Modèles d'intervention humaine pour les agents IA dans Jira

L'intervention humaine vous permet de garder le contrôle à mesure que les agents prennent en charge une plus grande partie du développement. Dans Jira, ce mécanisme est intégré au workflow plutôt que de constituer un outil distinct. Les équipes qui obtiennent des résultats concrets réservent le jugement humain aux décisions clés et laissent les agents gérer le reste.

Ce jugement trouve naturellement sa place. Jira est la plateforme où les équipes ont toujours géré le travail et validé les initiatives. Elle remplit désormais le même rôle pour les agents. Ce guide explique où et comment les agents humains gardent le contrôle sur les agents IA, qui est responsable de quoi, et comment mettre en place une supervision évolutive. En bref, une intervention humaine bien menée vous apporte trois choses :

• Des approbations qui conditionnent les actions que vous ne pouvez pas annuler facilement

• Un examen permettant de détecter les sorties de mauvaise qualité ou mal alignés avant leur livraison

• Une procédure de remontée transférant automatiquement vers une personne les décisions pour lesquelles l'agent a des doutes

Qu'est-ce que l'intervention humaine pour les agents IA ?

L'intervention humaine est une approche de conception de système dans laquelle un agent IA marque une pause à des points de contrôle prédéfinis afin qu'une personne puisse approuver, corriger ou réorienter le travail avant la poursuite de toute étape critique. L'agent virtuel se charge de l'exécution de routine, tandis qu'un agent humain contrôle les décisions qui ont des conséquences réelles.

Il s'agit d'une architecture conçue pour garantir la fiabilité, et non d'un signe d'échec de l'IA ni d'une solution provisoire que l'on supprime une fois que le modèle est suffisamment performant. Les meilleurs systèmes d'agents sont ceux dans lesquels le jugement humain intervient précisément là où il change le résultat.

En pratique, l'intervention humaine se présente généralement sous trois formes :

• L'approbation est la validation avant une action à haut risque ou irréversible.

• L'examen consiste à valider la sortie de l'agent avant sa livraison.

• La procédure de remontée est le transfert effectué par l'agent lorsqu'il a des doutes, manque de contexte ou que la demande est hors de son champ d'action.

Intervention humaine, supervision humaine et absence d'intervention humaine

Ces trois termes décrivent le degré de contrôle qu'une personne conserve une fois qu'un agent commence à travailler. La différence se résume à savoir qui agit et qui décide.

L'objectif n'est pas un contrôle maximal partout, ni une absence totale de contrôle. Il s'agit d'appliquer le mode approprié là où réside réellement le risque, et d'orienter le travail vers davantage d'autonomie à mesure que la confiance s'établit.

Où les humains gardent-ils le contrôle des agents IA ?

Commencez par déterminer qui est responsable de quoi

La responsabilité vient avant le point de contrôle. Avant de déterminer à quel niveau une personne doit effectuer un examen ou donner son approbation, il faut définir ce dont l'agent est responsable. Le point de contrôle garantit le respect de cette décision ; il ne la remplace pas.

Une façon simple de diviser le travail consiste à déterminer le coût d'une éventuelle erreur :

• L'agent en est responsable. Une tâche bien définie que l'agent peut accomplir et clôturer de manière autonome, sans transfert nécessaire.

• L'agent propose, une personne dispose. L'agent prépare la tâche, puis une personne la finalise, l'approuve ou la renvoie.

• Une personne en est responsable. Les décisions qu'un humain prend dès le départ, l'agent apportant son aide plutôt que de prendre la décision.

C'est la responsabilité qui détermine qui lance la tâche. Les modes de supervision susmentionnés déterminent qui assure le suivi une fois le processus engagé. Dans Jira, chaque action effectuée par un agent est associée à une identité connue et consignée dans l'historique du ticket. La responsabilité repose ainsi sur des données enregistrées, et non sur la mémoire.

1. Approbations : validation avant les tâches à fort impact

Utilisez une approbation lorsqu'une action est difficilement réversible. Les modifications en production, les suppressions et les décisions entraînant des coûts doivent toutes être soumises à une validation préalable, car le coût d'une erreur est élevé. Dans Jira, l'approbation est une étape de workflow qui bloque une transition jusqu'à ce qu'une personne désignée donne son feu vert. Ce point de contrôle fait donc partie intégrante du processus, plutôt que de constituer un simple rappel à ne pas oublier. Pour connaître tous les mécanismes des règles de workflow derrière ces étapes de validation, y compris les conditions et les validateurs, consultez la page Garde-fous et sécurité de l'ingénierie agentique dans Jira.

• Dans Jira : un agent prépare un changement à fort impact, par exemple une mise à jour de la configuration de production ou une livraison, et le ticket ne peut pas quitter l'état « En attente d'approbation » tant qu'un approbateur désigné n'a pas donné son accord. Une étape d'approbation native associe la transition à deux résultats (approuvé ou refusé) et consigne, sur le ticket, l'identité du décideur ainsi que la date de la décision.

2. Révision : valider la sortie avant sa livraison

Considérez la sortie de l'agent comme non fiable jusqu'à ce que vos contrôles existants l'aient vérifiée. Pour un agent de codage, la révision est la pull request, qui suit votre processus habituel de revue et de merge.

Pour réviser correctement un travail, il faut en examiner le processus, et pas seulement le résultat. La vue des sessions d'agent sur la page Pour vous de Jira vous offre un emplacement unique pour voir ce qu'un agent a fait et pourquoi, permettant ainsi aux réviseurs de disposer d'emblée du contexte au lieu d'avoir à le reconstituer.

• Dans Jira : assignez un ticket à un agent de codage comme l'agent de codage de Jira. Il lit le ticket et le contexte associé, puis ouvre une ébauche de pull request liée à ce premier, que vous pouvez alors examiner. Vous examinez cette pull request via votre processus de merge habituel, et la vue des sessions d'agent sur la page Jira Pour vous regroupe chaque session selon ce qui requiert votre attention et montre ce que chaque agent a fait, afin que vous puissiez la vérifier avec son contexte au lieu d'avoir à le reconstituer.

Assignez n'importe quel ticket Jira à l'agent de codage et regardez-le explorer votre base de code, rédiger le correctif ou la fonctionnalité et présenter une pull request, le tout dans un environnement sandbox cloud sécurisé.

3. Remontée : transférer la demande lorsque l'agent a un doute ou qu'elle est hors de son champ d'action

La remontée, c'est l'agent qui connaît ses propres limites. Lorsque le niveau de confiance est faible, que le contexte fait défaut ou qu'une limite de politique est atteinte, l'agent doit marquer une pause et poser une question ou transférer la demande à un humain plutôt que de tenter de deviner. L'objectif est de rendre ce transfert systématique : concevez les déclencheurs de sorte que la remontée soit une exception signalée par le système, et non une erreur qu'un humain doit détecter a posteriori. Ne vous fiez pas à l'agent pour évaluer de manière fiable son propre niveau de confiance. Définissez vous-même les déclencheurs : l'absence du contexte requis, un signal de faible fiabilité lorsqu'il en existe un, une modification dépassant un seuil défini ou toute action franchissant une limite de politique.

Dans Jira, les règles d'automatisation permettent d'ajouter un commentaire, d'attribuer à un ticket le libellé « Peaufinage nécessaire » ou de l'acheminer vers un humain lorsque le contexte fait défaut. Ce mécanisme fonctionne de la même manière, que l'agent soit fourni par Atlassian ou par un tiers. Le moment où un agent doit faire une pause et poser une question en cours de tâche est défini dans ses propres instructions (pour un agent Rovo ou Jira) ou dans la configuration des outils de l'agent tiers (comme Claude, Cursor ou Copilot).

• Dans Jira : une règle d'automatisation parcourt chaque matin tous les tickets de sécurité ouverts et les achemine en fonction de leur gravité. Les correctifs réversibles et à faible risque sont transmis à un agent de codage qui ouvre une pull request. Tout élément de gravité élevée ou touchant aux infrastructures critiques fait l'objet d'une synthèse et est transmis à l'ingénieur compétent avant toute modification. Ainsi, les décisions à risque sont confiées à une personne disposant déjà de toutes les informations contextuelles nécessaires.

Configurez une seule fois les automatisations dans Jira, et vos agents s'occupent du reste.

Quand l'intervention humaine constitue-t-elle un goulot d'étranglement plutôt qu'une garantie de sécurité ?

Les défaillances en matière de supervision se manifestent à deux égards. Si elle est insuffisante, vous livrez des produits mal conçus ou irréversibles : alors que l'adoption du codage basé sur l'IA progressait, les gains de productivité des développeurs se sont stabilisés à environ 10 à 15 %, car la partie la plus difficile de la livraison d'un logiciel ne résidait pas dans l'écriture du code. Il s'agit de décider ce qu'il faut générer, de comprendre le système que vous modifiez et de savoir si le résultat peut être déployé en toute sécurité. Une supervision excessive produit l'effet inverse.

L'intervention humaine devient un goulot d'étranglement dès lors que les points de contrôle ne correspondent plus au risque. Voici trois modes de défaillance courants :

1. Trop de points de contrôle. Si vous soumettez chaque action à une vérification, vous finissez par souffrir d'une fatigue liée aux contrôles. Les agents restent inactifs en attendant une intervention humaine, et la rapidité avec laquelle vous les avez déployés s'évapore peu à peu.

2. Approbation systématique. Lorsqu'un contrôle se déclenche sur un ticket qui n'en a jamais eu besoin, les utilisateurs l'approuvent sans le lire. Le point de contrôle ne rime plus à rien, et c'est justement lorsqu'un véritable problème passe entre les mailles du filet qu'il devient défaillant.

3. Mesure de la présence au lieu de la supervision. La métrique du nombre d'approbations fait état de l'intervention d'un humain, mais elle ne vous dit pas si ce dernier a détecté quoi que ce soit. Le volume n'est pas synonyme de discernement.

Lorsque vous ne pouvez pas contrôler chaque action sans ralentir le rendement, procédez plutôt à un échantillonnage. Plutôt que de vérifier tout ce qu'un agent produit, examinez-en une partie. Dans Jira, une règle d'automatisation peut sélectionner un certain pourcentage des tickets traités par les agents pour qu'ils soient audités, ou acheminer systématiquement ceux à forte valeur ajoutée. Vous gardez ainsi une véritable maîtrise de la qualité sans interrompre le flux de travail.

Jira en tant qu'interface de révision et d'approbation

Dans Jira, l'intervention humaine n'est pas un outil distinct, c'est l'interface dans laquelle votre équipe gère déjà ses tickets, de sorte que chaque point de contrôle se trouve au même endroit que ces derniers. C'est là toute la différence entre une supervision évolutive et un plan de contrôle parallèle dont personne ne s'occupe.

Les trois modèles se retrouvent sur une seule interface :

• Approuver avec une étape d'approbation de workflow qui bloque une transition jusqu'à ce qu'une personne désignée la valide.

• Examiner la pull request liée au ticket, à l'aide de la vue des sessions d'agent sur la page Pour vous de Jira pour voir ce que chaque agent a fait et ce qui requiert votre attention.

• Effectuer une remontée via les instructions de l'agent et les règles d'automatisation, en enregistrant le transfert et le responsable directement dans le ticket.

Jira permet d'examiner facilement la sortie de l'agent et de décider des éléments à livrer

Les humains et les agents gèrent les tickets à partir d'un système d'enregistrement unique. Les workflows, les autorisations de données et l'historique auxquels votre équipe fait déjà confiance s'appliquent, quel que soit l'agent qui traite le ticket. La supervision réutilise donc les contrôles dont vous disposez au lieu d'un second système conçu uniquement pour l'IA. Vous gardez ainsi le contrôle sans vous éparpiller.

Bonnes pratiques pour l'intervention humaine avec les agents IA

Les meilleurs systèmes avec intervention humaine concentrent l'attention de l'homme là où elle change le résultat, et laissent les agents autonomes gérer tout le reste.

• Privilégiez des interventions moins nombreuses, mais à plus forte valeur ajoutée. Chaque point de contrôle a un coût. Supprimez tout ce qui est devenu une simple formalité.

• Adaptez la supervision au risque et à la réversibilité. Automatisez les tâches de routine. Réservez l'approbation à ce qui est coûteux ou difficile à annuler.

• Distinguez l'approbation de la révision. Approbation avant les actions à fort impact et révision de tout ce qui est livré.

• Rendez la remontée systématique. Définissez les déclencheurs à l'avance : faible niveau de confiance, contexte manquant ou limite liée à la politique.

• Commencez de manière ciblée, puis élargissez. Confiez un périmètre restreint à un nouvel agent et élargissez-le à mesure qu'il gagne votre confiance.

Comment configurer votre premier workflow avec intervention humaine dans Jira

Vous n'avez pas besoin d'effectuer une refonte pour commencer. Choisissez un workflow, ajoutez un point de contrôle et développez-le à partir de là.

1. Choisissez une tâche de routine. Commencez par une tâche où une erreur est peu coûteuse à corriger, comme la mise à jour d'une dépendance, la correction d'un test instable ou une mise à jour de la documentation. Réservez les tâches à fort enjeu pour le moment où vous aurez confiance dans la configuration.

2. Assignez-la à un agent, limité à cette tâche. Ajoutez l'agent à partir du champ Personne assignée, d'une colonne de tableau ou d'une transition de workflow. Il agit au nom de la personne qui l'utilise, donc dans Jira, il n'a accès qu'aux mêmes éléments que cette personne. Jira régit cet accès à votre travail. Ce qu'un agent tiers peut faire avec ses propres outils est défini séparément, en dehors de Jira. L'affectation de l'agent lance son exécution. Cela n'implique pas encore l'intervention d'un être humain ; c'est l'étape que vous ajouterez ensuite.

3. Placez un point de contrôle là où l'impact se fait sentir. Lors de la transition vers un état à fort impact, ajoutez une étape d'approbation afin qu'une personne donne son accord avant que le ticket ne progresse. Pour les offres sans approbations natives, utilisez une condition de transition pour limiter les personnes autorisées à faire avancer le ticket.

4. Envoyez la sortie pour révision. Pour le code, demandez à l'agent de préparer une pull request liée au ticket, afin que la modification soit réellement examinée avant d'être mergée. Rien n'est livré sur la seule décision de l'agent.

5. Confirmez la trace, puis élargissez. Vérifiez que les actions de l'agent sont enregistrées sur le ticket, puis développez : ajoutez la transition suivante, le type de tâche suivant ou un périmètre plus large, en priorité sur un ticket réversible. Élargissez l'autonomie à mesure que l'agent gagne votre confiance.

Consultez les actions que vos agents ont effectuées et les décisions qu'ils ont prises dans Jira.

L'objectif ultime n'est pas d'avoir un agent qui s'exécute sans surveillance. C'est un workflow où les humains interviennent uniquement sur les décisions cruciales, et où chaque étape est enregistrée.

Prêt à intégrer les humains là où ils apportent de la valeur ? Commencez le développement natif de l'IA avec Jira

Questions fréquentes sur les agents IA avec intervention humaine

Comment conserver l'intervention humaine avec les agents de codage IA ?

Veillez à ce que le travail de l'agent reste soumis à vérification et soit encadré par des points de contrôle. Acheminez sa sortie vers une pull request, exigez une approbation avant les modifications à fort impact et concevez des déclencheurs de sorte que l'agent effectue une remontée lorsqu'il a un doute ou que la demande dépasse son champ d'action.

Les agents IA dans Jira peuvent-ils nécessiter une approbation humaine ?

Oui. Ajoutez une étape d'approbation de workflow à la transition où l'impact se produit, et le ticket est mis en attente jusqu'à ce qu'une personne désignée l'approuve ou le refuse. Les approbations natives sont disponibles avec les offres Premium et Enterprise.

Qui est responsable de ce que fait un agent IA ?

Une personne, toujours. L'agent traite le ticket, mais un humain est responsable du résultat. Dans Jira, chaque action effectuée par un agent est associée à une identité connue et consignée dans l'historique du ticket.

Qu'est-ce que l'ingénierie des boucles pour les agents IA ?

L'ingénierie des boucles consiste à concevoir les déclencheurs qui déterminent quand un agent continue d'itérer de manière autonome et quand il passe le relais à un humain. De bons déclencheurs rendent la remontée systématique, afin que la supervision se concentre là où se trouve le risque, et non partout.

L'intervention humaine répond-elle aux exigences de gouvernance de l'IA ?

La supervision humaine est essentielle dans des cadres tels que la loi européenne sur l'IA et le NIST AI RMF, mais la supervision à elle seule ne constitue pas une gouvernance. Vous avez également besoin d'un accès contrôlé, d'approbations et d'une piste d'audit. Pour en savoir plus, consultez la page Garde-fous et sécurité de l'ingénierie agentique dans Jira.