Identifier la prochaine phase du développement logiciel comme intelligence artificielle agentique toujours active, Atlassian plc a annoncé aujourd'hui un nouvel ensemble de fonctionnalités Jira à venir pour aider les équipes d'ingénierie à exécuter des agents IA à grande échelle tout en régissant les actions sur de longues périodes.
À mesure que les équipes d'ingénierie d'entreprise commencent à adopter davantage d'agents, elles ne se contentent pas de faire évoluer les agents pour qu'ils effectuent davantage de travail : elles les font travailler plus longtemps et sur davantage de parties du cycle de vie du développement logiciel. Selon Atlassian, permettre aux agents de travailler avec une supervision moins fastidieuse du début à la fin comporte des réserves en raison de la confiance, de l'ancrage, du contexte partagé, de la communication, de la mémoire institutionnelle et de la validation.
Pour résoudre ce problème, la société publie des mises à jour qui régissent l'activité des agents, définissent des normes d'action, examinent les agents IA en mouvement et valident leur utilisation pour garantir que tout fonctionne.
Selon Atlassian, les agents échouent parce qu'ils n'ont pas une bonne vision de l'architecture des projets, des décisions et des normes. Ainsi, la ligne de départ les fonde sur un meilleur contexte, et l’entreprise appelle cela Code Context. Il est construit avec Teamwork Graph de la société, qui fournit aux agents de codage des informations sécurisées sur des bases de code complexes et multi-référentiels.
Ceci est combiné avec les paramètres de l'espace d'agent et les contrôles de contexte d'agent pour déterminer où les agents peuvent opérer, ce qu'ils peuvent voir et ce qu'ils peuvent faire. Permettre à une équipe et à la direction de les contrôler en toute sécurité de la même manière qu’ils contrôlent l’accès des employés.
L’idéal d’un agent IA est qu’il ne soit pas un chatbot. Il peut s'exécuter automatiquement, sans plus le demander de manière itérative. Cela signifie qu'il peut fonctionner seul pendant des heures ou des jours, s'activant lorsque le travail doit être effectué et s'enregistrant.
Atlassian a introduit AutoDev, un système qui analyse les retards de travail et les transforme en demandes de fusion de code dans Jira, un système de normes qui conforme le code et un agent dédié qui examine les demandes de fusion par rapport aux normes pour signaler les problèmes. Enfin, lorsque tout roule, un agent DevDocs génère ou met à jour automatiquement la documentation technique dans Confluence directement à partir des référentiels de code afin que la documentation ne soit pas à la traîne.
Automatique mais pas invisible
Tout cela ne se produit pas dans le noir ; la validation s'accompagne de transparence. Comme il n'existe pas de manuel de jeu ou de norme industrielle parfait, mais que les meilleures pratiques sont encore en cours d'élaboration, Atlassian propose des outils de responsabilité et de visibilité en back-end pour en assurer le suivi.
Chaque fois que les agents s'exécutent, ils génèrent un journal d'audit avec des diagnostics qui permettent au système d'afficher et de mesurer l'impact de l'IA en termes de débit, de qualité, d'adoption et de coût. Il permet aux équipes de comprendre les dépenses liées aux logiciels au fur et à mesure de leur livraison. Il comprend également un tableau de bord d'utilisation des agents IA qui montre qui utilise les outils, comment ils sont utilisés et les résultats au niveau de l'équipe.
Atlassian a déclaré que l'idée est d'aider les équipes à cesser d'utiliser uniquement des outils de codage de premier plan et à travailler avec des agents toujours actifs qui prennent le relais en s'exécutant en arrière-plan pour automatiser l'ingénierie fastidieuse. Actuellement, les équipes expérimentent ces outils de manière ponctuelle, mais ne disposent pas d'une bonne bibliothèque pour les gouverner, les connecter ou les comprendre.
