L'IA dans le code : VTB et T-Bank racontent leur déploiement des assistants de programmation

Lors de la conférence Conversations, des développeurs de VTB, T-Bank, Dodo Engineering et S7 TechLab ont partagé leur expérience de l'intégration de l'IA dans le développement via des assistants de code. Ils ont aussi décrit comment les rôles ont évolué au sein des équipes en un an d'utilisation.

Qu'est-ce qui a changé en un an d'IA dans le code ?

Il y a environ un an, les grandes équipes IT russes ont commencé à déployer massivement des assistants IA pour écrire du code. Les développeurs sont passés par des étapes bien connues. D'abord l'enthousiasme du démarrage, puis la déception face aux hallucinations et au code de mauvaise qualité. Enfin, l'outil a trouvé sereinement sa place dans le quotidien.

La question centrale n'est plus aujourd'hui « l'IA fonctionne-t-elle ? », mais « a-t-elle changé quelque chose de mesurable dans les métriques de l'équipe ? ». Selon les participants, le gain d'efficacité est réel, mais il ne se situe pas là où on l'attendait. Il ne porte pas sur la vitesse de développement de nouvelles fonctionnalités. Il tient à la baisse de l'effort consacré aux tâches routinières : tests, documentation, refactoring de code standard.

• Entreprises participantes : VTB, T-Bank, Dodo Engineering, S7 TechLab
• Organisateur de la discussion Conversations : Just AI
• Effet clé de l'IA : des économies sur les tâches routinières, et non une accélération du développement de nouvelles fonctionnalités
• Les outils se sont installés dans le flux de travail quotidien de la plupart des équipes

Faut-il obliger les développeurs à utiliser l'IA ?

C'était l'une des questions les plus vives du débat : faut-il imposer les assistants IA aux développeurs ? Selon l'expérience des participants, l'approche directive fonctionne moins bien qu'une adoption organique. VTB et T-Bank ont misé sur des ambassadeurs internes. Ces développeurs montraient eux-mêmes à leurs collègues des cas concrets de gain de temps. Quand l'IA s'impose par l'exemple personnel, la résistance diminue nettement.

S7 TechLab et Dodo Engineering ont observé que les réactions négatives apparaissent le plus souvent lorsque l'assistant génère du code qui exige une longue revue. Si le ratio « code écrit par l'IA / code accepté sans modifications substantielles » est trop faible, la confiance dans l'outil s'effondre. Les développeurs reviennent alors à leurs anciennes méthodes.

« L'IA n'accélère pas automatiquement le développement : elle

redistribue la façon dont le temps est consommé. »

Qui écrit désormais le code, et qui se contente de le relire ?

Un glissement inattendu des rôles s'est dessiné. Dans les équipes qui utilisent activement un assistant IA, la mission du développeur passe de l'écriture du code à sa revue et à sa validation. Les attentes envers les profils juniors et intermédiaires changent en conséquence. Savoir lire, comprendre et évaluer rapidement le code d'autrui, y compris du code généré, devient plus important que savoir l'écrire vite à partir de zéro.

Les participants ont identifié deux risques concrets. Premier risque : le développeur accepte le code « à l'aveugle » et accumule de la dette technique. Second risque : il passe tellement de temps à comprendre le code généré que tout le gain apporté par l'IA disparaît. Les deux scénarios se sont déjà produits dans des équipes en production.

Ce que cela signifie

Les assistants de code IA se sont installés dans le cycle de production des grandes équipes IT russes. Mais au-delà des gains d'efficacité, ils soulèvent de nouvelles questions sur la structure des rôles, la qualité de la revue de code et la gestion de la dette technique. Principale conclusion du débat : l'IA transforme les processus, elle ne se contente pas de les accélérer.

Questions fréquentes

Quelles entreprises ont participé à la discussion ?

Des représentants de VTB, T-Bank, Dodo Engineering et S7 TechLab ont pris part à la discussion technique Conversations, organisée par Just AI. Les quatre entreprises ont partagé leur expérience du déploiement d'assistants IA dans le développement en production.

Où l'efficacité progresse-t-elle réellement grâce aux assistants IA ?

Selon les participants, le gain se voit d'abord sur les tâches routinières : écriture de tests, documentation et refactoring de code standard. Il ne porte pas sur la vitesse de développement de nouvelles fonctionnalités.

Par quelles étapes est passé le déploiement des assistants IA dans les

entreprises russes ? Selon l'expérience de VTB, T-Bank et d'autres grandes entreprises, le déploiement des assistants de code a connu trois étapes. D'abord l'enthousiasme du démarrage, puis la déception face aux hallucinations et au code de mauvaise qualité. Enfin, l'outil s'est intégré sereinement au flux de travail.