Atlassian souhaite que les agents d’intelligence artificielle cessent de fonctionner comme des assistants isolés des développeurs pour devenir une partie intégrante du cycle complet de développement logiciel. La société a présenté de nouvelles fonctionnalités pour Jira et DX qui permettent d’assigner du travail à des agents, de leur fournir un contexte sur le code et l’organisation, de revoir automatiquement leurs modifications et de mesurer leur contribution. Certaines fonctionnalités sont encore en version bêta ou en accès privé, et ne font donc pas encore partie du produit disponible pour tous les clients.

Les clés des nouveaux agents Atlassian en 20 secondes

• Jira intègre des agent loops capables d’identifier des tâches et de les déléguer automatiquement à un agent de programmation.
• Code Context connecte des agents avec des informations provenant de plusieurs référentiels et du Teamwork Graph.
• Les équipes pourront définir des standards communs pour les développeurs et les agents.
• Un agent spécifique pourra réviser les pull requests avant leur validation humaine.
• DX mesurera l’utilisation, le coût, la qualité et la performance du développement assisté par IA.

L’annonce cible un des problèmes qui commencent à apparaître à mesure que des outils comme GitHub Copilot, Claude Code et d’autres agents de programmation gagnent en capacités : générer du code n’est qu’une partie du travail. Dans une entreprise, il existe également des exigences, une architecture, des incidents, de la documentation, des politiques internes, des revues, des référentiels et des responsables qui doivent finalement décider ce qui sera déployé en production.

Atlassian tente justement d’utiliser les informations accumulées par Jira et Confluence pour fournir ce contexte.

La société affirme, en se basant sur une étude concernant le cycle de vie du développement logiciel (SDLC) de 2026, que 94 % des responsables d’ingénierie interrogés utilisent l’intelligence artificielle, mais seulement 6 % disposent de systèmes pour l’étendre à l’ensemble du cycle de développement. Ce sont des données d’une étude menée par Atlassian elle-même, à interpréter dans ce cadre, mais elles illustrent la différence que l’entreprise souhaite combler avec ses nouveaux produits.

De une tâche Jira à une pull request générée par un agent

La fonction la plus remarquable s’appelle Agent loops dans Jira.

Au lieu d’attendre qu’un développeur ouvre un outil d’IA et lui indique quoi faire, Jira pourra maintenir un processus qui surveille en permanence le backlog à la recherche d’éléments suffisamment définis et non attribués.

Lorsqu’il en trouve un, il peut le déléguer à Jira Coding Agent.

L’agent exécute alors le travail, effectue les tests nécessaires et génère une pull request (PR) qui reste disponible pour révision.

Le flux proposé par Atlassian peut être résumé ainsi :

Phase	Responsable principal
Définition du besoin	Équipe humaine
Enregistrement et documentation de la tâche	Jira
Détection du travail disponible	Agent loop
Délégation de la tâche	Jira
Génération de la modification	Coding Agent
Exécution des vérifications	Agent / outils CI
Création de la pull request	Coding Agent
Revue des standards	AI Review
Révision et approbation	Développeur
Intégration du changement	Flux de développement de l’organisation

L’aspect important réside dans la dernière étape. Atlassian ne présente pas ce système comme un mécanisme permettant à un agent de publier des modifications en production de façon indiscriminée. Les développeurs continuent de réviser et d’approuver les modifications qui seront effectivement intégrées.

Ce qui diffère de l’usage habituel d’un assistant de programmation, c’est le point de départ du processus.

Aujourd’hui, le flux commence généralement par une intervention humaine : le développeur ouvre une tâche, rassemble des informations, initie une session avec l’agent, lui fournit du contexte et supervise le résultat.

Avec les agent loops, une partie de ce processus peut maintenant rester active en permanence.

L’objectif est qu’une organisation puisse passer de sessions individuelles avec l’IA à une file d’attente de travail où personnes et agents opèrent sur le même système de planification.

Code Context vise à résoudre le problème du contexte métier

Déléguer automatiquement une incident est relativement simple. Obtenir que l’agent comprenne comment la résoudre est beaucoup plus difficile.

Un ticket peut décrire précisément une erreur et manquer néanmoins d’informations essentielles sur l’architecture, les services connectés, les décisions antérieures ou les conventions internes.

C’est ici qu’intervient Code Context.

Cette nouvelle capacité utilise le Teamwork Graph d’Atlassian pour fournir à Rovo et aux autres agents de programmation des informations provenant de différents référentiels et de l’environnement de travail de l’organisation.

Selon Atlassian, cette fonction pourra être utilisée dès les premières phases du développement. Par exemple, un agent pourrait analyser une idée dans le backlog en tenant compte de l’architecture existante avant de générer un plan de mise en œuvre.

Elle peut également utiliser ce contexte pour explorer des erreurs ou rechercher des causes potentielles parmi plusieurs référentiels.

La différence est importante pour les grands projets. Une application d’entreprise ne réside que rarement dans un seul référentiel parfaitement documenté. Elle peut comporter un frontend, plusieurs services, des libraries internes, une infrastructure en tant que code et des composants partagés entre différentes équipes.

Atlassian accompagne Code Context de Agent Context Controls, qui sont des contrôles destinés à déterminer quels espaces de Jira et Confluence peuvent être accessibles par les agents.

Cela soulève une question que les organisations devront gérer à mesure qu’elles connectent davantage d’informations internes aux agents : donner plus de contexte peut améliorer leurs réponses, mais cela augmente aussi la quantité de données accessibles.

Les contrôles permettent de limiter cet accès à des éléments tels que des exigences, des décisions architecturales, des projets ou une documentation préalablement sélectionnés par les équipes responsables.

Les mêmes règles pour les humains et les agents

Une autre nouvelle fonctionnalité porte simplement le nom de Standards.

Son but est que les équipes de plateforme puissent définir des standards de programmation au niveau de l’organisation et les associer à certains référentiels.

Ces règles peuvent ensuite être partagées aussi bien avec les développeurs qu’avec les agents qui interviennent sur le code.

Par exemple, une organisation pourrait fixer des exigences concernant la structure du code, des modèles internes ou des pratiques de développement spécifiques, évitant ainsi de devoir répéter ces instructions à chaque session avec un agent.

La composante complémentaire s’appelle AI Review.

Atlassian prévoit d’utiliser un agent spécifique pour analyser les pull requests et les vérifier par rapport aux standards établis par la société. Si des problèmes sont détectés, ils seront signalés avant que le changement n’avance dans le processus.

Cela ne remplace pas nécessairement les outils traditionnels d’intégration continue, d’analyse statique, de tests ou de sécurité. Ce n’est pas non plus une garantie que le code généré soit correct ou sécurisé. Sa fonction est de rajouter une couche supplémentaire de revue basée sur des règles et le contexte fourni au système.

Pour les équipes de plateforme, cela peut s’avérer particulièrement intéressant, car l’un des défis de l’introduction de multiples agents IA est de maintenir une cohérence dans les critères.

Un développeur peut utiliser un agent avec des instructions précises, tandis qu’un autre équipe peut travailler avec un agent différent. Sans une couche commune, les politiques se dispersent entre fichiers de configuration, prompts, documentation et outils indépendants.

Atlassian cherche à intégrer ces standards au sein d’un système partagé de développement.

DX veut répondre à une autre question : l’IA améliore-t-elle réellement le développement ?

L’autre volet de l’annonce est moins axé sur la génération de code et davantage sur la mesure de ce qui se passe après.

DX for Agentic Development vise à relier l’utilisation des outils et agents d’IA à des indicateurs de performance, de qualité, d’adoption et de coût.

La plateforme regroupe des éléments tels que AI Code Insights, le suivi des outils et des serveurs Model Context Protocol (MCP), l’adaptation de différents modèles à chaque tâche, ainsi que des métriques sur l’expérience des développeurs.

Elle cherche aussi à établir un lien entre l’investissement total en IA et les résultats obtenus en ingénierie.

Atlassian cite une analyse récente de DX selon laquelle les équipes dont les outils IA disposaient de plus de contexte provenant d’Atlassian généraient environ 64 % de rendement supplémentaire par développeur. Il s’agit d’un résultat basé sur l’analyse interne de la société, qui ne doit pas être interprété comme une augmentation automatique de 64 % de la productivité de n’importe quelle équipe.

Jira intégrera également un Agent Usage Dashboard, un tableau de bord permettant d’observer l’utilisation des agents et de relier leurs sessions à des éléments précis de Jira.

Pour un responsable d’ingénierie, cela peut devenir aussi important que le propre agent lui-même.

Une entreprise peut utiliser simultanément plusieurs assistants de code, modèles via API, plateformes d’agents et serveurs MCP. Savoir combien de licences existent est relativement simple ; mais déterminer quelles outils interviennent réellement dans le travail, leur coût et si leur usage réduit les délais tout en maintenant la qualité est beaucoup plus complexe.

C’est l’objectif que souhaite atteindre Atlassian avec DX.

La société affirme que 94 % des responsables d’ingénierie de son étude utilisent déjà l’IA. Si le développement assisté continue de progresser vers des agents capables de travailler sur des périodes prolongées, la gestion pourra évoluer de la simple surveillance des utilisateurs humains vers la gestion aussi des identités, des permissions, des coûts et des actions effectuées par des logiciels autonomes.

L’annonce d’Atlassian reflète cette évolution. La prochaine étape, après le copilot qui attend des instructions, pourrait être un système dans lequel le backlog deviendrait également une file d’attente de travail pour des agents, avec Jira coordonnant qui effectue chaque tâche, tandis que les développeurs se concentrent sur la révision, la correction et la validation des modifications.

Pour l’instant, une grande partie de cette proposition doit encore faire ses preuves en dehors des démonstrations et des premiers clients.

Code Context est déployé progressivement en bêta ouverte auprès des clients payants d’Atlassian. Agent loops, Standards et AI Review restent en accès privé anticipé. Agent Context Controls et Agent Usage Dashboard seront disponibles en général pour les clients payants Jira dans les prochains mois.

DX for Agentic Development, quant à lui, devrait être accessible en version générale pour les clients d’Atlassian DX durant ce trimestre.

La différence entre ces phases est importante. Atlassian a présenté un système assez complet pour coordonner le développement réalisé par des humains et des agents, mais toutes les pièces annoncées ne sont pas encore disponibles en accès général aujourd’hui. Leur déploiement prévu dans les mois à venir permettra de vérifier si Jira peut passer du simple enregistrement du travail des équipes à la coordination aussi d’une partie du travail autonome des IA.