AI CodeOps

Barrière de déploiement (deploy gate)

Mis à jour le

Une barrière de déploiement décide si un changement peut être livré dans un environnement. En quoi elle diffère d'une barrière de fusion, et les trois barrières de déploiement d'AI CodeOps.

Une barrière de déploiement est une vérification qui décide si un changement peut être livré dans un environnement donné, comme le staging ou la production. Elle s'exécute après la fusion du code, ou dans le cadre de l'étape de release, et peut arrêter un déploiement qu'une barrière de fusion aurait laissé passer.

Définition

Une barrière de fusion pose la question « ce changement est-il assez bon pour la branche principale ? ». Une barrière de déploiement pose une question plus étroite : « ce changement peut-il aller dans cet environnement maintenant ? ». Les conditions courantes sont des règles d'environnement (pas de déploiement automatique en production), un ordre de promotion (le staging avant la production) et un nouvel examen des vérifications du changement juste avant la release.

Pourquoi c'est important

La plupart des incidents commencent par un déploiement. Les règles de promotion interceptent la release qui a sauté le staging, et les règles d'environnement tiennent l'automatisation à l'écart des endroits où une erreur coûte le plus. Avec des agents IA qui produisent davantage de changements, il compte plus, et non moins, que l'étape de release vérifie les mêmes preuves que l'étape de fusion.

Dans AI CodeOps

AI CodeOps ne déploie pas sur votre infrastructure. Il soumet le changement à ses barrières, appelle votre webhook de déploiement et enregistre le déploiement. Il existe trois barrières de déploiement.

1. La barrière à la fusion. Lorsque vous fusionnez la pull request d'une session depuis la console, la barrière qualité s'exécute d'abord de nouveau. Des constats high ou critical ouverts, des tests en échec ou une revue inachevée arrêtent la fusion, et avec elle l'appel au webhook de déploiement.

2. Des règles de politique par environnement. Une règle release.deploy de la politique de l'espace de travail est rapprochée du nom de l'environnement. Celle-ci arrête les déploiements automatiques en production :

{ "id": "no-production-deploys", "action": "release.deploy", "resource": "production", "decision": "deny" }

Un déploiement refusé n'est jamais envoyé. Il est enregistré comme canceled, et sa ligne sous Release → Deployments affiche « not deployed » avec le motif. Ces règles ne peuvent qu'autoriser ou refuser ; elles ne peuvent pas attendre une approbation.

3. La promotion depuis la CI. Votre pipeline peut appeler POST /api/release/check avant de déployer, avec "requireDeployedTo": "staging". La livraison est refusée si le changement n'a pas déjà un déploiement réussi en staging :

Not yet deployed to "staging" — promote there before releasing

La réponse contient "priorEnvironmentMissing": { "required": "staging" }. Vérifiez allowed et faites échouer le job lorsqu'il vaut false.

Un déploiement envoyé par webhook reste in progress, car votre pipeline ne peut pas en renvoyer le résultat. Pour satisfaire la vérification de promotion, enregistrez à la main le déploiement en staging terminé (Record deployment, statut succeeded, avec son SHA de commit), et appelez la vérification avec ce commitSHA.

Questions fréquentes

AI CodeOps déploie-t-il mon code ?

Non. Il appelle un webhook de déploiement que vous définissez par projet, et c'est votre propre pipeline qui déploie. AI CodeOps ne détient aucun identifiant pour votre infrastructure.

Un déploiement peut-il attendre l'approbation d'une personne ?

Pas comme étape distincte. L'approbation a lieu plus tôt, sur le changement, avant l'ouverture de sa pull request. Les règles de déploiement ne peuvent qu'autoriser ou refuser.

Comment arrêter une release qui a sauté le staging ?

Appelez la vérification de livraison depuis la CI avec requireDeployedTo défini sur staging. Elle refuse un changement qui n'a aucun déploiement réussi en staging.