Atlassian a étendu Jira pour permettre aux équipes d’ingénierie de planifier, d’assigner des tâches à des agents de programmation, de suivre leur exécution et de mesurer leur coût, tout cela depuis un seul environnement. La plateforme prend en charge Claude Code, Cursor et GitHub Copilot. Elle intègre également un agent propriétaire capable de générer des requêtes d’intégration de changements et prévoit une intégration directe avec OpenAI Codex.

Les clés du nouveau Jira pour le développement avec IA en 20 secondes

• Jira pourra assigner du travail à différents agents et indiquer quelles tâches sont bloquées ou en attente de révision.
• Teamwork Graph apportera un contexte provenant de Jira, Confluence, Slack et des repositories.
• L’agent propriétaire travaillera dans un environnement isolé et génèrera des pull requests.
• Atlassian mesurera également l’utilisation de tokens, la dépense et le coût estimé par changement de code.

L’entreprise cherche à répondre à une contradiction qui commence à apparaître dans les départements de développement. Les programmeurs utilisent de plus en plus d’assistants et d agents d’intelligence artificielle, mais cette augmentation ne se traduit pas par une amélioration équivalente de la capacité à livrer des logiciels.

Une étude longitudinale menée par Atlassian et DX indique que l’utilisation de l’IA par les ingénieurs a augmenté de 65 %, tandis que la vitesse moyenne de développement s’est améliorée d’environ 10 %, atteignant au maximum 15 % dans les organisations analysées. Ce sont des données issues d’une recherche sponsorisée par Atlassian, et non une mesure universelle du secteur, mais elles illustrent l’approche du nouveau Jira.

Le problème ne se limite plus à l’écriture de code. Avant de commencer, il faut comprendre ce qui doit être construit, revoir les décisions antérieures, localiser les dépendances et transformer une requête métier en exigences techniques. Ensuite viennent les tests, la revue de sécurité, la documentation, l’approbation et le déploiement.

Les agents peuvent générer du code rapidement, mais peuvent aussi interpréter une demande de façon trop littérale, ignorer une contrainte architecturale ou proposer une solution apparemment valide qui nécessite ensuite plusieurs heures de révision. Atlassian souhaite utiliser Jira comme couche de coordination entre les personnes et ces agents.

Jira ne se limite plus à enregistrer qui fait quoi

Depuis plus de deux décennies, Jira fonctionne comme un registre de bugs, d’histoires, de projets et de flux de travail. La nouvelle proposition étend cette fonction : un agent devient un participant auquel on peut assigner du travail, comme à un membre de l’équipe, tout en restant lié au ticket qui a déclenché l’action.

Les utilisateurs pourront confier des tâches directement à Claude Code, Cursor ou GitHub Copilot. L’intégration pour attribuer du travail à Codex sera disponible ultérieurement, mais Jira permet déjà d’ouvrir certains tickets dans l’application locale de Codex en chargeant préalablement les informations principales.

Jira Coding Agent constitue l’outil propriétaire d’Atlassian pour exécuter ce travail. Il peut lire le ticket, consulter les informations autorisées dans Jira et Confluence, accéder au repository choisi et travailler dans une session cloud isolée.

L’agent peut exécuter des commandes Bash ou PowerShell, modifier du code et envoyer ces changements à une branche. Il peut également créer une ébauche de pull request, mais ne peut pas fusionner lui-même. La revue et l’approbation finales restent entre les mains de l’équipe.

Ses permissions héritent de celles de l’utilisateur qui démarre la session. Il ne devrait pas pouvoir accéder à des informations Jira, Confluence ou repositories auxquelles cet utilisateur n’a pas droit. Atlassian précise également que chaque session clone uniquement le repository sélectionné dans l’environnement isolé.

Ce dispositif réduit certains risques, mais ne supprime pas la nécessité de revoir le code. Un agent peut introduire des vulnérabilités, modifier plus de fichiers que nécessaires ou produire des tests validant sa propre solution sans couvrir tous les cas critiques.

La visibilité des sessions vise également à éviter que le travail soit dispersé entre terminaux, conversations privées et outils déconnectés. Jira montrera quel agent a reçu une tâche, quelles actions il a réalisées et où une intervention humaine est nécessaire.

Teamwork Graph veut résoudre le problème du contexte d’entreprise

La pièce centrale de la proposition est Teamwork Graph, la couche par laquelle Atlassian relie tâches, documents, personnes, objectifs, code et décisions antérieures.

Un agent peut recevoir un ticket indiquant “corrige le processus de paiement”, mais cette phrase ne précise pas quels services interviennent, quelle décision a été prise il y a six mois, quelles exigences réglementaires s’appliquent ou quel composant ne doit pas être modifié. Une partie de cette connaissance est souvent dispersée entre Jira, Confluence, Slack, GitHub et des conversations internes.

Teamwork Graph cherche à fournir un contexte enrichi pour que l’agent comprenne la tâche avant de générer du code. Selon des tests internes d’Atlassian, les agents dotés de ces informations ont produit des résultats 44 % plus précis et utilisé 48 % de tokens en moins, comparé à des agents sans cette couche. Les chiffres proviennent d’évaluations internes et ne détaillent pas tous les modèles, dépôts et critères employés.

Jira Planner exploitera ces informations pour transformer des projets complexes en spécifications techniques structurées. Il pourra consulter la base de code, l’historique de Jira et Confluence, ainsi que le contexte de l’équipe, avant de créer un document dans Confluence que pourra examiner une personne ou un agent.

Cette fonctionnalité n’est pas encore généralisée. Atlassian a lancé une liste d’attente pour son programme d’accès anticipé. Les résultats devront être évalués dans des organisations avec documentation incomplète, projets anciens et repositories volumineux.

Jira pour Slack permettra de créer des tickets et d’assigner des tâches en mentionnant @Jira dans une conversation. Le système pourra transférer le contenu pertinent de la discussion vers l’élément de travail, synchroniser les nouveaux messages comme commentaires, et éviter que l’agent ait un résumé séparé de la conversation d’origine.

Loom sera utilisé pour transformer un enregistrement d’écran et une explication orale en instructions structurées. Un responsable pourra montrer une erreur, indiquer où elle se produit et décrire le comportement attendu. La plateforme extraira images, clics, liens et voix pour monter un plan qui pourra ensuite devenir des tâches Jira.

L’objectif n’est pas uniquement d’ajouter plus de données, mais de sélectionner celles qui sont pertinentes. Envoyer des documents complets à un modèle peut augmenter le coût, encombrer la fenêtre de contexte et compliquer la distinction des décisions importantes. La réduction de tokens annoncée par Atlassian dépendra de la capacité de Teamwork Graph à filtrer et relier correctement l’information.

Automatiser la détection d’erreurs, de tests et de vulnérabilités sans perdre le contrôle

Jira intégrera des agents dans son constructeur de règles d’automatisation. Une équipe pourra définir, par exemple, que certains erreurs simples, tests manquants ou tâches de documentation soient automatiquement envoyés à un agent.

L’agent opérera en arrière-plan et notifiera lorsqu’un pull request sera prêt à être révisé. Atlassian envisage également ce modèle pour supprimer des indicateurs de fonctionnalités obsolètes, corriger des vulnérabilités connues ou mettre à jour la documentation suite à un changement.

L’entreprise affirme avoir réduit jusqu’à 80 % le temps consacré à certaines tâches répétitives dans certains équipes Jira. Ces résultats sont internes, liés à des flux précis, et ne concernent pas nécessairement l’intégralité du cycle de développement.

L’automatisation peut augmenter le volume de modifications préparées, mais risque également de créer un goulet d’étranglement lors de la revue. Si plusieurs agents proposent des changements plus rapidement que l’équipe ne peut les examiner, cela peut accumuler du travail en attente et entraîner l’approbation de modifications sans analyse suffisante.

Atlassian cherche à rendre visible ce problème via une vue unifiée des sessions. Les responsables pourront suivre ce qui est en cours, ce que tel agent a arrêté, quelles modifications attendent une révision et depuis combien de temps.

L’entreprise propose également un rapport dans Atlassian DX pour relier les dépenses en Claude, Cursor, GitHub Copilot, et autres outils aux projets et résultats d’ingénierie. Le système estimera le coût IA par pull request et rassemblera la consommation de tokens, souvent répartie entre plusieurs fournisseurs.

Mesurer le coût par changement peut être utile, mais ne suffit pas à assurer la qualité. Un pull request bon marché qui introduit de la dette technique ou nécessite une révision approfondie peut être moins efficace qu’un autre plus coûteux mais apportant une solution robuste. Les entreprises devront combiner cette mesure avec les temps de cycle, les incidents, les revers et les résultats en production.

Ce qui est disponible et ce qui va arriver

Atlassian indique que les agents Claude Code, Cursor et GitHub Copilot, Jira pour Slack, Jira Coding Agent, les automatisations, les modèles et la vue de sessions sont déjà accessibles aux clients payants de Jira Cloud sans coût supplémentaire spécifique.

Les détails de support précisent que Jira Coding Agent requiert que les fonctionnalités IA soient activées, que des crédits Rovo soient disponibles, que GitHub Cloud ou Bitbucket Cloud soient connectés, et que l’édition soit compatible. “Sans coût supplémentaire” ne signifie pas un usage illimité ni une disponibilité automatique dans toutes les configurations.

Il est également important de distinguer la simple création d’un ticket dans l’outil et son attribution en tant qu’agent. Jira peut désormais lancer Codex, Claude Code, Cursor ou GitHub Copilot localement en chargeant le contexte du ticket. Cependant, l’intégration annoncée pour Codex en tant qu’agent assignable directement depuis Jira est encore en développement.

Atlassian souhaite faire évoluer le rôle historique de Jira en tant que registre du travail d’ingénierie vers un avantage pour la gestion des agents. Leur objectif n’est pas uniquement d’avoir le meilleur modèle de programmation, mais aussi de maîtriser le contexte, l’attribution, la supervision et la mesure de tous ces éléments.

Le succès dépendra de la capacité de Teamwork Graph à représenter fidèlement la réalité de chaque entreprise. Lorsque les tickets sont incomplets, la documentation obsolète ou les décisions clés uniquement présentes dans des conversations privées, l’agent hérite de ces problèmes.

Jira peut offrir un point de convergence pour les humains et les systèmes automatisés, mais ne remplace pas la nécessité de définir clairement les exigences, maintenir une connaissance fiable et réviser ce qui est déployé en production. La nouvelle étape d’Atlassian consiste précisément à faire en sorte que ces tâches, moins visibles que la génération de code, soient également intégrées dans l’automatisation.

Questions fréquentes

Quels agents de programmation Jira peut-il utiliser ?

Atlassian supporte Claude Code, Cursor et GitHub Copilot. Codex peut déjà s’ouvrir depuis un ticket avec contexte chargé, mais son attribution directe comme agent dans Jira sera disponible à une étape ultérieure.

Qu’est-ce que Jira Coding Agent ?

C’est l’agent propriétaire d’Atlassian pour générer du code à partir d’un ticket. Il fonctionne dans un environnement cloud isolé, peut créer une branche et ouvrir un brouillon de pull request, mais ne peut pas fusionner lui-même.

Que rajoute Teamwork Graph aux agents ?

Il relie tâches, documents, conversations, code, personnes et décisions afin de fournir un contexte d’entreprise. Atlassian indique que ses tests internes ont amélioré la précision et réduit la consommation de tokens.

Les nouvelles fonctionnalités ont-elles un coût supplémentaire ?

Atlassian les inclut dans ses plans payants compatibles, mais certaines nécessitent des crédits Rovo, l’activation de l’IA et une connexion à un repository. DX AI Cost Management est proposé aux clients d’Atlassian DX.