On parle beaucoup de Rovo et de l'intelligence artificielle d'Atlassian, mais rarement de ce qui les rend possibles. Sous la surface se trouve une couche fondamentale, discrète et déterminante : le Teamwork Graph. Comprendre cet outil, c'est comprendre pourquoi l'IA d'Atlassian peut répondre à des questions que vos outils, pris isolément, ne pourraient jamais traiter.
Dans une organisation typique, le travail et le savoir sont éclatés en silos : les tickets dans Jira, la documentation dans Confluence, le code dans Bitbucket ou GitHub, les conversations dans Slack ou Teams, les fichiers dans Google Drive ou SharePoint, les maquettes dans Figma. Chacun de ces outils connaît son propre contenu, mais aucun ne connaît les liens entre eux.
Conséquence : l'information existe, mais le contexte se perd. Un ticket Jira ne «sait» pas qu'il est lié à une décision documentée dans Confluence, qu'il a généré une pull request dans le dépôt de code, ni qu'il fait avancer un objectif d'entreprise. Ce contexte vit dans la tête des gens — et disparaît avec eux. Le Teamwork Graph est la réponse d'Atlassian à cette fragmentation.
Le Teamwork Graph est une représentation sous forme de graphe de tout le travail d'une organisation : les éléments de travail (tickets), les connaissances, les personnes, les équipes, les objectifs — et surtout les relations qui les unissent. Ce n'est pas une base de données classique en lignes et colonnes, mais un réseau de nœuds et de liens, où la valeur réside autant dans les connexions que dans les données elles-mêmes.
Cette structure n'est pas un détail technique : c'est précisément ce qui permet à une machine de comprendre le contexte. Savoir que l'élément A est lié à B, qui dépend de C, qui appartient à l'équipe D et contribue à l'objectif E — c'est cette toile de relations qui transforme des données isolées en connaissance exploitable.
Le Teamwork Graph repose sur deux piliers : les entités (les nœuds) et les relations (les liens, ou le cadre). Il en fait une cartographie vivante de votre organisation.
Une entité est un objet identifiable du monde du travail. Le graphe en distingue de nombreux types :
C'est ici que réside la vraie valeur. Une relation décrit comment deux entités sont connectées : un ticket « met en œuvre » un objectif, une page « documente » un projet, une pull request « résout » un ticket, une personne « possède » une équipe, un ticket « bloque » un autre. Ces liens, capturés automatiquement ou déclarés explicitement, permettent d’évaluer un contexte global plutôt que de simples mots-clés.
Une base de données offre des valeurs de références. Le Teamwork Graph vous expose comment ces valeurs sont reliées dans votre contexte. C'est ce contexte qui manquait — et que l'IA exploite.
Un Teamwork Graph limité seulement aux produits Atlassian aurait une valeur partielle, car le vrai travail est réalisé dans plusieurs outils. La force du Teamwork Graph est sa capacité à intégrer des sources externes via des connecteurs.
Concrètement, le graphe peut indexer et relier des données provenant d'outils tiers — dépôts de code externes, suites bureautiques, messageries d'équipe, outils de conception, et bien d'autres. L'objectif est d'unifier le contexte du travail, quel que soit l'endroit où il vit, plutôt que de forcer toute l'organisation dans un seul outil.
Cette ouverture a aussi une conséquence pratique majeure : la qualité du graphe — et donc, de tout ce qui s'appuie dessus — dépend des sources qu'on y connecte et de leur état. Connecter une source désordonnée injecte inévitablement du désordre (confusion) dans le Teamwork Graph.
Indexer des entités et des liens ne suffit pas ; encore faut-il en comprendre le sens. Le Teamwork Graph ajoute une couche sémantique qui interprète le contenu et établit des correspondances même quand les mots diffèrent.
C'est ce qui permet à une recherche de comprendre qu'une «panne de paiement» et un «incident de facturation» parlent peut-être de la même chose, ou de relier un objectif formulé par la direction au travail concret des équipes qui y contribuent. Cette interprétation sémantique, combinée à la structure du Teamwork Graph, est le socle sur lequel l'intelligence artificielle peut raisonner — et non simplement chercher des mots.
Voici l'aspect le plus important sur le plan de la sécurité, et le plus souvent mal compris. Le Teamwork Graph est conçu pour respecter les permissions d'origine de chaque entité. Une information ne devrait pas être accessible à quelqu'un qui n'y avait pas déjà accès dans l'outil source.
Autrement dit, le Teamwork Graph ne crée pas de nouveaux droits d'accès : il hérite de ceux qui existent. C'est une garantie essentielle — mais elle a un corollaire redoutable. Si vos permissions sont mal configurées à la source (un espace Confluence trop ouvert, un projet Jira visible par tous), l’outil propagera fidèlement cette erreur, et l'IA pourra exposer, en toute légitimité technique, une information qui n'aurait jamais dû être largement accessible.
Le Teamwork Graph n’est pas la source de fuites d’informations sensibles : il révèle simplement les lacunes de votre gouvernance en ce qui a trait à la gestion de vos permissions, dont personne n’était conscient.
Le Teamwork Graph n'est pas une fin en soi : c'est la fondation sur laquelle reposent les capacités d'intelligence artificielle d'Atlassian, regroupées sous Rovo.
Aucune de ces capacités ne serait fiable sans le Teamwork Graph. Un agent qui ignore les liens entre un ticket, sa décision documentée et son code livré ne ferait qu’offrir des réponses fragmentées; jumelé au Teamwork Graph, il offre un raisonnement ancré dans un contexte réel.
Atlassian inscrit le Teamwork Graph dans une vision plus large qu'il nomme le «System of Work» : l'idée que le travail, la connaissance, les personnes et les objectifs forment un système unique et relié, plutôt qu'une collection d'outils juxtaposés. Le Teamwork Graph en est l'infrastructure — la plomberie invisible qui fait tenir l'ensemble.
Pour une organisation, l'enjeu est stratégique : c'est la différence entre une suite d'applications qu'on utilise tour à tour, et une plateforme qui comprend comment le travail s'articule réellement. La première répond à des questions sur un outil ; la seconde répond à des questions sur l'organisation.
Comprendre le Teamwork Graph, c'est aussi comprendre ce qu'il exige. Trois implications méritent une attention immédiate.
La bonne nouvelle, c'est que la préparation au Teamwork Graph se confond avec une bonne hygiène Atlassian — un travail qui paie indépendamment de l'IA.
Le Teamwork Graph est l'une des évolutions les plus profondes de la plateforme Atlassian, parce qu'il déplace la valeur des outils individuels vers les relations entre eux. Mais cette valeur n'est pas automatiquement gagnée : elle se mérite par la qualité des données, la rigueur des permissions et la clarté de la structure.
Chez Nimbax, nous préparons les organisations québécoises à tirer parti de cette couche en travaillant d'abord les fondations : gouvernance, mise à niveau des contenus, audit des permissions et conformité. Le Teamwork Graph est puissant et notre rôle est de s'assurer que vous en tirez le plein potentiel.
