
Atlassian vient de lancer Rovo, son nouvel équipier IA conçu pour centraliser toutes les informations éparpillées de votre entreprise et donner un coup de main à votre équipe. L'idée est plutôt séduisante : intégrer l'IA directement dans les outils Atlassian où beaucoup d'entre nous passent leurs journées de travail.
Mais soyons honnêtes. Chaque fois qu'une nouvelle technologie fait son apparition, surtout une IA, la vraie question n'est pas seulement « Que peut-elle faire ? » mais « Est-ce qu'elle aide vraiment ? ». Comprendre l'impact de l'IA n'est pas juste une case à cocher ; c'est ce qui vous permet de savoir si l'investissement en argent et en efforts en vaut la peine.
C'est précisément l'objectif de ce guide. Nous allons examiner de près les rapports et analyses de Rovo AI. Nous verrons ce qu'il peut faire aujourd'hui, ses lacunes, et à quoi ressemble une approche vraiment utile de l'analyse de l'IA, une approche qui va au-delà du comptage de clics pour commencer à mesurer des résultats concrets.
Qu'est-ce que Rovo d'Atlassian ?
Commençons par le commencement : qu'est-ce que Rovo exactement ? Imaginez-le comme un cerveau IA connecté à votre suite Atlassian, comme Jira et Confluence. Il est conçu pour être un coéquipier virtuel qui vous aide à trouver des informations, à répondre à des questions et même à automatiser des tâches sans que vous ayez à changer d'application.
Il accomplit principalement trois tâches :
-
Recherche unifiée : Rovo peut passer au crible toutes vos applications connectées, pas seulement les outils Atlassian, mais aussi des outils comme Google Drive et Slack. L'idée est de mettre [REDACTED] au jonglage incessant entre les onglets que nous faisons tous pour trouver un seul document.
-
Rovo Chat : C'est la partie conversationnelle. Vous pouvez lui poser des questions en langage courant, et il déniche des réponses dans toutes vos bases de connaissances connectées.
-
Agents Rovo : Ce sont les petits assistants infatigables. Vous pouvez configurer ces agents virtuels pour qu'ils s'occupent des tâches répétitives et automatisent des parties de votre flux de travail, comme la création de tickets ou la mise à jour de pages.

En coulisses, Rovo est alimenté par ce qu'Atlassian appelle le « Teamwork Graph ». C'est un terme sophistiqué pour un système qui cartographie les liens entre vos équipes, vos projets et vos données. C'est ce contexte qui, en théorie, aide Rovo à comprendre votre entreprise et à vous fournir des réponses pertinentes.
Un aperçu des rapports et analyses IA intégrés de Rovo d'Atlassian
Lorsque vous activez un outil comme Rovo, vous devez savoir si quelqu'un l'utilise réellement. Atlassian vous fournit un tableau de bord natif pour cela, appelé « Rovo Insights », qui offre aux administrateurs un aperçu assez basique de l'adoption.
Il se concentre sur deux indicateurs principaux :
-
Utilisateurs actifs de Rovo : Ce graphique vous montre le nombre de personnes uniques qui ont interagi, sollicité ou posé une question à Rovo sur une période donnée, comme les 28 derniers jours. C'est un moyen simple de voir si votre équipe l'essaie.
-
Requêtes envoyées à Rovo : Il s'agit simplement d'un décompte de toutes les questions ou commandes que votre équipe a soumises à Rovo. Cela vous donne une idée du volume global des interactions au sein de l'entreprise.

Ce type de rapport est important, surtout si l'on considère la manière dont Rovo est commercialisé. Ce n'est pas un module complémentaire que vous achetez séparément ; il est inclus dans les plans Atlassian les plus chers. Si votre entreprise a un plan Premium ou Enterprise Cloud pour Jira, Confluence ou Jira Service Management, vous disposez de Rovo.
Bien qu'un administrateur puisse le désactiver, la réalité est que vous payez pour Rovo, que vous l'utilisiez peu ou beaucoup. Il est donc encore plus important de déterminer sa valeur. Les analyses intégrées sont un point de départ, mais comme nous allons le voir, elles ne racontent pas toute l'histoire.
Les limites des rapports et analyses IA natifs de Rovo
Le suivi de l'utilisation est une bonne première étape, mais c'est un peu comme juger du succès d'un restaurant en comptant le nombre de personnes qui y entrent. Cela ne vous dit pas s'ils ont aimé la nourriture, s'ils reviendront, ou si le restaurant est rentable. Les analyses natives de Rovo ont un problème similaire : elles se concentrent sur l'activité, pas sur la performance.
Voici les principales limites auxquelles vous vous heurterez probablement :
-
Tout est regroupé dans un seul et même panier : Les tableaux de bord vous donnent une vue d'ensemble de toute votre organisation. Vous pouvez voir que des gens utilisent Rovo, mais vous ne pouvez pas facilement voir qui. Quelles équipes l'adorent ? Quels départements ne l'ont même pas encore essayé ? Sans ce niveau de détail, il est difficile de proposer une formation ciblée ou de déterminer où l'outil fait vraiment une différence.
-
Il ne mesure pas la qualité : C'est le point crucial. Rovo Insights peut vous dire que quelqu'un a posé une question, mais il n'a aucune idée si la réponse était correcte, utile ou même complète. Il n'y a pas d'indicateurs pour ce qui compte vraiment dans un contexte de support, comme les taux de résolution, la précision ou l'impact sur la satisfaction client. Vous naviguez essentiellement à l'aveugle.
-
Il n'y a pas de voie claire vers le ROI : Bien sûr, mille requêtes ont été faites, mais qu'est-ce que cela signifie pour l'entreprise ? Vous ne pouvez pas facilement lier ces données d'utilisation à des résultats concrets comme les heures économisées, les tickets déviés ou la réduction des coûts de support. Il est donc incroyablement difficile de justifier l'investissement et d'expliquer pourquoi vous payez pour ces plans premium.
-
Il ne peut pas identifier les lacunes dans les connaissances : Les analyses sont à sens unique. Elles vous montrent ce que votre équipe demande, mais elles ne signalent pas ce que Rovo ne peut pas répondre ou les faiblesses de votre documentation. Il n'y a pas de boucle de rétroaction pour vous aider à améliorer votre base de connaissances et à rendre l'IA plus intelligente.
-
Côté gauche (Rovo) : Icônes pour « Utilisateurs actifs » et « Requêtes envoyées » avec l'étiquette « Indicateurs de vanité ».
-
Côté droit (Analyses exploitables) : Icônes pour « Taux de résolution », « Précision », « Temps économisé » et « Lacunes de connaissances trouvées » avec l'étiquette « Indicateurs exploitables ».
-
Flèche pointant de gauche à droite avec le texte « Passer de l'activité à la performance ».
Pourquoi les rapports et analyses IA exploitables de Rovo sont plus importants que les indicateurs de vanité
L'écart entre les rapports de Rovo et ce dont les équipes de support ont réellement besoin se résume à une chose : la différence entre les indicateurs de vanité et les indicateurs exploitables.
Les indicateurs de vanité, comme le nombre d'utilisations et d'utilisateurs actifs, peuvent sembler impressionnants sur une présentation, mais ils ne vous aident pas vraiment à prendre des décisions intelligentes. Les indicateurs exploitables sont les chiffres qui racontent une histoire et vous montrent quoi faire ensuite.
Pour tirer une réelle valeur d'un outil d'IA, vous avez besoin d'informations qui vous aident à :
-
Tester en toute confiance : Avant de laisser une IA interagir avec vos vrais clients, vous devriez avoir une très bonne idée de ses performances. Vous avez besoin d'un moyen de la tester sur des problèmes réels pour voir où elle excelle et où elle échoue.
-
Mesurer l'impact réel : Vous devez savoir exactement combien de problèmes clients sont entièrement résolus par l'IA sans aucune intervention humaine. C'est la seule façon de calculer de réelles économies de coûts et de prouver sa valeur.
-
S'améliorer avec le temps : Votre IA devrait être un système d'apprentissage. Vous avez besoin de données qui vous montrent où l'IA échoue ou est confuse, afin que vous puissiez remonter à la source du problème et corriger les causes dans votre base de connaissances.
Les analyses de Rovo vous disent ce qui s'est passé, mais vous avez besoin d'une plateforme plus avancée pour comprendre et alors ?
Une meilleure approche des rapports et analyses IA de Rovo avec eesel AI
C'est là que des outils spécialement conçus pour l'analyse de l'IA, comme eesel AI, entrent en jeu. eesel AI est conçu non seulement pour une automatisation puissante, mais aussi pour vous fournir les analyses approfondies et exploitables nécessaires pour mesurer et améliorer les performances de l'IA dès le premier jour. Au lieu de la vue d'ensemble groupée et de haut niveau de Rovo, eesel vous offre une solution spécialement conçue avec des rapports que vous pouvez réellement utiliser.
Allez au-delà de l'utilisation avec une simulation puissante
L'un des plus grands casse-têtes lors du déploiement d'une nouvelle IA est de ne pas savoir comment elle se comportera avant sa mise en service. Avec eesel AI, vous pouvez éliminer complètement cette incertitude. Son mode de simulation vous permet de tester votre configuration IA sur des milliers de vos propres tickets de support passés avant même de l'activer.
Cela vous donne une prédiction claire et basée sur des données de ses performances, y compris les taux de résolution prévus et une estimation de vos économies de coûts. Vous pouvez voir exactement comment l'IA aurait traité différentes questions de clients, ce qui vous permet d'ajuster son comportement dans un environnement sûr. C'est un monde complètement différent de l'approche de Rovo, où vous devez plus ou moins appuyer sur un bouton et espérer que tout se passe bien.

Suivez la performance réelle et le ROI
Le tableau de bord analytique d'eesel AI est construit autour des indicateurs qui font vraiment la différence. Au lieu de simplement compter les requêtes, il se concentre sur des indicateurs de performance tels que :
-
Taux de résolution automatisée
-
Résolutions en un seul contact
-
Temps économisé par les agents
-
Tendances dans les sujets des questions des clients
Ces données vous donnent un lien direct pour calculer votre retour sur investissement. Vous pouvez voir précisément combien de temps votre équipe récupère et combien de tickets sont déviés, ce qui vous permet de montrer clairement la valeur de votre investissement dans l'IA à vos supérieurs. Il remplace les graphiques d'utilisation vagues de Rovo par des chiffres concrets qui reflètent un impact commercial réel.
Identifiez et comblez automatiquement les lacunes dans les connaissances
La fonctionnalité la plus utile est peut-être la capacité d'eesel AI à apprendre de ses propres erreurs. La plateforme analyse les conversations qui se terminent avec un agent humain pour trouver des lacunes dans votre base de connaissances.
Mais il ne se contente pas de signaler ce qui manque, il vous aide activement à y remédier. eesel AI peut générer automatiquement des brouillons d'articles pour votre centre d'aide en se basant sur les résolutions réussies de tickets passés. Cela transforme votre tableau de bord analytique en un outil d'amélioration continue. Votre IA et votre base de connaissances s'améliorent ensemble, créant un cercle vertueux qui n'existe tout simplement pas dans les rapports de Rovo.
Passez du suivi de l'utilisation à la production de résultats
Atlassian Rovo est un aperçu intéressant de l'avenir de l'IA intégrée, et son suivi d'utilisation de base est un début. Mais il ne fournit pas les informations exploitables dont les équipes ont besoin pour gérer, optimiser et prouver la valeur de leur stratégie d'IA.
Des indicateurs comme les « utilisateurs actifs » et le « volume de requêtes » ne suffisent tout simplement pas. Pour tirer une réelle valeur de l'IA, vous devez mesurer la performance, simuler les résultats avant la mise en service et utiliser les données pour améliorer constamment à la fois l'IA et vos sources de connaissances.
Des plateformes comme eesel AI sont conçues dès le départ pour ce niveau de contrôle et de vision. Elles aident les équipes à aller au-delà de la simple utilisation de l'IA pour commencer à générer des résultats mesurables avec elle, transformant une technologie prometteuse en un atout commercial éprouvé.
Prêt à voir ce que de véritables rapports et analyses IA de Rovo peuvent faire ?
Arrêtez de deviner et commencez à mesurer. Avec eesel AI, vous pouvez simuler votre retour sur investissement potentiel en quelques minutes en utilisant vos propres données historiques. La configuration est en libre-service, et vous pouvez voir exactement combien de tickets vous pouvez automatiser avant même de vous lancer.
Essayez eesel AI gratuitement ou réservez une démo pour le voir en action.
Foire aux questions
Les Rovo Insights intégrés d'Atlassian montrent principalement les « Utilisateurs actifs de Rovo » et les « Requêtes envoyées à Rovo ». Ces indicateurs fournissent un aperçu de base du nombre de personnes qui interagissent avec Rovo et du volume total de ces interactions.
Les analyses natives se concentrent sur l'activité plutôt que sur la performance, offrant une vue d'ensemble sans détails sur des équipes ou des départements spécifiques. Elles manquent d'indicateurs de qualité, de précision, de taux de résolution ou d'impact direct sur la satisfaction client.
Pour suivre le véritable ROI, vous avez besoin d'analyses avancées qui mesurent des résultats concrets comme les taux de résolution automatisée, le temps économisé par les agents et les tickets déviés. Cela vous permet de quantifier les économies de coûts et de démontrer la valeur commerciale de votre investissement dans l'IA.
Concentrez-vous sur des indicateurs exploitables tels que les taux de résolution automatisée, les résolutions en un seul contact, le temps économisé par les agents et les tendances des sujets de questions des clients. Ces informations révèlent ce qui fonctionne et où l'IA a besoin d'amélioration pour maximiser sa valeur.
Les rapports natifs de Rovo n'offrent pas de capacités de simulation. Cependant, des plateformes d'analyse d'IA spécialement conçues peuvent simuler les performances de Rovo en utilisant vos données historiques, fournissant des prévisions sur les taux de résolution et les économies de coûts avant la mise en service.
Les analyses avancées peuvent identifier les requêtes pour lesquelles Rovo n'a pas réussi à fournir une réponse complète ou précise, indiquant des lacunes dans les connaissances. Certaines plateformes peuvent même analyser les résolutions des agents humains et rédiger automatiquement de nouveaux articles pour combler ces manques de contenu identifiés.
Partager cet article

Article by
Stevia Putri
Stevia Putri is a marketing generalist at eesel AI, where she helps turn powerful AI tools into stories that resonate. She’s driven by curiosity, clarity, and the human side of technology.







