Just 2.0 : analyses, recherche web, images et contexte partagé

C’est la plus grosse mise à jour de Just à ce jour.

Avec cette version, Just : assistant IA pour Jira franchit un vrai cap. Les analyses posent d’abord des questions de clarification, puis construisent un plan, peuvent récupérer du contexte web récent, générer des images dans la même exécution et s’améliorer au fil du temps grâce au retour d’usage au niveau du projet.

L’autre grand changement concerne le contexte. Les équipes peuvent désormais conserver un contexte réutilisable dans un seul projet ou le rendre disponible à l’échelle de toute l’organisation, selon la portée souhaitée pour cette connaissance.

Le prix a lui aussi changé, et j’y reviens plus bas. Mais la vraie nouvelle, c’est d’abord le saut du produit lui-même. En pratique, on est clairement sur un Just 2.0.

Ce qui change concrètement :

• Les analyses clarifient avant de planifier.
• Une seule exécution peut combiner recherche web et génération d’images.
• Le retour d’usage commence à influencer les résultats futurs au niveau du projet.
• Le contexte peut rester local à un projet ou être partagé dans toute l’organisation.

Nouveau nom, nouveau signe

Le produit n’est pas le seul à avoir changé. Son nom et son identité visuelle ont changé eux aussi.

Just: AI Starter Kit for Jira était un nom honnête quand le produit ressemblait encore à un petit ensemble de flux IA. Just : assistant IA pour Jira décrit bien mieux ce qu’il est devenu : il ne se contente plus de générer du texte, il aide à faire avancer un ticket Jira à travers des questions, des analyses, de la recherche, des scénarios réutilisables et une exécution maîtrisée.

D’abord les questions, ensuite le plan

Le changement le plus important concerne la manière dont Just construit désormais ses résultats.

Les premières versions généraient directement une réponse à partir du ticket. Le modèle lisait l’issue et produisait quelque chose de structuré et plausible. Cela fonctionne quand le ticket est déjà clair.

Sauf que la plupart des tickets ne le sont pas. Ils sont écrits dans l’urgence, remplis d’hypothèses implicites et dépourvus des décisions qui comptent vraiment pour l’implémentation.

La version actuelle commence par poser des questions de clarification. Vous ouvrez une issue, vous lancez une analyse, et Just fait remonter des questions précises avant de construire quoi que ce soit. Vous répondez, puis le plan se construit à partir de vos réponses, et non à partir de ce que le modèle a supposé que vous vouliez sans doute dire.

Sur le papier, cela paraît mineur. En pratique, cela fait passer le résultat d’une réponse plausible à une demande ambiguë à un plan structuré fondé sur des décisions explicites. Et la différence saute aux yeux dès qu’il faut montrer ce résultat à quelqu’un d’autre dans l’équipe.

Recherche web et images dans une seule exécution

Just prend maintenant en charge la recherche web et la génération d’images dans une seule exécution d’analyse.

Quand un ticket touche à quelque chose qui évolue vite — une API, une fonctionnalité d’un concurrent, une exigence de conformité — l’étape de recherche web récupère l’information actuelle avant même que le plan soit construit. C’est important parce que tous les modèles d’IA ont une date de coupure dans leurs données d’entraînement. Un modèle qui travaille uniquement à partir de cet entraînement ne sait pas ce qui a changé ces derniers mois. Une recherche en direct, elle, le sait.

La génération d’images passe par le modèle image de Gemini, qui gère mieux que la plupart des alternatives dans cette gamme de prix la cohérence visuelle et le texte intégré à l’image. Les deux étapes sont activées au cas par cas : vous les lancez quand le ticket en a besoin, pas par défaut.

Un retour d’usage qui améliore les résultats suivants

Chaque analyse inclut désormais une couche de retour d’usage.

Vous pouvez marquer un résultat comme utile ou non utile, puis ajouter si besoin une courte explication. Ces exemples s’accumulent par projet et sont réutilisés dans les exécutions suivantes comme signaux positifs ou négatifs. Les bons résultats orientent les sorties futures vers ce que l’équipe juge réellement utile. Les mauvais montrent au modèle ce qu’il doit éviter.

Il ne s’agit pas d’une amélioration globale du modèle. C’est un réglage fin, projet par projet. Avec le temps, Just devient ainsi plus pertinent pour le type de résultat que votre équipe utilise vraiment, au lieu de produire une réponse générique que le modèle trouvait simplement raisonnable.

Un contexte au niveau du projet ou de l’organisation

Le contexte est lui aussi devenu bien plus souple.

Certaines équipes veulent que tous les projets héritent du même cadrage produit, du même public cible et des mêmes conventions de base. D’autres ont besoin que chaque projet garde son propre contexte, parce que les produits, les utilisateurs ou les modes de travail diffèrent réellement. Just prend maintenant en charge les deux approches.

Vous pouvez garder le contexte limité à un seul projet ou le rendre réutilisable dans toute l’organisation. Cela peut sembler n’être qu’un détail de configuration, mais à l’échelle cela change beaucoup la sensation d’usage. Un contexte partagé réduit les répétitions de mise en place. Un contexte propre à chaque projet évite que les hypothèses d’une équipe contaminent le travail d’une autre.

En pratique, cela rend le produit beaucoup plus simple à intégrer dans une vraie organisation, au lieu d’imposer à tout le monde un modèle unique.

Construisez vos propres scénarios

L’éditeur de scénarios permet de créer, d’ajuster et d’enregistrer vos propres flux réutilisables.

Un scénario est une suite d’étapes configurées, chacune avec son propre modèle, ses consignes et son format de sortie. Vous pouvez en construire un pour les critères d’acceptation, un autre pour le cadrage technique, un autre encore pour la recherche concurrentielle sur de nouvelles fonctionnalités. Une fois enregistré, ce scénario est disponible directement dans Jira et se lance en un clic sur n’importe quelle issue.

C’était la demande la plus fréquente des premiers utilisateurs. Le flux d’analyse intégré est déjà utile à lui seul. Mais le vrai changement d’échelle arrive quand vous pouvez transformer en quelque chose de réutilisable la manière dont votre équipe travaille réellement — sa structure préférée, ses champs obligatoires, son niveau de profondeur attendu.

Coûts transparents : crédits, clés et contrôle

Just fonctionne avec cinq fournisseurs : Anthropic, OpenAI, Google, xAI et Mistral. Les nouvelles installations démarrent avec 25 dollars de crédits de bienvenue répartis entre les fournisseurs, afin de pouvoir lancer de vrais flux avant de configurer vos propres clés API.

Une fois ces crédits épuisés, le fonctionnement devient très simple :

• Vous connectez vos propres clés fournisseurs.
• Les coûts restent visibles à l’étape près : combien coûte chaque fournisseur, chaque étape et chaque exécution d’analyse.
• Les crédits servent d’amorce, pas de modèle économique durable. À long terme, le fonctionnement naturel repose sur vos propres clés avec une visibilité complète.

Si vous voulez voir comment ces coûts s’additionnent à l’échelle d’une équipe, je le détaille dans Le budget IA dont personne ne parle vraiment.

Le routage est volontairement flexible. Vous pouvez utiliser un seul fournisseur pour tout, ou affecter des modèles différents à des types d’étapes différents. Les réglages par défaut reflètent ce qui me donne aujourd’hui les meilleurs résultats pour chaque usage — Anthropic pour le cœur de la planification, Google pour la recherche et les images — mais tout peut être changé.

À propos du changement de prix

Just est passé de 1 dollar à 5 dollars par utilisateur et par mois.

Le tarif à 1 dollar était honnête au moment où il a été fixé. Just était alors encore expérimental. Rien de ce qui est décrit plus haut n’existait dans le produit. Un outil capable de poser des questions de clarification, de faire de la recherche en direct, de générer des images, de réutiliser le retour d’usage, de proposer des scénarios personnalisés et de gérer le contexte au niveau du projet ou de l’organisation relevait alors de la feuille de route, pas de la réalité.

Ce produit existe désormais. Les 5 dollars par utilisateur reflètent ce qui est réellement là. Cela reste inférieur à beaucoup d’outils IA comparables dans Jira, et ce tarif n’inclut toujours pas les coûts d’usage de l’IA : ceux-ci restent transparents et passent directement par vos propres clés API.

Pour les abonnés actuels, la politique tarifaire d’Atlassian prévoit un délai de six mois avant qu’un changement de prix n’apparaisse sur la facture. Rien ne change donc immédiatement. Vous restez à 1 dollar jusqu’en octobre 2026.

Si vous voulez parler de ce changement, comprendre ce qu’il implique pour votre équipe ou simplement partager un retour sur le produit, écrivez-moi directement. Je lis chaque message.