Le problème
Dans beaucoup d'équipes, la documentation vit dans Confluence et le travail dans Jira, et le passage de l'une à l'autre se fait à la main. C'est lent, inégal, et c'est exactement l'endroit où l'on voudrait faire intervenir l'IA, à condition de savoir où elle est fiable.
L'approche
- Lecture de la documentationLes pages Confluence sont découpées et indexées dans une base vectorielle (Qdrant).
- Génération des ticketsEpics et user stories générées avec critères d'acceptation, en préservant tableaux, images et liens.
- Verdict « ai-ready »Chaque story est jugée prise en charge possible par une IA, ou « validation nécessaire » avec la raison.
- Analyse du codeUn service dédié indexe le code existant pour donner aux agents le bon contexte.
La plateforme sert de socle à Heliocraft Agent OS, qui l'appelle comme un service.
Stack
- Java 21
- Spring Boot
- React + Vite
- Qdrant
- Claude API
- Ollama
- Confluence API
- Jira API
Résultats
- 475 tickets générés à partir d'une documentation Confluence réelle.
- Génération structurée confiée à un modèle local, jugement « ai-ready » confié à un modèle plus fort : le bon modèle au bon endroit, et des coûts maîtrisés.
- Réévaluation à la demande d'une story après précision du besoin.
La vision : un plan de contrôle qui intercepte, évalue, route et audite les échanges avec l'IA dans l'entreprise.
Projet suivant : Immo AI