Si votre équipe utilise Jira, vous connaissez ce sentiment. Vous êtes submergé par un océan de tâches répétitives, de mises à jour manuelles et de gestion interminable de tickets. L'automatisation par l'IA semble être la bouée de sauvetage parfaite, et la réponse d'Atlassian est Rovo, une couche d'IA élégante conçue pour rationaliser les flux de travail directement au sein de son écosystème.
Mais comment est-ce réellement de l'utiliser au quotidien ?
Cet article vous offre un aperçu honnête et pratique de l'utilisation de Rovo AI dans les Règles d'automatisation. Nous aborderons ce qu'il fait bien, les obstacles surprenants que vous pourriez rencontrer et comment il se compare à des plateformes d'IA plus flexibles, conçues pour la réalité complexe du support moderne.
Qu'est-ce que Rovo AI dans les Règles d'automatisation, exactement ?
Pensez à Rovo comme l'assistant IA intégré d'Atlassian qui fonctionne à travers Jira, Confluence et d'autres applications que vous avez connectées. Il est conçu pour dénicher des informations, générer des résumés et, plus important encore, pour faire des choses en votre nom.
Au cœur de Rovo se trouve ce qu'Atlassian appelle le « Teamwork Graph ». C'est une manière élégante de dire que l'IA comprend les relations entre vos collaborateurs, vos projets et vos documents. Ce contexte aide Rovo à être plus utile qu'un simple chatbot.
En pratique, utiliser Rovo AI dans les Règles d'automatisation vous donne une nouvelle action surpuissante à ajouter à vos flux de travail. Au lieu de simplement changer le statut d'un ticket ou d'envoyer une notification sur un canal Slack, vous pouvez maintenant demander à un agent IA de faire quelque chose de spécifique, comme résumer un problème détaillé, suggérer une épopée parente, ou vérifier si un rapport de bogue contient toutes les informations nécessaires.
Fonctionnalités principales et cas d'usage courants
Alors, que pouvez-vous réellement accomplir avec ? Les capacités d'automatisation de Rovo sont conçues pour briller au sein de la suite Atlassian, et il y a plusieurs façons de commencer.
Démarrer avec les modèles prêts à l'emploi
Pour vous aider à démarrer sans trop vous casser la tête, Atlassian fournit quelques modèles d'automatisation pré-construits qui montrent ce dont Rovo est capable. Vous pouvez les trouver dans la bibliothèque de modèles d'automatisation de Jira, dans la catégorie « Agents Rovo ».
Voici quelques-uns des plus courants :
-
Analyse des retours : Cette règle analyse automatiquement les nouveaux tickets Jira, en extrait les thèmes clés dans un résumé, et envoie un condensé sur un canal Slack ou crée une nouvelle page Confluence. C'est une manière assez astucieuse de suivre les retours clients sans que quelqu'un ait à lire chaque ticket.
-
Tri des bogues : En utilisant l'agent « Assistant de rapport de bogue », ce modèle vérifie que les nouveaux rapports de bogues sont complets. S'il manque des détails cruciaux comme les étapes pour reproduire le bogue, il peut automatiquement relancer la personne qui a créé le ticket pour qu'elle ajoute plus d'informations.
-
Préparation du travail : Celui-ci utilise l'agent « Vérificateur de préparation » pour s'assurer qu'une nouvelle tâche contient tout ce dont elle a besoin (comme des critères d'acceptation ou une définition claire de « terminé ») avant qu'elle ne soit assignée à un ingénieur, ce qui aide à réduire les allers-retours par la suite.
Créer des règles d'automatisation personnalisées avec Rovo Studio
Les modèles sont un bon point de départ, mais la vraie magie opère lorsque vous commencez à créer vos propres règles d'automatisation. Rovo Studio est un environnement no-code/low-code où vous pouvez créer des agents IA personnalisés pour gérer les flux de travail spécifiques de votre équipe.
Par exemple, vous pourriez créer une règle qui dit : « Lorsqu'un nouveau ticket de haute priorité est créé dans Jira Service Management, utiliser un agent Rovo personnalisé pour résumer la demande du client et l'ajouter en tant que commentaire interne pour l'équipe de support. » Ces agents peuvent être déclenchés par presque n'importe quel événement dans Jira ou Confluence et peuvent effectuer des actions basées sur des instructions simples en langage naturel que vous leur donnez.
Les complexités cachées et les limites de Rovo AI
À première vue, Rovo semble être la solution parfaite. Mais comme tout outil intégré à une plateforme plus vaste, il est important de comprendre où il pourrait échouer avant de vous lancer à corps perdu dans la construction de vos flux de travail autour de lui.
Limite 1 : Profondément lié à l'écosystème Atlassian
Rovo est conçu par Atlassian, pour Atlassian. Il fonctionne à merveille lorsque tout votre univers - gestion de projet, base de connaissances, service client - se trouve dans leurs produits. Mais que se passe-t-il lorsque ce n'est pas le cas ?
La plupart des équipes modernes utilisent une multitude d'outils différents. Et si votre équipe de support travaille sur Zendesk, Freshdesk, ou [REDACTED] ? Les capacités d'automatisation de Rovo s'arrêtent net aux frontières d'Atlassian. Cela signifie que vous êtes coincé à gérer deux systèmes d'automatisation distincts ou à essayer de construire des ponts personnalisés et fragiles entre eux. Cela finit par créer plus de travail, pas moins.
Limite 2 : Le problème de la connaissance au « démarrage à froid »
Un agent Rovo n'est aussi intelligent que les informations que vous lui fournissez. Pour qu'il fonctionne bien, vos espaces Confluence, vos Google Docs, et vos autres sources doivent être parfaitement organisés, à jour et complets. Soyons honnêtes, qui peut s'en vanter ?
Pour de nombreuses équipes de support, la connaissance la plus précieuse ne se trouve pas dans une base de connaissances impeccable ; elle est enfouie dans des milliers de conversations de tickets passés. C'est là que se cachent le ton unique de votre équipe, les solutions de contournement astucieuses et les solutions éprouvées. Rovo n'apprend pas nativement des résolutions de tickets historiques dans d'autres services d'assistance, ce qui signifie que vous laissez vos meilleures données d'entraînement de côté. Un outil comme eesel AI, en revanche, est conçu pour s'entraîner sur vos tickets passés dès le premier jour.
Limite 3 : La personnalisation demande beaucoup d'efforts
Rovo Studio est excellent pour les tâches simples, mais que faire si vous avez besoin de quelque chose de plus complexe ? Si vous voulez qu'un agent recherche des informations de commande dans Shopify ou récupère des détails de compte depuis une base de données personnalisée, vous aurez besoin d'un développeur.
Ce type d'actions personnalisées nécessite de développer sur la plateforme Atlassian Forge, ce qui peut transformer une simple idée de flux de travail en un projet d'ingénierie de plusieurs semaines. Cela crée un énorme goulot d'étranglement pour les équipes de support et d'opérations qui veulent simplement résoudre un problème et passer à autre chose. En revanche, des plateformes comme eesel AI sont conçues pour les utilisateurs non techniques, leur permettant de configurer des actions complexes et personnalisées par eux-mêmes sans écrire de code ni attendre les ressources d'ingénierie.
Limite 4 : Aucune façon de tester en toute confiance
Avec Atlassian Automation, le flux de travail est assez direct : vous créez une règle, vous croisez les doigts et vous l'activez. Il n'y a pas de bon moyen de voir comment votre nouvel agent Rovo aurait performé sur les tickets de la semaine dernière avant de le lâcher sur des clients en direct.
Cette approche du « construire et prier » est risquée. Vous pourriez automatiser des réponses incorrectes ou perturber votre processus de tri sans vous en rendre compte avant que les dégâts ne soient faits. C'est une lacune critique que eesel AI résout avec son mode de simulation. Vous pouvez tester votre configuration IA sur des milliers de vos tickets historiques réels, voir exactement comment elle aurait répondu et obtenir des prévisions de performance précises avant qu'un seul client n'interagisse avec elle.
Combien coûte Rovo AI ?
C'est là que les choses deviennent un peu floues. Pour l'instant, les fonctionnalités de Rovo sont incluses sans frais supplémentaires si vous êtes sur un plan Atlassian Cloud Premium ou Enterprise pour Jira, Confluence et Jira Service Management.
Cela fonctionne avec un système de crédits. Chaque utilisateur reçoit une allocation mensuelle de crédits IA (70 pour Premium, 150 pour Enterprise), et ce pool est partagé entre toute votre organisation. Une seule discussion avec Rovo ou une action d'un agent Rovo dans une règle d'automatisation utilise 10 crédits.
Le hic ? Atlassian a déjà annoncé son intention d'introduire une tarification basée sur l'utilisation à l'avenir. Cela crée beaucoup d'incertitude. À mesure que vous vous fierez davantage à Rovo, vos coûts pourraient devenir imprévisibles et grimper en flèche pendant les périodes de forte activité. C'est une grande différence avec la tarification transparente et forfaitaire de eesel AI, qui n'inclut jamais de frais par résolution, vous savez donc toujours ce que vous payez.
Une approche plus flexible de l'automatisation par l'IA avec eesel AI
Les limites de Rovo montrent vraiment pourquoi une approche différente est nécessaire, une approche conçue pour les équipes qui ont besoin d'une IA puissante qui fonctionne avec tous leurs outils, pas seulement ceux d'une seule entreprise. C'est là que eesel AI entre en jeu.
-
Soyez opérationnel en quelques minutes, pas en quelques mois : eesel AI est conçu pour être incroyablement facile à configurer vous-même. Vous pouvez connecter votre service d'assistance (comme Zendesk, Freshdesk, ou Gorgias) et vos sources de connaissances en un seul clic. Pas de démonstrations commerciales obligatoires ni de sprints de développement requis.
-
Unifiez vos connaissances, instantanément : C'est le super-pouvoir d'eesel AI. Il s'entraîne sur vos tickets de support historiques pour apprendre automatiquement le ton de votre marque, les solutions courantes et les processus internes. Il se connecte également de manière transparente à Confluence, Google Docs, Notion, et plus de 100 autres sources, créant un cerveau unique et intelligent pour votre agent IA.
-
Testez en toute confiance, sans risque : Oubliez la méthode du « construire et prier ». Avec le mode de simulation d'eesel AI, vous pouvez voir exactement comment votre IA performera sur vos tickets passés et obtenir des prévisions solides de taux de résolution avant de l'activer.
-
Contrôlez vos flux de travail et vos coûts : Le moteur de flux de travail d'eesel AI vous donne un contrôle précis sur ce qui est automatisé. Et avec sa tarification prévisible, vous ne recevrez jamais de facture surprise après un mois chargé.
Voici un bref comparatif :
| Fonctionnalité | Atlassian Rovo | eesel AI |
|---|---|---|
| Écosystème principal | Atlassian (Jira, Confluence) | Agnostique du service d'assistance (Zendesk, Freshdesk, [REDACTED], etc.) |
| Sources de connaissances | Confluence, Google Docs, etc. | Tickets passés, Centres d'aide, Confluence, GDocs, Notion et plus |
| Configuration et prise en main | Intégré, mais les agents personnalisés nécessitent Forge (temps de dév.) | Radicalement en libre-service, opérationnel en quelques minutes |
| Tests de pré-lancement | Limité à la validation de base des règles | Simulation puissante sur les tickets historiques |
| Actions personnalisées | Nécessite des compétences de développeur (Forge) | Éditeur d'instructions et d'actions entièrement en libre-service |
| Modèle de tarification | Inclus dans les plans, mais évoluant vers une tarification basée sur l'utilisation | Forfait mensuel transparent (pas de coûts par résolution) |
Rovo AI dans les Règles d'automatisation est un bon début, mais la flexibilité est l'avenir
Ne vous méprenez pas, Rovo AI dans les Règles d'automatisation est un ajout important et bienvenu pour les équipes qui sont entièrement investies dans l'écosystème Atlassian. C'est un moyen solide de rationaliser les flux de travail et d'intégrer l'IA directement dans Jira et Confluence.
Cependant, pour la plupart des équipes de support et d'opérations qui s'appuient sur un mélange d'outils différents, ses limites peuvent devenir un véritable casse-tête. Le verrouillage de l'écosystème, la difficulté des tâches personnalisées et le manque de tests appropriés créent de véritables défis.
La flexibilité est la clé. Vous avez besoin d'une plateforme IA qui fonctionne avec vos outils et flux de travail existants, pas d'une plateforme qui essaie de vous enfermer dans un jardin clos.
Prêt pour une approche plus flexible ?
Si vous cherchez une solution d'IA qui se branche directement sur votre service d'assistance existant, apprend de toutes les connaissances de votre équipe et vous donne la confiance nécessaire pour automatiser, votre équipe adorera eesel AI.
Essayez eesel AI gratuitement et découvrez tout ce que vous pouvez automatiser en quelques minutes seulement.
Foire aux questions
Rovo AI dans les Règles d'automatisation agit comme un assistant intelligent au sein de votre écosystème Atlassian, exécutant des tâches comme le résumé de problèmes, le tri de rapports de bogues ou la vérification de la préparation du travail. Il exploite le « Teamwork Graph » pour comprendre les liens entre vos projets et documents, automatisant ainsi les tâches répétitives.
Actuellement, Rovo AI dans les Règles d'automatisation est inclus sans frais supplémentaires pour les abonnés aux plans Atlassian Cloud Premium ou Enterprise. Les utilisateurs reçoivent un pool partagé de crédits IA mensuels, mais Atlassian a annoncé son intention d'introduire une tarification basée sur l'utilisation à l'avenir.
Les principales limites incluent ses liens profonds avec l'écosystème Atlassian, rendant difficile l'intégration avec des outils externes. Il a également des difficultés avec le problème de la connaissance au « démarrage à froid », n'apprenant pas nativement des tickets historiques en dehors d'Atlassian, et offre des capacités de test de pré-lancement limitées.
Rovo AI dans les Règles d'automatisation est profondément lié à l'écosystème Atlassian et ne s'intègre pas nativement avec des services d'assistance externes ou d'autres outils non-Atlassian. Cela signifie que vous pourriez avoir besoin de gérer des systèmes d'automatisation distincts ou de construire des intégrations personnalisées complexes.
Avec Atlassian Automation, il n'existe pas de moyen robuste pour tester en profondeur comment Rovo AI dans les Règles d'automatisation se comporterait sur des données historiques avant de le mettre en production. Cette approche du « construire et prier » peut comporter des risques d'automatisation de réponses incorrectes sans validation préalable.
Oui, Atlassian fournit des modèles prêts à l'emploi pour Rovo AI dans les Règles d'automatisation au sein de la bibliothèque de modèles d'automatisation de Jira. Ces modèles illustrent des cas d'usage courants comme l'analyse des retours, le tri des bogues et la vérification de la préparation du travail.
Rovo AI dans les Règles d'automatisation s'appuie sur des sources de connaissances organisées comme les espaces Confluence et Google Docs. Cependant, il n'apprend pas nativement des résolutions de tickets historiques dans d'autres services d'assistance, laissant potentiellement un contexte précieux inexploité pour son entraînement.
Partager cet article
Article by
Kenneth Pangan
Writer and marketer for over ten years, Kenneth Pangan splits his time between history, politics, and art with plenty of interruptions from his dogs demanding attention.
