Pour activer GitHub AI Scan, vérifiez d’abord qui possède le dépôt et s’il est admissible. Confirmez ensuite que l’analyse du code est activée, que le paramètre AI Scan est effectivement actif et que le budget de facturation est défini. Un dépôt appartenant à une organisation hérite des contrôles de cette organisation ; l’administrateur du dépôt ne peut pas contourner un paramètre désactivé au niveau de l’organisation en activant simplement une option locale.
Commencez par un projet que vous gérez et une pull request classique dans le même dépôt, contenant des modifications prises en charge. N’introduisez pas volontairement de faille exploitable pour vérifier si le scanner la détecte. Confirmez la configuration effective de la fonctionnalité et examinez les résultats éventuels, tout en conservant votre processus habituel de revue humaine.
Mon dépôt est-il admissible à AI Scan ?
GitHub indique que la fonctionnalité est prise en charge pour les dépôts publics, avec des exigences de licence supplémentaires pour les dépôts privés ou internes appartenant à une organisation. Selon la documentation actuelle, les dépôts privés personnels ne sont pas admissibles. Les espaces de noms personnels des utilisateurs gérés sont soumis à des restrictions supplémentaires. Avant de dépanner l’interface, vérifiez la matrice actuelle des propriétaires et des niveaux de visibilité.
La présentation d’AI Scan explique le périmètre. L’absence d’un contrôle peut être due aux critères d’admissibilité ou à une politique, et non à un problème du dépôt.
Quels paramètres et quelles politiques doivent être activés ?
| Niveau | Éléments à vérifier |
|---|---|
| Enterprise, le cas échéant | La politique autorise les organisations à activer AI Scan |
| Organisation | AI Scan activé pour les dépôts admissibles |
| Dépôt | Analyse du code activée et statut AI Scan effectif autorisé |
| Dépôt public personnel | L’administrateur active le contrôle AI Scan dans l’analyse du code |
| Facturation | Les crédits inclus et les budgets d’utilisation facturée à l’usage autorisent l’analyse |
Consultez les instructions officielles correspondant à votre type de compte. Une allocation Enterprise ne suffit pas à activer la fonctionnalité, et son activation à l’échelle de l’organisation peut avoir un effet immédiat sur les dépôts admissibles.
Comment configurer l’utilisation avant de l’activer ?
Identifiez le compte responsable de l’utilisation et vérifiez les crédits Code Security AI disponibles ainsi que les limites budgétaires. Déterminez qui surveillera les dépenses et qui pourra ajuster le budget. Faites-le avant un déploiement à grande échelle dans l’organisation afin que les pull requests admissibles n’entraînent pas de dépenses inexpliquées.
Un budget qui empêche l’analyse est aussi une condition opérationnelle à consigner. Ne considérez pas l’absence de résultats comme la preuve qu’une modification a été évaluée.
Comment vérifier qu’une pull request entre dans le périmètre ?
Utilisez une PR classique provenant du même dépôt et contenant des modifications dans des langages pris en charge pertinents. Les pull requests provenant de forks et celles de Dependabot ne font pas partie du périmètre documenté. Vérifiez le paramètre effectif de la fonctionnalité et examinez les vues Conversation et Fichiers modifiés de la PR pour repérer les résultats signalés par l’IA.
L’absence de résultat est possible pour une analyse admissible. Cela ne prouve ni que le moteur a échoué ni que le code est sécurisé. La comparaison avec CodeQL explique la différence entre les signaux.
Que faire après un résultat utile ?
Examinez le chemin concerné et la correction proposée, apportez une modification ciblée si nécessaire, puis vérifiez le comportement concerné. Maintenez les revues requises et les contrôles existants applicables, car les résultats d’AI Scan ne bloquent pas les fusions. Le déploiement nécessite toujours le processus habituel de mise à jour et de récupération pris en charge.
Pour les applications PHP hébergées sur un NAS, suivez le guide de mise à jour Docker et le processus de vérification des correctifs à l’exécution afin de vous assurer qu’une modification approuvée de la source parvient bien au service que vous exploitez.
Foire aux questions
Dois-je choisir un modèle pour activer AI Scan ?
Non. La procédure d’activation documentée par GitHub ne nécessite pas de choisir un modèle d’inférence.
Un administrateur de dépôt peut-il l’activer si l’organisation le désactive ?
Non, pas pour un dépôt appartenant à une organisation dans le cadre de la politique documentée. Le paramètre effectif de l’organisation doit l’autoriser.
Une licence Copilot suffit-elle à rendre un dépôt admissible ?
Non. Vérifiez la propriété du dépôt, sa visibilité, les exigences de sécurité du code et les règles en vigueur. GitHub indique qu’une licence Copilot n’est pas requise pour AI Scan.
Un résultat sans problème sur une PR peut-il remplacer la revue ?
Non. Les résultats sont indicatifs et ne constituent pas des preuves de sécurité exhaustives ; maintenez une revue humaine adaptée et les contrôles existants applicables.
À lire également
- GitHub AI Scan expliqué : contrôles de sécurité pour les projets PHP, Shell et Docker
- GitHub AI Scan et CodeQL : comparaison de la couverture, des résultats et des contrôles de fusion
Sources
- Annonce officielle et documentation des modèles — github.blog
- Documentation technique et référence — docs.github.com
Couverture : image de l’annonce officielle de GitHub AI Scan. Source de l’image.
Assistance et conseils
Plus à lire

Comment vérifier la mémoire et les exigences d’exécution avant de lancer LFM2.5-24B-A2B
Vérifiez le format des poids LFM2.5-24B-A2B, la surcharge mémoire, les versions d’exécution, le contexte et la compatibilité des outils avant de tenter un déploiement...

Comment tester Granite Speech 5.0 avec des fichiers audio en anglais stockés sur votre NAS
Testez Granite Speech 5.0 avec un court enregistrement en anglais stocké sur votre NAS. Vérifiez la révision du point de contrôle, l’environnement d’exécution, la...

Comment préparer les fichiers et les autorisations pour un workflow Claude Duet
Préparez une tâche Claude Duet avec les fichiers sélectionnés, des comptes connectés aux accès limités, des brouillons séparés, des résultats vérifiables et un plan...

