Atlassian Extends AI Reach of Jira Into Agentic Engineering Workflows

Atlassian a étendu aujourd'hui le périmètre des tâches que l'intelligence artificielle peut automatiser directement depuis son logiciel de gestion de projet Jira, y compris l'assignation de travail à un agent de code IA.

Dans un premier temps, l'intégration de Jira avec les outils de code IA inclut Claude Code d'Anthropic, Cursor et GitHub Copilot, avec un support de Codex d'OpenAI à venir. Les équipes d'ingénierie peuvent aussi s'appuyer sur l'outil de reporting DX AI cost management pour unifier les dépenses et les données de tokens entre des outils tiers comme Claude, Cursor, GitHub Copilot et les projets Jira.

Par ailleurs, Atlassian embarque un Jira Coding Agent dans chaque plan payant, qui exploite le contexte fourni par Jira pour convertir des items en pull requests prêtes à relire, sans que les développeurs aient à monter un environnement de développement local. Dans le même temps, Jira Planner peut désormais puiser dans une codebase, dans Jira et dans le wiki Confluence pour définir des exigences et générer une spécification technique structurée, qu'un agent IA ou un développeur humain pourra ensuite utiliser pour construire une application.

Atlassian fournit aussi des points d'accroche supplémentaires entre l'interface en ligne de commande (CLI) de son Teamwork Graph et Jira, avec la possibilité d'automatiser n'importe quel processus métier via des agents de code invoqués depuis le constructeur de règles d'automatisation de Jira. Les équipes de développement pourront par exemple router en arrière-plan les corrections de bugs et les mises à jour, les ingénieurs étant notifiés lorsqu'une PR est prête à relire.

Il existe désormais un template de projet « Agentic Engineering » et un assistant de configuration guidé pour aider les équipes à mettre en place des projets « agent-ready » en quelques minutes, ainsi qu'une intégration plus étroite avec la plateforme de messagerie Slack de Salesforce.

Enfin, Atlassian a mis à jour Loom, son outil d'enregistrement vidéo, pour permettre de fournir aux agents IA des instructions structurées sur la façon d'exécuter une tâche. Loom capture vos écrans, clics, survols, liens et instructions vocales, et génère un plan d'action que vous pouvez partager avec n'importe quel agent ou transformer en items Jira « agent-ready » en quelques clics.

Ming Wu, responsable de l'ingénierie pour DevAI chez Atlassian, explique que Jira — déjà largement utilisé par les équipes DevOps — évolue en plateforme de gestion des workflows agentiques. Atlassian fournit en somme la couche de contexte qui permet aux agents IA d'automatiser des tâches de façon plus fiable, tout en réduisant au passage le volume total de tokens qui devrait autrement être consommé, ajoute-t-elle.

Mitch Ashley, vice-président et practice lead pour l'ingénierie du cycle de vie logiciel au Futurum Group, estime que la bataille du control plane pour le développement agentique s'est déplacée dans le système de record. Atlassian parie que la coordination des agents, la gouvernance et les preuves appartiennent là où le travail d'ingénierie vit déjà — une revendication que les éditeurs d'outils de code, eux, formulent depuis l'intérieur de l'environnement du développeur, ajoute-t-il.

Les responsables d'ingénierie font face à une décision d'architecture qui dépasse tout outil isolé, note Ashley : là où le travail des agents est assigné, gouverné et audité, c'est ça qui détermine quel fournisseur possède le substrat agentique.

Le degré d'adoption des agents IA variera naturellement d'une équipe à l'autre. La seule certitude, c'est que les agents IA seront bientôt embarqués de façon pervasive dans les workflows DevOps. Ce qui reste flou, en revanche, c'est la façon dont ces agents seront gouvernés et gérés.