Raiffeisenbank a déployé des agents IA pour 500 ingénieurs, sans gain de vitesse. Pourquoi

Raiffeisenbank a dressé le bilan de la deuxième partie de son expérience d'intégration de l'IA dans une organisation d'ingénierie de 500 spécialistes : l'accélération locale de certains rôles grâce à des agents de codage n'a pas modifié les métriques clés Lead Time, Throughput et Defect Rate.

Pourquoi les copilotes n'ont pas accéléré l'équipe

Distribuer des agents de codage aux ingénieurs ne change pas, en soi, la vitesse du système. C'est la conclusion de la première partie de l'expérience, que Raiffeisenbank a partagée sur son blog Habr. Selon les auteurs, on peut faire croître le MAU LLM (l'audience mensuelle du modèle de langage), puis le MAU API (le nombre d'appels via l'API), équiper les gens d'agents de codage, et ne constater malgré tout aucun changement sur trois métriques d'ingénierie : Lead Time (délai entre l'idée et le résultat), Throughput (capacité du processus de développement) et Defect Rate (part de défauts dans le code livré).

Ces trois métriques sont un indicateur standard de la santé d'un processus d'ingénierie, et les auteurs du blog présentent leur stabilité après le déploiement massif de l'IA comme le principal enseignement de la première partie.

• L'expérience porte sur l'organisation d'ingénierie de Raiffeisenbank, soit 500 spécialistes
• Métriques restées inchangées après l'adoption de l'IA : Lead Time, Throughput, Defect Rate
• L'accélération locale se heurte aux exigences, à la relecture, aux tests, aux validations, aux équipes voisines et aux experts métier
• La prochaine étape de l'entreprise : le passage à l'Agentic Engineering

Où la vitesse se perd réellement

Accélérer une personne ou un rôle n'accélère pas le système entier, expliquent les auteurs du blog de Raiffeisenbank : la tâche traverse toujours toutes les autres étapes du processus. Un salarié peut se mettre à faire sa part plus vite, mais le résultat attend toujours son tour pour la relecture, les tests, la validation ou la décision d'une équipe voisine. Les auteurs décrivent cela comme un problème d'optimisation locale : accélérer un maillon de la chaîne ne change pas le débit global si le goulot d'étranglement se trouve ailleurs dans le processus, chez les relecteurs, les testeurs ou les services valideurs.

«

Une personne ou un rôle peuvent se mettre à faire leur part plus vite, mais la tâche attend toujours les exigences, la relecture, les tests, les validations, les équipes voisines ou un expert métier », indique le blog de Raiffeisenbank sur Habr.

La suite : l'Agentic Engineering

Raiffeisenbank ne s'est pas arrêté à la distribution d'outils à des ingénieurs pris isolément et a décidé d'aller plus loin, vers ce que l'entreprise appelle l'Agentic Engineering. Dans l'industrie, ce terme désigne généralement le passage d'assistants IA ponctuels pour un seul développeur à des agents intégrés au processus au niveau des équipes et des étapes, et pas seulement du poste de travail individuel. Ce que Raiffeisenbank met précisément derrière ce concept, et comment elle compte traiter le problème des validations et des files d'attente entre les rôles, l'entreprise promet de le détailler dans la suite de sa série d'articles sur Habr.

Le texte est explicitement présenté comme la deuxième partie de l'histoire du déploiement de l'IA auprès de 500 ingénieurs.

Ce que cela signifie

Le cas Raiffeisenbank montre que distribuer des outils d'IA aux ingénieurs un par un n'accélère pas le développement tant que les goulots d'étranglement subsistent aux jonctions entre rôles et équipes. L'effet réel n'apparaît que lorsque l'accélération touche le processus entier, et non le travail d'une seule personne.