Atlassian Teamwork Graph : ce que les bêtas MCP et CLI changent pour les agents IA

La nuance est importante. Le MCP est la voie la plus orientée agents : il permet à des systèmes d’IA compatibles de demander du contexte connecté au moment de l’exécution. La CLI, elle, parle davantage aux développeurs : elle fait entrer les requêtes sur le graphe dans le terminal et les environnements de codage, y compris avec des outils comme Claude Code et Cursor, selon la couverture du lancement .

Ce que Teamwork Graph apporte aux modèles

Atlassian décrit Teamwork Graph comme la couche de contexte partagée derrière ses expériences d’IA. Les annonces de Team ’26 le présentent comme une carte vivante reliant personnes, projets, documents, décisions et travail à travers les outils Atlassian et des outils tiers, avec plus de 150 milliards de connexions . La page produit d’Atlassian indique aussi que les équipes peuvent connecter leurs agents au graphe pour récupérer du contexte issu de Jira, Confluence, Jira Service Management, Loom et d’outils tiers intégrés .

C’est là que se joue l’intérêt. Un grand modèle de langage peut lire et reformuler du texte, mais le travail en entreprise dépend souvent de relations : quelle page Confluence documente une décision, quelle issue Jira bloque une livraison, quelle équipe possède un sujet, quel ticket de support se rattache à un incident client. Teamwork Graph vise à rendre ces relations disponibles comme contexte structuré, plutôt que comme un empilement de documents copiés dans un prompt.

MCP : un accès plus sélectif pour les agents

Les outils MCP donnent aux agents d’IA une façon plus ciblée d’aller chercher du contexte dans Teamwork Graph. TechTarget rapporte que les outils MCP et CLI en bêta donnent aux agents de Rovo et de plateformes tierces un accès plus granulaire aux données de Teamwork Graph, y compris aux relations entre actifs de données, pour guider l’automatisation . SiliconANGLE rapporte également qu’Atlassian ouvre le graphe aux agents et outils externes via des outils Teamwork Graph fournis par le serveur MCP de Rovo .

Pour une entreprise, le changement clé tient à la sélectivité. Au lieu d’envoyer à un modèle de vastes résultats de recherche, des historiques entiers ou des lots de documents peu filtrés, un agent peut demander un contexte plus pertinent et plus relié. Plus le graphe reflète correctement le travail réel, plus cette couche de récupération devient utile.

CLI : le graphe dans le terminal

La Teamwork Graph CLI est l’accès pensé pour la ligne de commande. Le blog Team ’26 d’Atlassian indique que Teamwork Graph devient accessible à travers des agents utilisés dans le navigateur, sur mobile ou dans le terminal, et présente la Teamwork Graph CLI en bêta ouverte . SiliconANGLE rapporte que cette CLI comprend plus de 300 commandes et peut permettre à des agents de codage d’interroger le travail et les relations présents dans le graphe .

Pour les équipes logicielles, l’intérêt est assez concret. Avant de proposer une modification de code, un agent peut avoir besoin de comprendre les tickets Jira liés, les pages Confluence pertinentes, les dépendances de projet ou les responsabilités d’équipe. La CLI est conçue pour rendre ce contexte accessible dans l’environnement où beaucoup de développeurs travaillent déjà : le terminal .

Pourquoi cela peut réduire les coûts en tokens

Dans les modèles d’IA, les tokens sont les unités de texte traitées et souvent facturées. La logique économique d’Atlassian ne repose donc pas sur une compression magique, mais sur une récupération plus précise du contexte.

TechTarget rapporte que les outils MCP et CLI en bêta doivent réduire les échanges de données bruyants entre agents en leur donnant un accès plus fin au contexte de Teamwork Graph . Atlassian affirme aussi, d’après ses propres benchmarks, que l’ancrage des réponses dans les données de Teamwork Graph a produit des résultats 44 % plus exacts tout en utilisant 48 % de tokens en moins .

Le mécanisme est simple : si un agent peut récupérer uniquement l’issue, la page, le propriétaire, la décision, la dépendance ou la relation utile, il n’a pas besoin d’envoyer autant de texte non pertinent au modèle. Cela peut réduire les prompts trop volumineux, qui sont une source fréquente de coût et de latence dans les workflows d’IA d’entreprise .

La prudence reste nécessaire. Les gains de 44 % sur l’exactitude et de 48 % sur les tokens sont des résultats de benchmarks communiqués par Atlassian, pas des garanties universelles . Les économies réelles dépendront de la couverture du graphe, de la qualité des données, des modèles utilisés, des réglages de récupération et de la façon dont chaque organisation intègre MCP ou la CLI à ses agents.

Ce que les entreprises devraient vérifier pendant la bêta

Ces accès étant présentés comme bêta ou bêta ouverte, mieux vaut les tester sur des cas internes avant d’en déduire des économies massives . Les bonnes questions sont très opérationnelles :

• Le graphe couvre-t-il vraiment les sources dont vos agents ont besoin, notamment Jira, Confluence, Jira Service Management, Loom et vos outils tiers intégrés ?
• Les agents qui passent par MCP récupèrent-ils un contexte plus pertinent que vos recherches ou pipelines de retrieval actuels ?
• Les mesures de tokens montrent-elles des prompts plus courts sans baisse de qualité des réponses ?
• Les exigences de sécurité, de contrôle d’accès et d’audit sont-elles suffisantes pour des agents capables de rechercher, raisonner et agir à travers plusieurs outils ?
• La CLI apporte-t-elle une valeur réelle dans les workflows de développement, en particulier lorsque des agents de codage ont besoin de contexte projet et de dépendances ?

À retenir

Atlassian ouvre Teamwork Graph aux agents d’IA par deux chemins en bêta : des outils Teamwork Graph via le serveur MCP de Rovo et la Teamwork Graph CLI . L’idée stratégique est de rendre les agents plus utiles en leur donnant accès à un graphe de contexte reliant équipes, projets, documents, décisions et travail associé, plutôt qu’en bourrant les prompts de contenu d’entreprise peu filtré .

La promesse économique — moins de tokens gaspillés et de meilleures réponses — est plausible, mais elle devra être validée environnement par environnement . Pour les organisations déjà fortement équipées en outils Atlassian, c’est surtout une nouvelle façon de brancher leurs agents sur le contexte réel du travail.