Tech Show Paris : 6 tendances DevOps à retenir pour 2026

Introduction : vers la redéfinition du DevOps ?

Une édition marquée par l’IA, la gouvernance et un métier du DevOps qui évolue. Le Tech Show Paris 2025 s’est déroulé les mercredi 05 et jeudi 06 novembre 2025.

Nous verrons ensemble les tendances marquantes du salon, en commençant par un constat d’introduction à cet article : le DevOps n’est plus seulement un ensemble de pratiques ayant pour but de tout automatiser perpétuellement. Il devient une stratégie d’entreprise, structurée par la gouvernance, par la donnée, par l’intelligence artificielle… et par la nécessité de faire mieux avec moins.

Cette année, la track DevOps Live Paris a été particulièrement riche : IA, FinOps, observabilité, DevSecOps concret, culture technique, pipelines intelligents…

Voici six tendances majeures du salon : celles qui ressortent le plus et qui font évoluer notre vision du DevOps.

L’IA devient un acteur du pipeline : l’émergence du DevIAOps

L’IA par ci, l’IA par là. Si vous ne croyez pas en l’intelligence artificielle, le Tech Show de cette année n’était clairement pas fait pour vous. L’IA pour la 3^ème année consécutive a dominé tous les sujets, du datacenter au développeur.

Les talks qui ont abordés ce sujet :

• “DevOps augmenté par l’IA : accélérer sans perdre le contrôle” 
• “Du DevOps au DevAIops : quel rôle pour les agents intelligents ?” 
• “Comment Atlassian utilise l’IA pour transformer l’IT” 
• “Deep Agents MCP : vers une IA qui comprend vos systèmes” 

Qu’est-ce que l’on doit en retenir ?

L’IA intervient désormais dans toutes les étapes de la boucle DevOps par l’intermédiaire d’outils propriétaires.

Planification (Plan)

« Rovo » (Atlassian) : l’IA lit la documentation, relie les tickets, suggère les priorités, gère les tickets les plus simples…

Code (Code)

« Copilot » (Microsoft), Tabnine, Codeium… l’IA aide, simplifie le travail des développeurs, propose des améliorations, corrige les failles/erreurs et documente même le code à notre place.

Build (Build)

Docker AI, BuildBuddy, Copilot Workspace génèrent ou optimisent les Dockerfile, réduisent les couches, accélèrent les dépendances.

Tests (Test)

Harness AI Test Intelligence, SonarQube AI, Testim.io apprennent du passé afin de générer automatiquement de nouveaux tests.

Realase & Deploy (Realase / Deploy)

L’IA recommande un créneau de déploiement, évalue le risque, rédige les release notes, et demain… déclenchera seule un déploiement canari. Cette étape est encore peu mature et nécessite l’intégration agentique de l’IA.

Exploitation & Monitoring (Operate / Monitor)

Dynatrace Davis AI, Datadog Watchdog, Elastic AI Assistant (détection proactive, analyse multi-signal, remédiation automatique).

Quel impact cela a-t-il sur le DevOps ?

Le DevOps grâce à l’intégration de l’IA dans la boucle gagne du temps, certes, mais il gagne surtout un partenaire intelligent. Nous entrons dans une logique d’agents spécialisés, et le DevOps devient celui qui les guide, les contrôle, les orchestre.

L’observabilité devient un outil de gouvernance (et de réduction des coûts)

Les conférences Tsuga et CBTW ont été parmi les plus différenciantes.

Elles ont mis en lumière un problème connu de toutes les grosses organisations : les systèmes sont devenus trop complexes pour être “observés” à la main.

Lors de la table ronde : “Repenser l’observabilité face à l’explosion des volumes et des coûts”, quatre problèmes sont remontés :

1. Les volumes de données explosent (microservices, Kubernetes, multi-cloud).
2. Les coûts sont devenus imprévisibles.
3. L’utilisation de solutions SaaS se multiplient, impliquant de nouvelles entrées de données.
4. L’approche self-service (plus de dashboards, plus d’accès, plus de métriques) a fini par engloutir les budgets.

L’observabilité tend à devenir un outil de gouvernance et un système de pilotage via l’utilisation de plateformes modernes qui vont :

• corréler automatiquement les métriques
• identifier les causes racine
• détecter les anomalies dites « multi-signaux »
• prioriser les alertes selon l’impact business (grâce à une connaissance global du contexte)
• effectuer des recommandations d’action
• anticiper les dérives des coûts

Le DevSecOps s’impose enfin comme une pratique réelle, et non un slogan

Deux conférences ont imagé ce thème :

• “DevSecOps sans le buzz : industrialiser la sécurité sans ralentir”
• “0 CVE dans vos containers : et si c’était possible ?” par Chainguard

Le DevSecOps devient pratique :

• Images durcies systématiquement
• SBOM générés automatiquement
• Scaning automatique à chaque commit
• Signatures d’origine vérifiées
• Politique de dépendances propre
• Automatisation de la remédiation
• Supply chain logicielle surveillée

La sécurité n’est plus « ajoutée » au pipeline, elle y est désormais intégrée dès sa conception. Le DevOps ne choisit plus entre vitesse et sécurité, les deux progressent ensemble.

Le FinOps entre dans la CI/CD : gouvernance des coûts et normalisation multi-cloud

Le multi-cloud crée du chaos… que le FinOps doit résoudre

La conférence “FinOps et DevOps : développement piloté par les coûts dans un monde cloud-économique” a mis en évidence un virage majeur : le FinOps n’est plus une pratique à part, c’est désormais un composant du pipeline.

Les entreprises cherchent à reprendre le contrôle de leurs dépenses cloud, mais l’enjeu n’est pas seulement financier : c’est devenu un problème de gouvernance, en particulier dans les environnements multi-cloud.

Chaque fournisseur cloud utilise ses propres :

• Nomenclatures,
• Métriques,
• Modèles de coûts,
• Règles de facturation,
• Unités (vCPU, compute unit, E2, N2, VM families…).

Ce qui provoque une facture illisible, des environnements impossibles à comparer, des décisions difficiles à automatiser et un suivi des coûts souvent… décorrélé de la réalité.

Créer une gouvernance unifiée : la réponse observée au TechShow

De nombreuses organisations se tournent vers une stratégie claire dont les piliers sont les suivants :

Normaliser les nomenclatures produites

Pour commencer, il s’agit d’établir une base commune permettant de parler le même langage entre clouds :

• Harmoniser les noms de services entre clouds (Compute, Storage, Networking),
• Créer des tags cohérents,
• Adopter un schéma unique pour tous les environnements.

Construire des modèles de coûts comparables

Ensuite, l’objectif est de rendre la comparaison possible entre des offres hétérogènes :

• Abstraire les prix réels pour les traduire dans un référentiel commun,
• Rendre lisibles les différences réelles entre AWS, Azure, GCP, OVH, etc.

Centraliser les décisions FinOps dans le pipeline

Enfin, la clé consiste à rapprocher les décisions budgétaires des actions techniques :

• Intégrer la prédiction de coûts dans les actions CI/CD,
• Déclencher des alertes ou suggestions avant un déploiement,
• Choisir le “bon cloud” selon la charge, la région ou le budget.

Deux approches selon la taille de l’organisation

Le Tech Show a également mis en avant deux écoles :

• les grandes entreprises développent leurs propres solutions FinOps maison répondant aux problématiques mentionnées ci-dessus.
• les organisations plus petites s’appuient plutôt sur des solutions SaaS (CloudHealth, Apptio, Economize, Cast.ai, ProsperOps…) car elles offrent une vision unifiée sans nécessiter une équipe dédiée et simplifient la standardisation et la prédiction des coûts.

Ce que cela signifie

La maîtrise du coût devient un critère à prendre en compte dans les pipelines CI/CD.

On ne déploie plus une feature seulement parce qu’elle “passe les tests”, mais parce qu’elle :

• Respecte un coût cible,
• N’explose pas le budget d’une région cloud,
• S’exécute sur l’infrastructure la plus optimisée.

Le FinOps n’est plus un audit mais une décision en temps réel, intégrée au DevOps. Ainsi, le DevOps devient acteur du pilotage économique, au même titre que la performance ou la sécurité.

Le rôle du DevOps change : d’automaticien à orchestrateur d’intelligences

Ce fut un thème récurrent lors du techShow mentionné dans les conférences ci-dessous :

• “Culture DevOps : au-delà de l’architecture”
• “Favoriser l’innovation des développeurs”
• “Les inefficiences cachées qui tuent votre delivery”

Les signaux du salon concernant la maturité développée ces dernières années montrent que le nombre d’outils DevOps s’est énormément alourdi, avec toujours plus d’automatisation rendant les pipelines toujours moins lisibles.

Avec l’arrivée des agents IA, ce n’est plus soutenable car la valeur n’est plus dans l’exécution technique mais dans la cohérence, la gouvernance et la décision.

Le DevOps devient donc :

• Un coordinateur d’outils et d’agents
• Un chef d’orchestre
• Un gardien de la culture technique
• Un arbitre entre vitesse, sécurité, coûts et risques

Il passe moins de temps à “faire” et plus de temps à piloter.

L’infrastructure durable et intelligente rebat les cartes du DevOps

Même si les conférences datacenters ne sont pas dans la track DevOps, elles impactent directement le métier.

On a parlé de :

• Refroidissement liquide,
• Récupérations de chaleur fatale,
• Consolidation intelligente,
• IA pour piloter l’énergie,
• Edge computing,
• Infrastructures IA-ready,
• Modularité des datacenters.

Chacun des points évoqués lors du techShow mériteraient un article à eux seul. Mais alors quel est le rapport avec le DevOps ? Pourquoi je le mentionne dans mon article ?

Pour développer une vraie culture de l’impact, il faut accepter que nos pipelines n’évoluent plus dans un environnement purement logiciel. Les infrastructures deviennent plus durables, plus intelligentes, mieux optimisées et largement monitorées.

Dans ce contexte, les pipelines doivent eux aussi intégrer des contraintes physiques beaucoup plus présentes. Le DevOps devra comprendre où l’énergie coûte cher, comment une charge peut influer sur le refroidissement et rendre une région cloud plus ou moins efficace, et prendre en compte l’impact désormais majeur des workloads IA sur la consommation et la saturation des environnements. La performance ne se joue plus uniquement dans le code, mais aussi dans l’énergie, la physique et la réalité des infrastructures qui exécutent nos systèmes.

Le DevOps s’élargit au monde réel et doit désormais intégrer le GreenOps à sa démarche.

Conclusion : un DevOps plus mature, plus conscient… et en transition vers le DevIAOps

Cette édition 2025 confirme une transformation profonde du DevOps :
La discipline quitte le registre purement technique pour devenir une fonction stratégique, à la croisée de l’IA, de la gouvernance, de l’énergie, des coûts, de la sécurité et de l’humain. Les pipelines gagnent en intelligence, les infrastructures deviennent autonomes et les outils se transforment en agents.

Dans ce contexte, le rôle du DevOps change lui aussi : il passe progressivement d’exécutant à orchestrateur, puis d’orchestrateur à chef d’équipe hybride, où humains et agents IA collaborent dans un même écosystème.

Autrement dit, le DevOps glisse naturellement vers un rôle de DevIAOps, capable de piloter des intelligences spécialisées plutôt que d’écrire chaque automatisation à la main.
Ce changement n’est pas anecdotique : c’est la prochaine étape logique de la discipline.