Comprendre l'architecture IA d'Atlassian

Rédigé par Admin | Jul 31, 2025 4:01:55 PM

Le vrai défi de l'IA, c'est la fragmentation

Les équipes en entreprise sont aujourd'hui entourées d'IA, et cela rend la vie plutôt difficile pour les dirigeants IT.

Certaines équipes non-techniques utilisent ChatGPT, Claude ou Gemini. Les développeurs comptent sur Cursor ou GitHub Copilot. Les outils métier comme Salesforce et Microsoft 365 intègrent leurs propres fonctionnalités IA, en concurrence avec les modèles. Certains employés agissent en électrons libres, choisissant leurs propres outils gratuits et exposant potentiellement des données confidentielles. Et bien sûr, tout le monde veut créer des agents et connecter autant de sources de données d'entreprise que possible.

Chaque outil apporte de la valeur, mais ensemble, ils créent une expérience fragmentée. Le contexte est souvent perdu, la gouvernance difficile, et les utilisateurs finissent par jongler avec les workflows au lieu de les repenser.

Atlassian a une approche particulière pour résoudre ce problème. Plutôt que de réinventer la roue, ils ont construit un stack IA modulaire qui se connecte à ce que vous utilisez déjà, tout en ajoutant une intelligence contextuelle profonde à partir de vos données Atlassian. Pensez-y comme à une colonne vertébrale IA : flexible, ouverte, et ancrée dans la façon dont vos équipes travaillent réellement.

Cet article explique l'architecture IA d'Atlassian en termes clairs et structurés, aidant les dirigeants IT et Transformation à comprendre comment des composants comme Rovo, Atlassian Intelligence et le Teamwork Graph interagissent et s'intègrent dans la stratégie IT et IA plus large de votre organisation.

La couche sémantique : ce qui différencie l'IA d'Atlassian

Les grands modèles de langage (LLM) fonctionnent par association statistique. Ils excellent à prédire le mot suivant, mais ne sont pas très doués pour vérifier les faits. C'est pourquoi ils "hallucinent".

Atlassian les ramène à la raison en introduisant une couche sémantique qui complémente le travail des LLM : le Teamwork Graph. Ce graphe fournit une représentation structurée des personnes, équipes, projets, incidents, contenus et relations de votre entreprise. Par exemple : Bob travaille sur l'incident ZEB-104 (qui fait partie de l’Epic ZEB-101), géré par Alice et référence la page "Stratégie de Refonte des Paiements" dans Confluence.

C'est la mémoire structurée de votre entreprise. Au lieu de deviner, l'IA s'appuie sur des faits, fournissant des réponses pertinentes, traçables et alignées sur votre travail réel.

Atlassian Intelligence : intégré, invisible, ancré

Atlassian Intelligence est la couche IA intégrée nativement dans Jira, Confluence, Bitbucket et JSM. Elle résume, automatise, interroge et rédige, alimentée par des modèles externes (Claude, GPT, Mistral, etc.) et ancrée par le contexte interne du Teamwork Graph.

Elle est intégrée là où le travail se fait : pas d'interface supplémentaire, pas de chatbot à apprendre. Cela signifie moins de friction à l'adoption, moins d'hallucinations, et un meilleur alignement avec les workflows réels de vos équipes.

Rovo : plus qu’un chatbot, votre coéquipier IA

Rovo est votre coéquipier IA. Il vous aide à trouver, synthétiser et agir sur l'information. Vous pouvez discuter directement avec lui, utiliser des agents prêts à l'emploi, ou créer les vôtres avec des outils low-code ou via Forge.

Rovo connaît la structure de votre entreprise grâce au Teamwork Graph. Il peut répondre à des questions comme "Qu'est-ce qui a changé la semaine dernière dans le Projet Phoenix ?" ou "Résume les trois dernières pannes", et déclencher des actions basées sur ces informations.

Il est aussi multi-modèles : Atlassian choisit le meilleur LLM pour la tâche (Claude, GPT, Gemini, Llama), vous n'êtes donc pas enfermé chez un seul fournisseur.

Rovo pour les développeurs : l'automatisation agentique rencontre votre terminal

Les Agents de Développement Rovo assistent tout au long du cycle de développement :

Code Planner : transforme les tickets Jira en plans techniques

Code Reviewer : vérifie les pull requests pour l'alignement et la qualité

Pipeline Troubleshooter, Deployment Summarizer, Feature Flag Cleaner : Ces agents réduisent l'effort manuel et la charge mentale dans les workflows de livraison logicielle ; et comme ils connaissent le contexte, ils n'agissent que sur ce qui est pertinent pour votre environnement.

Les développeurs peuvent aussi utiliser le Rovo Dev CLI, apportant l'IA directement dans le terminal. En 2025, ce CLI s'est classé n°1 sur le benchmark SWE-bench pour la résolution d'incidents du monde réel.

Cursor, Claude Code et Rovo Dev servent des objectifs différents mais complémentaires. Alors que Cursor et d'autres outils de style IDE excellent à assister dans l'éditeur de code, Rovo Dev le complète en offrant la génération de code dans le cadre d'un workflow de développement plus large et lié au contexte, qui s'étend de la planification Jira à la documentation Confluence et l'orchestration CI/CD.

MCP : le connecteur sécurisé pour les écosystèmes ouverts

Le Model Context Protocol (MCP) a été développé par Anthropic pour permettre des connexions sécurisées avec contrôle des permissions entre les LLM et les outils ou sources de données externes. Atlassian a été parmi les premiers grands fournisseurs à l'adopter.

Leur serveur MCP Remote permet maintenant de connecter votre instance Atlassian Cloud à des outils IA externes comme Claude ou Cursor, tout en appliquant les permissions et la gouvernance. MCP résout l’un des cauchemars des équipes sécurité : les outils IA accédant à des données qu'ils ne devraient pas voir.

Cela signifie que vous pouvez demander à Claude de résumer des tickets Jira ou mettre à jour des pages Confluence, et il n'accédera qu'aux données que vous êtes autorisé à voir.

MCP reflète la stratégie d'Atlassian : l'interopérabilité d'abord, pas l'enfermement propriétaire.

 

Résumé pour les lecteurs non-techniques

 

Composant

 

Ce qu'il fait

 

Analogie

 

Teamwork Graph

Connecte les personnes, projets et contenus

Le cerveau de votre organisation : sait qui fait quoi, avec qui, et pourquoi

Atlassian Intelligence

Fonctionnalités IA intégrées dans Jira/Confluence

Votre assistant intelligent : résume, automatise et clarifie le travail

Rovo

Coéquipier IA et constructeur d'agents

Un power user qui peut chercher, agir et faire le travail pour vous

Rovo Dev Agent / CLI

IA focalisée développeur pour planifier, coder et déployer

Un développeur junior qui travaille dans votre terminal et comprend votre stack

MCP

Pont sécurisé vers les outils externes comme Claude ou Cursor

Un point de contrôle de badge : assure uniquement l'accès autorisé aux données internes

 
 

 

Trois façons d'utiliser le stack IA Atlassian en détail

L'architecture IA d'Atlassian est conçue pour être modulaire et adaptable. Que vous soyez profondément investis dans les outils Atlassian ou que vous utilisiez d’autres outils IA, il y a une solution. Voici trois scénarios qui montrent comment construire des solutions spécifiques liées à votre contexte d’entreprise.

1. Tout-en-un Atlassian

Une équipe de développement d'une entreprise de logiciels de taille moyenne utilise Jira, Confluence et Bitbucket. Les développeurs opèrent principalement depuis le terminal, et l'entreprise veut que l'IA améliore la vélocité, la qualité du code et la cohérence opérationnelle.

En pratique, l'équipe utilise :

  • Rovo Dev CLI pour l'interaction directe en ligne de commande

  • Rovo Dev Agent pour gérer la planification, génération de code, débogage et déploiement

Les développeurs peuvent planifier des fonctionnalités, réviser le code et dépanner les pipelines, tout depuis leur terminal local. Rovo Dev Agent fournit des recommandations intelligentes et exécute des tâches, tout en s’appuyant sur les tickets Jira, la documentation Confluence et les dépôts Bitbucket.

Avantages :

  • Automatisation transparente et contextuelle pour les développeurs

  • Aucune configuration supplémentaire ou intégration d'outils externes requise

Ce scénario est idéal pour les organisations qui misent tout sur Atlassian et veulent un assistant développeur IA conforme et robuste, étroitement intégré à leur cycle de vie de développement logiciel.

2. Apportez-votre-propre-IA (Claude, ChatGPT...)

Une équipe produit utilise Claude depuis des mois déjà pour le brainstorming, la rédaction ou la synthèse de contenu. Elle utilise toujours Jira et Confluence mais ne veut pas remplacer ses outils IA existants car les utilisateurs y sont habitués et elle se connecte déjà à leurs autres systèmes.

En pratique, l'équipe utilise :

  • Claude comme front-end

  • MCP pour l'accès sécurisé à Jira/Confluence

Dans ce scénario, un utilisateur ouvre Claude, demande de résumer un ensemble de tickets Jira ou générer une mise à jour de statut de projet, et l'IA retourne des résultats contextuels basés sur les données Atlassian. L'interaction respecte les permissions et les politiques de gouvernance des données.

Avantages :

  • Friction minimale pour les équipes utilisant déjà Claude

  • La gouvernance d'entreprise est assurée par MCP

  • Donne accès aux données Atlassian sans nécessiter de changements complexes

Ce scénario est idéal pour les organisations avec leurs propres investissements IA qui veulent étendre en toute sécurité l'accès aux données Atlassian sans utiliser les front-end IA Atlassian.

3. Développement augmenté par IA dans les IDE (Cursor, VS Code)

Une équipe d'ingénierie logicielle travaille principalement dans des IDE modernes comme Cursor ou Visual Studio Code, utilisant des outils comme GitHub Copilot pour la génération de code en temps réel. Elle veut apporter le contexte Jira et Confluence dans ses workflows sans quitter ses environnements de développement préférés.

En pratique, l'équipe utilise :

  • Cursor ou VS Code intégrés via Remote MCP

  • Usage optionnel de GitHub Copilot pour les suggestions de code dans l'éditeur

Les développeurs travaillent dans Cursor ou VSCode avec un assistant IA qui peut référencer les tickets Jira ou résumer les pages Confluence directement dans l'IDE. Grâce à Remote MCP, ces assistants ont un accès basé sur des permissions au contenu Atlassian, assurant que les réponses sont pertinentes et respectant la gouvernance.

Avantages :

  • Les développeurs continuent de travailler dans leur IDE

  • Les infos Atlassian sont accessibles sans changement de contexte

  • MCP assure la conformité avec la gouvernance des données d'entreprise

Ce scénario est idéal pour les entreprises qui construisent des logiciels avec des IDE modernes intégrant l'IA mais s'appuient toujours sur Jira et Confluence comme “source de vérité”, et veulent les deux mondes connectés en sécurité.

Conclusion : l'adaptabilité comme stratégie

Il n'y a pas de configuration unique qui convient à tous quand il s'agit d'architecture IA. Le stack IA Atlassian a été conçu de manière modulaire, ce qui signifie que les clients peuvent :

  • Utiliser Rovo comme assistant entièrement intégré

  • Connecter des LLM externes via MCP pour une interaction flexible

  • Construire des workflows hybrides à travers outils et plateformes

La clé est de faire correspondre la technologie avec vos objectifs, qu'il s'agisse de productivité des développeurs, d'efficacité opérationnelle ou de conformité. Et avec l'architecture ouverte et respectant la gouvernance d'Atlassian, vous avez la flexibilité pour faire exactement cela.

Contactez-nous pour échanger sur la bonne solution pour atteindre vos objectifs.