personne ne peut lire ligne à ligne.
En pratique : demandez à votre équipe quelle part du code intégré ce mois-ci a été écrite par une IA. Si personne ne le sait, vous avez déjà votre première tâche.
Ce que disent les données sur le code généré par IA
Veracode a publié en juillet 2025 une étude à garder en tête. Elle a analysé 80 tâches de programmation avec plus de 100 modèles de langage, et le code généré a introduit des vulnérabilités de sécurité dans 45 % des cas. En Java, le taux d’échec a dépassé 70 %. Et une donnée qui me semble la plus importante : les plus grands modèles ne faisaient pas significativement mieux que les petits.
Autrement dit, attendre le prochain modèle ne règle pas le problème. Le code écrit par une IA est, comme celui de n’importe quelle personne, du code qu’il faut vérifier.
Le rapport DORA 2025 va dans le même sens sous un autre angle : 30 % des professionnels disent avoir peu ou pas confiance dans le code généré par IA. Et il avertit que, sans systèmes de contrôle solides, comme des tests automatiques robustes, un contrôle de version mature et des cycles de retour rapides, un plus grand volume de changements conduit à plus d’instabilité.
Pourquoi la même IA ne peut pas se tester elle-même
Quand vous demandez à une IA d’écrire du code et, dans la même conversation, d’écrire ses tests, il se passe quelque chose de très humain : les tests confirment ce que le code fait déjà, pas ce qu’il devrait faire. Si le modèle a mal compris l’exigence, les tests héritent du malentendu et passent au vert.
C’est pourquoi « l’IA fait aussi les tests » ne suffit pas. Il faut que la vérification parte d’ailleurs :
- Des critères fixés avant de commencer, pas du code déjà écrit.
- D’une autre instance, qui n’a pas vu comment la solution a été raisonnée.
- D’une personne, qui décide si ce qui a été livré répond à ce qui était demandé.
En pratique : examinez une tâche récente réalisée avec l’IA. Si les tests ont été écrits dans la même session que le code, demandez-vous ce qui se serait passé si l’exigence avait été mal comprise.
Séparer qui écrit de qui vérifie
Voici comment nous le posons dans notre méthode, étape par étape :
- Exigence et plan. Chaque tâche naît avec son contrat et ses critères d’acceptation, fixés avant de commencer. Ce contrat est la référence de tout le reste.
- Développement. Une instance d’IA écrit le code.
- Tests. Ils sont exécutés par une instance différente de celle qui a écrit le code, avec une file de tests séparée. Celui qui exécute ne valide pas son propre travail.
- Revue et validation. Une personne valide la clôture en regardant le code, et la signature est enregistrée.
- PR et déploiement. L’IA ouvre la pull request et respecte votre Git et votre CI/CD, avec leurs contrôles habituels.
Ce n’est pas de la défiance envers l’IA. C’est la même séparation des fonctions que nous appliquons à tout processus qui compte.
Les tests, en langage métier
Un test que seul son auteur comprend n’est pas non plus un contrôle. C’est pourquoi j’aime que les cas de test soient écrits en langage métier, avec des scénarios du type « étant donné, quand, alors » que n’importe qui peut lire.
Ainsi, celui qui décide si quelque chose est valable n’a pas besoin de lire le code des tests pour savoir ce qui a été vérifié. Et chaque cas est lié à l’histoire et à la décision qui l’ont originé, avec son résultat enregistré comme preuve.
En pratique : demandez qu’on vous montre les cas de test d’une fonctionnalité critique. Si vous ne les comprenez pas sans aide, votre métier ne les valide pas.
Ce qu’on apprend reste comme règle
Quand un test trouve une défaillance, le plus facile est de la corriger et de continuer. L’utile est qu’elle ne se reproduise pas. Dans notre méthode, chaque erreur mesurée est conservée avec la défense qui la surveille : un test automatique, une vérification dans le code ou une contrainte dans la base de données. Et elle n’avertit que les rôles et les tâches qu’elle concerne.
Avec l’IA, cela compte plus que jamais, car une instance ne se souvient pas de ce qui s’est passé dans la tâche précédente. Si la leçon n’est pas dans le système, elle est perdue.
Par où commencer
- Mesurez quelle part de votre code l’IA écrit déjà.
- Fixez des critères d’acceptation avant chaque tâche, pas après.
- Séparez qui écrit de qui teste, même si les deux sont des IA.
- Faites valider chaque clôture par une personne, avec une signature enregistrée.
- Transformez chaque défaillance en règle qui se vérifie toute seule.
Comment nous vous aidons
Chez Agentic Data & Software Engineering, nous orchestrons les IA de développement que vous avez déjà sur tout le SDLC : chaque tâche avec son contrat et ses critères fixés avant de commencer, des tests exécutés par une instance différente de celle qui a écrit le code et une personne de votre équipe qui valide chaque clôture en regardant le code. Le code reste dans votre Git et respecte votre CI/CD.
Nous le faisons avec Agentagile, notre méthodologie pour développer avec l’IA : chaque livraison est testée et validée avec les mêmes règles, et rien n’avance sans l’accord de votre équipe.
Qui teste aujourd’hui ce que génère votre IA ?
Nous vous montrons en démo comment une instance écrit, une autre, différente, teste, et une personne de votre équipe valide chaque clôture en regardant le code.


