Avec ses outils MCP, Atlassian dit réduire sa consommation de tokens

Les analystes observent des inquiétudes concernant les coûts

« Ce que les gens redoutent, c’est de se coucher le soir et de se réveiller le lendemain matin pour découvrir, non pas que l’IA ait causé d’énormes dégâts, mais qu’elle ait dépensé 4 millions de dollars en tokens sans aucun résultat », illustre-t-elle.

Les modèles de tarification des éditeurs pour les agents IA sont encore en cours d’élaboration. Cela ne les empêche pas de pousser leur adoption auprès des entreprises, souligne Thomas Wieberneit, cofondateur, PDG et directeur d’AheadCRM. C’est un cabinet de conseil spécialisé dans la gestion de la relation client, l’expérience client et l’IA.

« Comment associer les services d’agents IA à un modèle de tarification suffisamment transparent pour que le directeur financier non seulement le comprenne, mais y adhère ? », s’interroge Thomas Wieberneit. « La tarification à la consommation n’est pas la solution, car elle ne lie pas les résultats aux prix », lance-t-il. « En réalité, c’est le prétexte que [les éditeurs] utilisent pour gonfler leurs revenus. Et ils s’en lavent en quelque sorte les mains : “eh bien, si vous l’aviez mis en œuvre correctement, vous en auriez tiré de la valeur” », continue-t-il. « L’ensemble du secteur doit parvenir à des modèles de fonctionnement qui conviennent aux deux parties ».

D’autant que, selon Charles Betz, analyste de Forrester Research, la supervision d’agents autonomes à l’aide d’autres agents contribue à la consommation de tokens. Tout comme l’échange de données entre plusieurs plateformes est coûteux.

« L’une des choses surprenantes qui ressort des entretiens avec les clients, c’est que les coûts d’évaluation commencent à devenir inacceptables : un agent s’occupe d’une tâche, puis un autre agent l’évalue », évoque l’analyste. « Cela permet certes d’atteindre le niveau de qualité requis, [mais] cela coûte aussi deux fois plus cher que [ce qu’ils avaient prévu] ».

L’échange de données entre les agents de plusieurs fournisseurs risque d’aggraver ce problème, poursuit-il, car la plupart des éditeurs, y compris les hyperscalers, facturent la sortie de données de leurs réseaux.

ServiceNow et Atlassian modifient l’accès aux données des agents

ServiceNow, concurrent d’Atlassian dans le domaine de la gestion des services d’entreprise, a également revu son approche de ces échanges avec le lancement d’un nouvel « Access Fabric » lors de sa conférence Knowledge du 5 au 7 mai. Access Fabric distingue les requêtes de données des agents IA, plus légères, des frais de sortie de données facturés au gigaoctet qui s’appliquent lorsque les utilisateurs transfèrent de grands volumes de données hors de la plateforme.

ServiceNow n’a pas divulgué le prix d’Access Fabric. Un porte-parole de l’entreprise a déclaré que les clients peuvent surveiller les coûts de sortie de données à l’aide de la fonctionnalité de gestion des abonnements accessible à tous les clients de sa plateforme d’IA. Ces coûts ne sont actuellement pas pris en compte dans les rapports de gestion des coûts disponibles dans la console AI Control Tower de ServiceNow. Sur place à Las Vegas, l’information a suscité des discussions entre l’éditeur et les analystes financiers, mais n’a pas été formellement évoquée avec la presse.

Selon Charles Betz de Forrester Research, ces coûts continueront de susciter des questions de la part des clients chez ces deux éditeurs.

« Une équipe d’architectes d’une grande entreprise vient de me faire part de ses inquiétudes […] concernant les dernières conditions générales de ServiceNow relatives au trafic sortant des agents IA sur son graphe », témoigne-t-il. « Apparemment, une ribambelle de startups désire ardemment les données d’Atlassian et de ServiceNow », évoque-t-il, sans révéler de noms. « Donc, Atlassian et ServiceNow vont se retrouver dans une situation très délicate : ils ne veulent pas limiter leurs clients, mais si leurs clients font appel à un agent qui souhaite télécharger l’intégralité du graphe, ils vont devoir facturer ce service. Cela va créer de sérieuses tensions ».

Un porte-parole d’Atlassian affirme que la réduction des coûts de transfert de données pour les clients passera notamment par l’usage des nouveaux outils MCP disponibles pour Teamwork Graph, moins gourmand en données et en tokens.

« Nous soutiendrons toujours la portabilité des données, mais le graphe est bien plus qu’une simple copie des données d’un client », insiste le porte-parole dans une déclaration envoyée par e-mail à Informa TechTarget. « Il s’agit d’une couche d’intelligence fondée sur des relations déduites et une compréhension sémantique, et c’est ce qui permet d’offrir des expériences nettement améliorées ».

Les agents interdomaines restent rares en production

Le nouvel accès au Teamwork Graph d’Atlassian fait partie d’un ensemble de mises à jour de produits dévoilées lors de la conférence Team d’Atlassian. Parmi elles, il faut mentionner Max dans Rovo Chat, un moyen de prendre en charge des tâches complexes en plusieurs étapes. Par ailleurs, l’interface no code de création d’agents IA Rovo Studio entre en disponibilité générale, tout comme la prise en charge des agents IA dans Jira. C’est le cas également pour le centre de commandement des incidents et les agents de service desk autonomes de niveau 1 dans les produits Service Collection.

Dans l’ensemble, la stratégie de développement des produits IA d’Atlassian met l’accent sur l’agnosticité vis-à-vis de la source des agents et des modèles.

« Les clients peuvent orchestrer des flottes d’agents provenant de différents éditeurs, choisir le meilleur pour chaque tâche et savoir que chaque agent dispose du contexte organisationnel nécessaire pour bien faire son travail », indiquait un communiqué de l’entreprise envoyé à la presse en mars. « Un meilleur contexte signifie de meilleurs résultats, quel que soit l’agent qui effectue le travail ».

Cependant, selon les experts, dont Rebecca Wettemann, ce type de déploiement reste hors de portée de la plupart des entreprises. Les déploiements multiagents en production les plus courants qu’elle a observés concernent les clients d’Agentforce de Salesforce.

« Je pense que c’est parce qu’il s’agit de cas d’usage simples au départ : les données se trouvent dans Salesforce. Le flux de travail originel était probablement déjà documenté d’une manière ou d’une autre », estime-t-elle. « Il n’y avait pas de risques liés à la collecte de données provenant de systèmes externes, ni même à de nombreux cas sortant de l’environnement Salesforce ».

Selon Charles Betz, Atlassian devrait étendre ses capacités de découverte des actifs s’il souhaite rivaliser avec ServiceNow en matière d’orchestration d’agents IA interdomaines. Par le passé, Atlassian s’était associée à Device42, qui a été racheté l’année dernière par son concurrent Freshworks.

« Cela reste une faiblesse d’Atlassian, qui doit vraiment se mettre à niveau en matière de CMDB », pointe l’analyste de Forrester. « Sans découverte, sans une bonne compréhension de la réalité sur le terrain, vous ne serez pas en mesure de contrôler réellement les charges de travail des agents IA. Cela permettrait de les positionner au moins comme les prémices d’une tour de contrôle IA ».

Atlassian s’associe désormais à d’autres fournisseurs de solutions de découverte, notamment Lansweeper et Flexera, selon le porte-parole de l’entreprise.

« Nous nous engageons à faire évoluer nos fonctionnalités natives d’ITAM et de CMDB, notamment en intégrant ces données dans notre Teamwork Graph », écrit le porte-parole d’Atlassian dans son courriel. « Les fonctionnalités de rapprochement et de contrôle de la qualité des données issues de notre acquisition d’AirTrack (désormais connu sous le nom de Data Manager) permettent à nos clients d’importer, de nettoyer et d’analyser des données provenant de multiples sources tierces ».

Article initialement publié en anglais sur SearchITOperations.