YooMoney confie à des agents IA le tri de 411 commentaires sur une seule modification de documentation
Chez YooMoney, une seule pull request (demande de modification de la documentation) a recueilli 411 commentaires de relecteurs. Pour un agent IA, l'équipe a rédigé une instruction qui les range en trois piles : la réponse figure déjà dans le document, une vérification dans le code est nécessaire, la question est réellement ouverte. L'agent prépare des brouillons de réponse ; c'est l'analyste qui publie et qui tranche. La routine aux règles claires se prête donc bien à la délégation, le choix de la décision restant humain.
Traité par IA depuis Habr AI ; édité par Hamidun News
Imaginez : vous avez rédigé une solution technique, vous la soumettez pour validation, et vos collègues y laissent 411 commentaires. C'est précisément à quoi ressemblait l'une des pull requests chez YooMoney. Une pull request est une demande d'intégration de modifications : l'équipe y discute des changements, et dans l'approche Docs-as-Code (la documentation vit dans le dépôt, à côté du code), les descriptions techniques sont validées de la même manière.
Arina, analyste système de l'entreprise, a expliqué sur Habr comment son équipe gère ces avalanches : au lieu d'un simple chat avec un réseau de neurones, elle a construit un ensemble d'agents IA aux scénarios reproductibles. L'autrice qualifie elle-même le cas des 411 commentaires d'exceptionnel, mais il montre bien où l'automatisation rapporte.
Du prompt au processus
Le conseil principal de l'équipe : ne pas commencer par le prompt, mais par le processus. Le travail d'un analyste démarre généralement par une tâche dans Jira où les exigences sont insuffisantes. Il faut chercher du contexte, parler aux équipes voisines et vérifier que tous les scénarios sont couverts. Dans ce cycle, certaines étapes demandent de l'expertise, d'autres peuvent être formalisées. La décision d'architecture n'est pas prise à la place de l'analyste. En revanche, vérifier la conformité d'un document aux conventions, retrouver des solutions similaires dans l'historique du projet ou esquisser un brouillon de description peut parfaitement s'automatiser.
YooMoney utilise l'outil d'entreprise OpenCode et quatre notions de base. L'agent reçoit une tâche, parcourt les sources et livre un résultat. Un skill est une instruction dédiée à une tâche précise : on décrit une fois l'ordre des actions et les sources, puis il suffit d'indiquer à l'agent quel document vérifier. Une commande permet de lancer rapidement un scénario prêt à l'emploi, par exemple « décris les changements du commit ». Le fichier Agents.md conserve le contexte de base du projet : architecture du système, ressources disponibles et règles, afin que l'agent n'ait pas à les reconstituer à chaque appel.
Ce qui a été délégué aux agents
Premier scénario : la recherche de contexte historique. Un projet peut revenir au bout de plusieurs années, quand le code a changé et que les décisions ne subsistent que dans d'anciennes discussions. Le skill rassemble les tâches passées, les discussions et l'implémentation actuelle dans le code. L'analyste n'obtient pas une solution toute faite, mais un point de départ : ce qui a déjà été fait et quelles contraintes existent.
Deuxième scénario : l'IA dans le rôle de l'opposant. L'analyste formule d'abord sa propre hypothèse, puis l'agent la met à l'épreuve. Il demande ce qui se passe si un système externe est indisponible, comment se comportera un timeout, quelles alternatives n'ont pas été étudiées et quels cas limites sont restés hors champ.
Troisième et quatrième : documentation et relecture. L'agent connaît la structure du document et les règles de mise en forme ; il prépare donc un brouillon, repère coquilles, doublons et trous logiques, et construit un diagramme à partir du texte, ou inversement. Pour la relecture, l'équipe a créé un skill qui trie les commentaires. Ces fameux 411 commentaires, l'agent les répartit en trois groupes : la réponse figure déjà dans le document, une vérification dans le code est nécessaire, la question est réellement ouverte et peut changer la décision. Il rédige des brouillons de réponse, mais c'est l'analyste qui les publie et qui prend les décisions.
Cinquième scénario : la mise à jour de la documentation après une release. L'agent compare la solution technique au code et aux tâches, puis produit une liste d'écarts. L'analyste confirme quelles corrections sont nécessaires, et seulement ensuite l'agent met à jour le document.
Des règles pour que l'automatisation ne devienne pas un travail de plus
L'équipe a formulé trois principes. Premier principe : un skill, une tâche. Si un scénario a enflé et enchaîne plusieurs opérations sans vérification intermédiaire, mieux vaut le scinder. Deuxième principe : consigner les résultats intermédiaires dans une mémoire externe du projet, pour ne pas reconstituer le contexte à partir d'un chat interminable. Troisième principe : ranger skills, commandes et instructions dans un dépôt commun, organisé par domaines. Au début, chacun fabriquait ses outils dans son coin, mais les scénarios partagés, relus et appliqués à des tâches de même type se sont révélés plus efficaces.
Ce qui reste hors champ
L'autrice signale un risque : à force de s'appuyer en permanence sur des réponses toutes faites, on peut cesser de creuser les détails. La règle est donc la suivante : sa propre hypothèse passe en premier, la vérification par l'agent en second. Elle situe la valeur de l'analyste dans la responsabilité du résultat, la qualité des données d'entrée et la capacité à évaluer le travail de l'IA.
Le texte ne donne en revanche aucun chiffre d'économie : ni heures gagnées, ni consommation de tokens, ni coût de l'infrastructure. Le seul chiffre concret est celui des 411 commentaires. Certains skills, comme la recherche de contexte historique, sont encore en développement ou en test. Le matériau est lié à l'annonce de la conférence YooMoneyDay : il s'agit donc d'un retour d'expérience, et non d'un benchmark mesuré.
La conclusion pratique est simple. Mieux vaut affecter les agents à des tâches aux règles claires et au contexte restreint : tri de commentaires, confrontation des documents au code, détection de doublons. La décision et la publication restent à l'humain. Créez un dépôt commun de skills, pour que les scénarios réussis ne restent pas de simples notes personnelles.
- 21 nov. 2026Huit outils open source pour agents IA : Browser Use en tête avec 121 000 étoiles
- 21 nov. 2026Parallel Search prend la première place du classement de 26 API de recherche pour agents IA avec 83 points
- 21 nov. 2026Serveur MCP en 360 lignes sans SDK : cinq décisions qui ont empêché l'agent de casser les liens
- 21 nov. 2026Text-to-cad : un agent d'IA dessine des pièces de robot à partir d'une description, le projet dépasse les 26 000 étoiles
Questions clés sur cet article
Que sait-on sur Du prompt au processus ?
Le conseil principal de l'équipe : ne pas commencer par le prompt, mais par le processus. Le travail d'un analyste démarre généralement par une tâche dans Jira où les exigences sont insuffisantes. Il faut chercher du contexte, parler aux équipes voisines et vérifier que tous les scénarios sont couverts. Dans ce cycle, certaines étapes demandent de l'expertise, d'autres peuvent être formalisées. La décision d'architecture n'est pas prise à la place de l'analyste.
Que sait-on sur Ce qui a été délégué aux agents ?
Premier scénario : la recherche de contexte historique. Un projet peut revenir au bout de plusieurs années, quand le code a changé et que les décisions ne subsistent que dans d'anciennes discussions. Le skill rassemble les tâches passées, les discussions et l'implémentation actuelle dans le code. L'analyste n'obtient pas une solution toute faite, mais un point de départ : ce qui a déjà été fait et quelles contraintes existent. Deuxième scénario : l'IA dans le rôle de l'opposant.
Que sait-on sur Des règles pour que l'automatisation ne devienne pas un travail de plus ?
L'équipe a formulé trois principes. Premier principe : un skill, une tâche. Si un scénario a enflé et enchaîne plusieurs opérations sans vérification intermédiaire, mieux vaut le scinder. Deuxième principe : consigner les résultats intermédiaires dans une mémoire externe du projet, pour ne pas reconstituer le contexte à partir d'un chat interminable. Troisième principe : ranger skills, commandes et instructions dans un dépôt commun, organisé par domaines.
Build & Ship Production AI Agents Without Boilerplate Code
Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.