Intensif Gratuit 21–22/11Intensif gratuit de 2 jours en Vibecoding (21–22 nov, 16h00 MSK) · Cohorte 3 le 23/11S'inscrire gratuitement →Cohorte 3 (23/11)
SortieAnalyse · Sur le radarHabr AI→ original

Un agent IA assemble le tableau de bord d'une équipe depuis Jira en une heure, contre un mois de travail pour un analyste

Auparavant, un analyste mettait environ un mois à construire le tableau de bord d'une équipe à partir de Jira, l'essentiel du temps partant dans la vérification des données. Désormais, ce travail revient aux skills d'un agent IA qui lit Jira, GitLab, Confluence et les enregistrements de réunions : le board d'une nouvelle équipe est prêt en une heure. L'agent se trompe malgré tout, par exemple en comptant les MR ouvertes de deux façons différentes. L'auteur sépare donc les données de la mise en page et compare les extractions avant publication.

Traité par IA depuis Habr AI ; édité par Hamidun News
Un agent IA assemble le tableau de bord d'une équipe depuis Jira en une heure, contre un mois de travail pour un analyste
Source : Habr AI. Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireHabr AI ↗
Rédacteur en chef
L'agent travaille en lecture seuleil ne peut modifier ni les statuts ni les MR
Chiffre clé #2Le board est un unique fichier HTML de référence, les données y figurent dans un bloc JSON distinct
Chiffre clé #3L'export paginé de Jira perd des lignes sans prévenir : il faut recouper le nombre de tickets

Le tableau de bord d'une équipe à partir de Jira ressemble généralement à un projet d'un mois : l'analyste exporte les données, les vérifie, fait la mise en page, puis revérifie. L'auteur de l'analyse publiée sur Habr, ancien CTO ayant dirigé un pôle ingénierie de plus de 50 personnes et aujourd'hui responsable d'une plateforme traitant 2000 opérations financières par seconde, a transformé ce processus en un ensemble de skills pour agent IA. Il assemble désormais le board d'une nouvelle équipe en une heure au maximum. Le plus utile dans son texte n'est pas la vitesse, mais la liste franche des cas où l'agent se trompe.

Pourquoi il fallait un mois

Dessiner une page avec des graphiques n'est pas difficile. Ce sont les données et leur vérification qui prennent le temps, et les erreurs y sont silencieuses : le board a l'air fiable, mais les chiffres sont faux. L'auteur énumère les cas typiques.

La raison du report d'une tâche se cache dans les commentaires : la tâche est passée au sprint suivant, et seul l'échange de messages explique pourquoi. L'export paginé de Jira peut renvoyer sans prévenir nettement moins de tâches qu'il n'en existe, sans aucune erreur. Le périmètre de l'équipe peut être mal défini, et le volume de travail apparaître plusieurs fois inférieur à la réalité, tandis que le graphique reste vraisemblable. Quant au tableau de bord BI classique consacré au développement, il ne contient souvent aucune métrique de sprint. Le mois de l'analyste, c'est donc surtout de la vérification.

Comment fonctionne le dispositif

L'agent lit Jira, les enregistrements de réunions, le calendrier, GitLab et Confluence, partout avec des droits en lecture seule. Le board indique lui-même que l'agent n'a rien écrit. La condition est stricte : un agent capable de changer le statut d'une tâche ou de fermer une MR n'a pas sa place sur un tel board.

Le board lui-même est un unique fichier HTML de référence, et les données y figurent dans un bloc JSON distinct. À chaque sprint, l'agent ne modifie que les données et publie le board à la même adresse, sans toucher à la mise en page. Cela évite que l'agent « corrige » un chiffre directement dans le texte de la page et que celui-ci diverge des autres.

Un skill, ici, c'est une instruction plus des scripts : où prendre les données, comment calculer chaque métrique, quel modèle remplir et quoi vérifier avant publication. Tout ce que l'analyste gardait auparavant en tête est consigné une fois pour toutes. Pour une nouvelle équipe, l'auteur définit le périmètre, vérifie la première exécution, et le board est prêt. La revue trimestrielle et la prévision du backlog fonctionnent de la même manière : ce sont des scripts qui les recalculent à partir de l'export Jira, et non une personne dans un tableur.

Les métriques sont choisies en fonction des questions que l'auteur pose lors de la revue de sprint :

  • nombre de tâches closes par rapport au temps écoulé du sprint, avec un indicateur en feu tricolore ;
  • tendance sur plusieurs sprints, car un seul mauvais sprint ne signifie rien, alors qu'une série est révélatrice ;
  • throughput et nombre de tâches en cours par personne ;
  • profondeur de report : pendant combien de sprints consécutifs une tâche est reportée ;
  • clôture « au tampon » : part des tâches fermées le dernier jour du sprint ; lorsqu'elle est élevée, le burnup ment ;
  • tâches non planifiées issues des enregistrements de réunions, tâches bloquées, MR ouvertes sans reviewer ;
  • écarts entre Confluence et Jira.

Les tâches non planifiées et les écarts entre documents et tracker, un outil BI ne les montrera pas, par principe : il faut pour cela les enregistrements de réunions et le texte des documents, pas seulement le tableau des tâches.

Où l'agent se trompe

L'auteur le souligne : l'agent se trompe régulièrement. Par exemple, les MR ouvertes sans reviewer ont été comptées différemment dans deux extractions. Chacune, prise isolément, paraissait correcte ; l'écart n'est apparu qu'en les mettant côte à côte. Dans un autre cas, le jour du sprint affiché dans l'en-tête du board ne correspondait pas à celui des données. Un détail, mais un lecteur qui le remarque cessera de croire les autres chiffres.

D'où deux règles. Première règle : tout chiffre du board provient du bloc JSON, et un chiffre écrit à la main dans le HTML est considéré comme une erreur, même s'il coïncide pour l'instant. Seconde règle : si une métrique est calculée à deux endroits, les extractions sont comparées avant publication, et en cas d'écart le board ne sort pas tant que la cause n'est pas trouvée. L'agent ne se fatigue pas, mais il ne doute pas non plus de ses chiffres : c'est donc à l'humain de douter, et les règles rendent ce doute peu coûteux.

Ce qu'il faut retenir pour la pratique

  • Commencez par des droits en lecture seule, pour que l'agent ne puisse physiquement rien modifier dans le tracker ni dans les dépôts.
  • Construisez à la main un board de référence et relisez-le ; ensuite, l'agent ne remplit que les données.
  • Recoupez le nombre de tâches de l'export avec celui affiché dans Jira même.
  • Consignez explicitement le périmètre de l'équipe : quels projets et quels boards en font partie.
  • Ajoutez ce qui ne se trouve pas dans le tracker : enregistrements de réunions et documents.

La limite est évidente : il s'agit du récit de l'expérience personnelle d'un seul responsable, sans mesure de la précision ni du coût en tokens, et le board de démonstration repose sur des données fictives. Mais la conclusion pratique est claire : le board d'équipe cesse d'être un projet, on peut en créer un pour chaque équipe et le mettre à jour à chaque sprint sans mobiliser une personne dédiée. Le temps consacré à l'assemblage est libéré pour discuter de ce qu'il faut faire des chiffres.

Dossier

Questions clés sur cet article

Pourquoi il fallait un mois?

Dessiner une page avec des graphiques n'est pas difficile. Ce sont les données et leur vérification qui prennent le temps, et les erreurs y sont silencieuses : le board a l'air fiable, mais les chiffres sont faux. L'auteur énumère les cas typiques. La raison du report d'une tâche se cache dans les commentaires : la tâche est passée au sprint suivant, et seul l'échange de messages explique pourquoi. L'export paginé de Jira peut renvoyer sans prévenir nettement moins de tâches qu'il n'en existe, sans aucune erreur.

Comment fonctionne le dispositif?

L'agent lit Jira, les enregistrements de réunions, le calendrier, GitLab et Confluence, partout avec des droits en lecture seule. Le board indique lui-même que l'agent n'a rien écrit. La condition est stricte : un agent capable de changer le statut d'une tâche ou de fermer une MR n'a pas sa place sur un tel board. Le board lui-même est un unique fichier HTML de référence, et les données y figurent dans un bloc JSON distinct.

Que sait-on sur Où l'agent se trompe ?

L'auteur le souligne : l'agent se trompe régulièrement. Par exemple, les MR ouvertes sans reviewer ont été comptées différemment dans deux extractions. Chacune, prise isolément, paraissait correcte ; l'écart n'est apparu qu'en les mettant côte à côte. Dans un autre cas, le jour du sprint affiché dans l'en-tête du board ne correspondait pas à celui des données. Un détail, mais un lecteur qui le remarque cessera de croire les autres chiffres. D'où deux règles.

ZK
Zhemal Khamidun — CPO d'Alpina Digital, product manager d'AlpinaGPT. Conçoit des produits IA depuis 2019. Hamidun News est un projet personnel devenu un agrégateur en production avec plus de 6 000 lecteurs.
✦ Hands-On AI Engineering · Hamidun Academy

Build & Ship Production AI Agents Without Boilerplate Code

Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.

Start 72h Free Trial →Vibe-Coding Intensive
Qu'en pensez-vous ?
Chargement des commentaires…