ActualitésActionsAtlassian annonce Code Context, intégrant la compréhension des bases de code dans le Teamwork Graph

Atlassian annonce Code Context, intégrant la compréhension des bases de code dans le Teamwork Graph

Auteur: Globalfintechseries·

Points clés

  • Code Context fournit un accès sécurisé au code source dans des environnements à grande échelle et multi-dépôts via le Teamwork Graph d'Atlassian.
  • Atlassian cible l'écosystème plus large des outils de codage IA, y compris les agents tiers tels que Cursor, Claude Code et Codex.
  • Atlassian indique que ses benchmarks internes ont montré des résultats 44 % plus précis et 48 % de tokens en moins lorsque les agents utilisaient le contexte du Teamwork Graph.
  • Code Context peut combiner le code avec des informations provenant de Jira, Confluence, Loom et de plus de 50 connecteurs.
  • La fonctionnalité est sensible aux permissions et conçue pour limiter les résultats à ce que chaque utilisateur ou agent autorisé peut voir.
Atlassian annonce Code Context, intégrant la compréhension des bases de code dans le Teamwork Graph

Atlassian Corporation, un fournisseur de logiciels de collaboration et de productivité d'équipe propulsés par l'IA, a annoncé Code Context, une nouvelle fonctionnalité du Teamwork Graph d'Atlassian qui offre aux développeurs, à Rovo et aux agents de codage un accès sécurisé au code source sur de vastes bases de code multi-dépôts. Cette initiative positionne Atlassian comme un fournisseur de contexte pour l'écosystème croissant des outils de codage IA — y compris des agents tiers comme Cursor, Claude Code et Codex — plutôt que de construire un assistant de code autonome, distinguant ainsi son approche de celle des concurrents principalement concentrés sur la génération de code dans l'éditeur.

Alors que les organisations adoptent de plus en plus d'agents de codage, l'efficacité de ces outils dépend de bien plus que de l'intelligence du modèle. Elle repose sur le contexte disponible avant toute action. Les agents de codage peuvent écrire, remanier et réviser du code, mais produire un résultat de qualité nécessite une compréhension approfondie du système de travail entourant une tâche donnée, ainsi qu'un accès au contexte tenant compte des permissions. Les connaissances organisationnelles — allant des décisions architecturales et de la stratégie produit aux discussions d'implémentation, aux compromis antérieurs et aux conversations qui expliquent le fonctionnement des systèmes — sont essentielle à ce processus. Cet écart entre les capacités du modèle et la conscience contextuelle constitue un défi récurrent pour les entreprises déploient des outils de codage IA à grande échelle, où les bases de code s'étendent sur des centaines, voire des milliers de dépôts.

Le Teamwork Graph d'Atlassian intègre désormais Code Context, créant une couche de contexte unifiée où la compréhension des bases de code à grande échelle et les connaissances organisationnelles convergent. Cela permet aux agents de raisonner à la fois sur le code et le travail de manière efficace, en produisant des résultats plus précis avec moins de tokens.

De la recherche de code à la compréhension de la base de code

Code Context génère une représentation sécurisée et interrogeable des bases de code connectées et rend ces connaissances accessibles dans tous les flux de travail de développement — des IDE et terminaux aux applications de codage IA, Jira, Rovo Chat et à l'écosystème Atlassian au sens large. Les développeurs et les agents peuvent utiliser la recherche exacte, les requêtes en langage naturel et la récupération sémantique pour localiser le code source pertinent dans plusieurs dépôts.

Via le CLI du Teamwork Graph, les agents de codage tels que Cursor, Claude Code et Codex peuvent ancrer leur travail dans les informations pertinentes avant de planifier, générer ou réviser du code. Sans Code Context, les agents sont généralement limités au code disponible localement sur la machine d'un développeur, risquant de manquer des détails d'implémentation, des dépendances ou des modèles d'utilisation résidant ailleurs. Cela peut créer un risque lorsque les modifications ne tiennent pas compte du système dans son ensemble.

Code Context permet également aux agents de combiner le code avec des signaux connexes provenant des éléments de travail Jira, des pages Confluence, des vidéos Loom et de sources tierces via plus de 50 connecteurs. Lors des benchmarks internes d'Atlassian, les agents enrichis par le Teamwork Graph ont fourni des résultats 44 % plus précis tout en utilisant 48 % de tokens en moins par rapport aux agents fonctionnant sans ce contexte.

Mark Walz, Directeur Technique de SpotOn, a déclaré : « Lorsqu'un agent part d'un mauvais point de départ, tout ralentit et coûte plus cher. Les développeurs finissent par expliquer où chercher, pourquoi le code fonctionne ainsi et ce qu'il impacte d'autre. Code Context met tout cela à la disposition de l'agent dès le départ, afin qu'il puisse se concentrer sur l'accomplissement du travail. »

Le moteur de contexte IA pour le développement logiciel

Code Context élargit la vision d'Atlassian d'un cycle de vie de développement logiciel natif IA dans lequel Jira ancre le travail, Confluence détient les connaissances, les pull requests capturent l'historique d'implémentation et le Teamwork Graph relie le contexte environnant. Les bases de code complexes à grande échelle font désormais partie de ce système connecté. Cette intégration tire parti de la présence existante d'Atlassian auprès des équipes d'ingénierie logicielle d'entreprise — Jira et Confluence sont déjà profondément intégrés dans les flux de travail de développement de nombreuses organisations — offrant à Code Context un canal de distribution naturel que les outils autonomes d'intelligence de code pourraient ne pas avoir.

Le Teamwork Graph croise, inter relie, déduit, indexe et pré-calcule en permanence les relations entre des milliards d'objets, construisant une carte unifiée de la manière dont tout est relié. Cela offre aux agents un chemin de l'hypothèse à la vérification, utilisant le contexte pertinent pour valider leur raisonnement avant d'agir. Au lieu d'examiner manuellement les dépôts ou de s'appuyer sur des connaissances informelles, les développeurs peuvent demander à Rovo comment fonctionne un système et obtenir des réponses fondées sur le code source connecté et le contexte organisationnel.

Pour les équipes d'ingénierie qui adoptent des agents de codage, Code Context réduit le temps passé à assembler manuellement le contexte. Les agents obtiennent un chemin plus direct vers les informations dont ils ont besoin avant de planifier, générer ou réviser du code. Les développeurs restent responsables de la compréhension des modifications et de la décision sur ce qui est livré.

Sanchan Saxena, Senior Vice Président et Directeur Produit pour Teamwork Collection chez Atlassian, a déclaré : « Les organisations qui réussissent le mieux avec l'IA ne sont pas seulement celles qui dépensent le plus ; ce sont celles qui lui fournissent le meilleur contexte avec le bon niveau d'accès. L'intelligence de pointe donne de la vitesse aux équipes. Le contexte oriente cette vitesse dans la bonne direction, la plus percutante. Nous constatons que la véritable accélération de la livraison logicielle provient de la combinaison des deux. »

Code Context est conçu avec la sécurité et la gouvernance à son cœur. Une fois activé, les résultats sont limités à ce que chaque utilisateur ou agent autorisé est autorisé à voir. L'objectif n'est pas d'accorder aux agents un accès illimité, mais de fournir le bon niveau d'accès via un système sécurisé et gouverné dans lequel les développeurs gardent le contrôle. L'accent mis sur l'accès tenant compte des permissions répond à une préoccupation majeure des entreprises évaluant les outils de codage IA, où l'exposition non restreinte des bases de code a été un obstacle à l'adoption dans les secteurs réglementés.