Jira.dev : l'IA comble (enfin) l'écart de productivité

Les chiffres sont là, et ils sont troublants. Selon une étude longitudinale menée par Atlassian avec DX (Developer Experience), l’utilisation de l’IA au sein des équipes d’ingénierie professionnelles a bondi de 65 % en un an. Pourtant, les gains réels de vélocité – mesurés en débit de pull requests et en cycles de livraison – plafonnent autour de 15 %, la plupart des organisations se situant plutôt aux alentours de 10 %.

Ce n’est pas un problème de modèle. Ce n’est pas un problème d’adoption. C’est un problème de contexte.

Mike Cannon-Brookes, co-CEO d’Atlassian, a résumé le constat dans un post LinkedIn qui a largement circulé après l’annonce :

« L’IA peut écrire du code vite. Mais les parties difficiles – décider quoi construire, comprendre le système qu’on modifie, savoir si ce qui revient est sûr à déployer – restent difficiles. Ce n’est pas un problème de modèle. La solution n’est pas d’ajouter plus d’agents dans plus d’endroits : c’est le contexte. »

– Mike Cannon-Brookes, Co-CEO Atlassian

La réponse d’Atlassian ne consiste pas à ajouter plus d’agents dans plus d’endroits. Elle consiste à donner aux agents le contexte vivant sur lequel une équipe opère déjà : le travail, le code, les personnes et les décisions.

C’est ce qu’Atlassian appelle le Teamwork Graph – une carte dynamique et interconnectée qui relie les tickets Jira, les pages Confluence, les pull requests, les conversations Slack et les décisions d’architecture. Quand un agent a accès à ce graphe, il ne travaille plus dans le vide.

Ces chiffres proviennent des tests internes d’Atlassian, qui a mesuré l’effet du Teamwork Graph sur ses propres agents avant le lancement public :

Jira.dev repose sur une philosophie claire du développement logiciel à l’ère de l’IA :

• L'intent structuré, pas le prompt libre : les agents ont besoin d'objectifs clairs, de critères d'acceptation et de contraintes. Jira devient le lieu où cet intent est formalisé et transmis aux agents.
• Pas de divergence de process : les agents opèrent dans les mêmes workflows que les humains, pas dans des silos parallèles. Jira reste le système de record pour les deux.
• Autonomie observable : les humains restent dans la boucle pour piloter et valider. L'autonomie des agents est réelle, mais toujours auditable et réversible via l'historique des sessions.

Atlassian a structuré les nouvelles fonctionnalités autour de trois axes : planifier, déléguer, gouverner.

Planifier

• Jira Planner (Early Access) : décompose les objectifs en spécifications techniques directement dans Confluence, avec des suggestions de dépendances et d'estimations.
• Jira for Slack : crée et met à jour des tickets riches en contexte directement depuis Slack via @Jira, sans repasser par l'interface.
• Prompts vidéo Loom : transforme un enregistrement d'écran (démo, bug report) en instructions structurées pour un agent.

Déléguer

• Agents dans Jira : des agents IA peuvent être assignés à des tickets et travailler dessus comme n'importe quel membre de l'équipe.
• Jira Coding Agent : prend un ticket, s'appuie sur le Teamwork Graph pour comprendre le codebase, écrit le code et ouvre une pull request. Inclus dans tous les plans payants.
• Suivi des sessions d'agent : une vue unique de l'avancement des agents sur l'ensemble des dépôts, pour savoir qui fait quoi et pourquoi.

Gouverner

• Automatisations agentiques : les règles d'automatisation Jira peuvent désormais déclencher des agents (correction de bugs, remédiation de vulnérabilités, génération de tests, documentation), pas seulement des actions simples.
• Modèle de projet Agentic Engineering : un assistant de configuration pré-rempli pour démarrer un projet pensé pour l'IA-native dès le premier jour.
• Rapport de coût IA (DX) : une vue unifiée des dépenses et de la consommation de tokens across les outils IA connectés, pour justifier le ROI auprès de la direction.

Le Jira Coding Agent est conçu pour s’intégrer avec les principaux outils de coding IA du marché :

Pour les équipes qui veulent scripter le Teamwork Graph dans leurs propres pipelines, Atlassian a fait passer le TWG CLI en accès général le 30 juin 2026. Cette interface en ligne de commande couvre désormais plus de 300 commandes pour explorer et interroger le graphe : personnes, projets, issues, décisions et signaux de fraîcheur sur les plateformes tierces connectées.

Depuis la bêta ouverte, Atlassian y a ajouté le support OAuth, des journaux d’audit, un contrôle granulaire des scopes et un self-service pour les administrateurs – de quoi l’intégrer dans des workflows CI/CD sans ouvrir l’accès à tout l’organigramme de travail.

Product Managers – Jira Planner structure les tickets mal rédigés automatiquement ; les décisions prises sur Slack sont capturées sans effort supplémentaire ; visibilité en temps réel sur ce que font les agents assignés.

Développeurs – délégation des tâches répétitives à des agents qui ont un vrai contexte codebase ; des pull requests déjà contextualisées avec l’historique du ticket ; moins de réunions de clarification.

Engineering Managers – audit complet des sessions d’agent ; coût réel de l’IA visible et pilotable via le rapport DX ; les agents respectent les mêmes workflows que l’équipe.

Équipes sécurité – chaque action d’agent est tracée et auditable ; les agents opèrent dans les permissions Jira existantes ; pas de shadow IT, tout passe par le système de record officiel.

Jira.dev est disponible dès maintenant, avec un Jira Coding Agent inclus dans tous les plans payants et une intégration directe à Claude Code, Cursor et GitHub Copilot (Codex à venir). Si vous êtes déjà client Atlassian, l’essentiel de ce qui change ne demande pas de nouveau contrat : cela demande d’activer les bonnes briques et de cadrer où l’autonomie des agents s’arrête.