agent

Brevo : les agents bouleversent le développement logiciel mais avec une démarche maîtrisée

Soumis par francoistonic le
IA
Image
Brevo

Brevo est un des acteurs les plus importants du mailing. Aujourd'hui, l'éditeur emploie plus de 300 développeurs. Depuis quelques mois, les équipes passent d'une logique agentique individuelle à une approche collaboratrive avec l'idée d'une usine logicielle agentique. 

"Le développement traditionnel repose encore largement sur des processus individuels et séquentiels, qui  ralentissent la livraison et multiplient les échanges entre équipes, alors que développer un produit devrait être itératif. Au-delà d’augmenter chaque développeur individuellement, pour Brevo l’enjeu était de faire travailler les agents d’IA au service d’un processus collectif, et d’éviter de dépendre d’un seul outil ou modèle d’IA. D’autre part, développer un produit n’est pas le travail des seuls développeurs et les outils doivent être accessibles à des profils moins techniques." explique Brevo

Pour réaliser ce passage, il a fallu définir une Software Factory capable d'adresser toutes les équipes, de fournir un contexte partagé pour les agents, une orchestration des agents et la capacité à prendre en charge les environnements des postes de travail. 

Brevo évoque des résultats réels :

  • 300+ fonctionnalités développées avec la Software Factory depuis son lancement ;
  • 5 à 6 fonctionnalités backend développées par semaine avec la Software Factory ;
  • 92% du code mis en production chez Brevo est désormais écrit avec l’aide d’agents de codage ;
  • 100 % des collaborateurs utilisent aujourd’hui la Software Factory au sein des équipes engineering et produits ;
  • Réduction de plus de 80 % du temps de résolution des incidents ;
  • Développement de fonctionnalités 52 % plus rapide ;
  • 100% des profils produit ont contribué directement à une implémentation.

Mais transformer les méthodes de développement nécessite une réflexion et de la méthode. Les développeurs de l'éditeur sont tous full stack et tout le monde peut aujourd'hui contribuer au code, mais il faut pouvoir encadrer et définir le bon usage agentique. Par exemple, les Pull Requests sont déléguées aux agents pour obtenir un meilleur niveau de qualité.

Sur le code, les agents permettent d'obtenir une qualité parfois très supérieure. Les développeurs doivent valider les architectures, les specs et les codes générés.

Côté outillage, Brevo a mis en place un contexte, des skills, du MCP et est passé des outils individuels à des outils collaboratifs. C'est un point important. Les équipes ont créé les agents, les skills et les MCP qui correspondent aux besoins réels.

Claude Code était l'outil IA le plus utilisé, mais Brevo veut son indépendance pour pouvoir changer de modèles ou d'agents quand il le faut. Avoir une dépendance trop forte est toujours dangereux : lors des pannes successives de l'été 2026, cela a considérablement impacté les équipes. Désormais, si un LLM n'est pas disponible, l'environnement passe à un autre LLM.

Aujourd'hui, avec la software factory agentique, le but est : je prototype, je teste, je pousse ou je modifie. Il faut concilier flexibilité et rapidité de développement des nouvelles fonctionnalités.

Le coût est bien entendu un élément à ne pas négliger, surtout depuis le changement de facturation. Dans l'approche de l'usine logicielle, Brevo est indépendant des LLM et il est possible d'adapter le modèle, de limiter les quotas par personne,par projet, etc.

Un exemple : une revue de Pull Request pouvait coûter 7 € il y a 18-24 mois ; aujourd'hui, le coût est d'environ 70 centimes, même si d'autres coûts ont pu augmenter.

« L'IA reste un assistant. Il ne faut pas en dépendre à 100 %. Des entreprises ne pourront plus payer (la facture IA) »,précise Mickaël Arias, CTO de Brevo.

 

Atlassian renforce la gouvernance du développement agentique

Soumis par francoistonic le

Atlassian annonce plusieurs nouveautés liés au développement agentique. Atlassian développe et édite Jira, Confluence et DX. Une des nouveautés les plus importantes est Code Context. Il doit permettre aux agents de s'ancrer dans des bases de code multi-référentiels, boucles agentiques dans Jira pour convertir les backlogsJira en pull requests, et DX for Agentic Development, qui permet de mesurer l'impact de la mise en œuvre de l'IA. 

« Le principal goulot d’étranglement dans l’ingénierie logicielle de l’IA n’est pas l’intelligence des modèles, mais le contexte organisationnel », a déclaré Taroon Mandhana, CTO, AI & Teamwork chez Atlassian. « Les entreprises ont besoin de plus que des sessions isolées et des prompts ponctuels. Jira est depuis longtemps le système de référence pour la manière dont les équipes travaillent. En étendant cette base pour orchestrer les agents aux côtés des ingénieurs, nous offrons aux équipes un moyen sûr et mesurable de déployer à grande échelle des workflows basés sur des agents tout au long du cycle de vie du développement logiciel (SDLC). » 

La seconde grande nouveauté est : les contrôles d’Agent Context. Ils permettent aux équipes de la plateforme de définir quels agents peuvent intervenir dans un espace et ce qu'ils sont précisément autorisés à voir. 

La gouvernance est l'autre défi. L'éditeur dévoile 2 fonctionnalités :

  • DX for Agentic Development mesure l’impact de l’IA sur le débit, la qualité, l’adoption et les coûts, en établissant un lien direct entre l’investissement total en IA et les résultats techniques. Il regroupe les analyses de code IA, le suivi des outils et des MCP, l’adéquation entre les modèles et les tâches, ainsi que les recherches sur l’expérience des agents (AX) validées par la communauté universitaire, le tout dans un contexte logiciel riche et encadré par des garde-fous, bouclant ainsi la boucle entre l’observabilité et la gouvernance de l’IA. 

  • Jira Agent Usage Dashboard aide les chefs d'équipe à identifier les agents utilisés dans leurs workflows, à établir un lien entre les sessions des agents et les tâches Jira, et à améliorer la vitesse d'exécution de l'équipe grâce aux agents. 

Eclipse LMOS : langage dédié aux agents IA

Soumis par francoistonic le
IA
Image

La fondation Eclipse annonce le projet LMOS : Language Models Operating System. Eclipse LMOS est une plateforme open source pour orchestrer des agents d'IA intelligents qui effectuent des tâches complexes à l'échelle d’entreprise.

Il est composé de trois éléments centraux :

  • Eclipse LMOS ADL (Agent Definition Language) : un langage structuré et neutre en termes de modèle et une boîte à outils visuelle qui permet aux experts du domaine de définir le comportement des agents de façon fiable et de collaborer facilement avec les ingénieurs. 
  • Eclipse LMOS ARC Agent Framework : une plateforme native de la JVM avec un runtime Kotlin pour développer, tester et étendre les agents d'IA, équipée d’une interface visuelle intégrée pour définir le comportement de l'agent de manière collaborative, des itérations et un débogage rapide.
  • Plateforme LMOS Eclipse : une couche d'orchestration ouverte et neutre par rapport au fournisseur pour la gestion du cycle de vie des agents, la recherche, le routage sémantique, et l'observabilité, basée sur la pile CNCF et actuellement en Alpha.

"ADL aborde la complexité de l'ingénierie de prompt traditionnelle en fournissant un environnement structuré et indépendant du modèle qui permet aux équipes commerciales et d'ingénierie de co-définir le comportement des agents de manière cohérente, maintenable et versionnable. Ce langage partagé augmente la fiabilité et l'évolutivité des cas d'utilisation croissants des agents, permettant aux entreprises de concevoir et de gérer des systèmes agentiques complexes en toute confiance. " explique la fondation. 

L'objectif du projet LMOS est de créer une plateforme souveraine et ouverte où les agents d'IA peuvent être développés, déployés et intégrés de manière transparente à travers les réseaux et les écosystèmes. Basé sur des standards ouverts tels que Kubernetes, LMOS est déjà en production avec l'un des plus grands déploiements d'IA agentive d'entreprise en Europe.

« Avec ADL, nous voulions rendre la définition du comportement des agents aussi intuitive que la description d'un processus d’entreprise, tout en conservant la rigueur qu'exigent les ingénieurs », a déclaré Arun Joseph, Chef du Projet Eclipse LMOS. « Cela élimine la vulnérabilité de la conception basée sur prompt et donne aux entreprises un moyen pratique de faire évoluer l'IA agentique en utilisant leurs équipes et leurs ressources existantes. »

Pour en savoir plus : https://eclipse.dev/lmos/