Yandex 360 explique comment apprendre à un assistant IA à travailler avec un UI kit interne

L'équipe frontend de Yandex 360 a expliqué comment apprendre à un assistant IA à travailler avec un UI kit interne et un design system, et pourquoi c'est impossible sans une préparation spécifique du dépôt.

L'effet « wow » et son revers

Les premières expériences avec les assistants IA impressionnent généralement : un MVP en cinq minutes, du code dès la première tentative, et l'on a l'impression que le futur est déjà là. Mais face à un vrai projet d'entreprise, avec des bibliothèques internes et un UI kit maison, l'illusion s'effondre. L'assistant invente des composants qui existent déjà dans le système, ignore les patterns établis et enfreint les conventions du design system.

Chez Yandex 360, l'équipe y a été confrontée de manière systématique : 90 % de ses développeurs frontend utilisent des assistants IA tous les jours. L'incompatibilité avec l'infrastructure interne s'est révélée être la règle, et non l'exception.

Ce que signifie un dépôt AI-ready

Valery Baranov, responsable des technologies frontend chez Yandex 360, explique l'origine du problème : les modèles de langage publics ont été entraînés sur des données ouvertes. Les composants internes, les bibliothèques d'entreprise et les conventions de projet n'en faisaient pas partie. Il faut donc fournir le contexte à l'IA de façon explicite et systématique, et non via des indications manuelles à chaque fois.

L'équipe a dégagé plusieurs principes :

• Une documentation structurée de chaque composant, pensée en fonction de la fenêtre de contexte du modèle
• Des fichiers d'indications (`AGENTS.md`, `.cursorrules`) décrivant l'architecture et les patterns interdits
• Des exemples explicites, corrects comme incorrects, pour chaque entité
• Des métadonnées de l'UI kit injectées automatiquement dans le contexte lors d'une requête
• Une description du CI/CD et des conventions de code dans un format lisible par machine

Le design system comme artefact lisible par machine

Une autre tâche consiste à apprendre à l'assistant à respecter les patterns du design system. Les composants internes ne figurent pas dans les données d'entraînement des modèles, si bien que l'IA se met à halluciner : elle invente une API inexistante ou utilise des patterns obsolètes.

Chez Yandex 360, on a ajouté une couche de documentation supplémentaire. Chaque composant est décrit non seulement pour le développeur, mais aussi à l'intention du modèle de langage : erreurs typiques, variantes autorisées, combinaisons interdites. Cela permet à l'assistant de générer du code qui passe du premier coup la revue des exigences de design.

«

Nous avons rendu nos projets frontend réellement AI-ready : nous avons appris aux assistants à comprendre la structure de nos dépôts, à travailler avec les bibliothèques internes et même à respecter les patterns du design system », déclare Valery Baranov, de Yandex 360.

Le problème vu sous l'angle de l'infrastructure

Yandex 360 gère un « frontend commun » : des composants techniques unifiés, un CI/CD partagé et des plateformes de distribution de composants entre équipes. La tâche devient ainsi particulièrement critique : si un composant est mal décrit, les assistants se trompent dans tous les projets qui l'utilisent.

C'est pourquoi l'approche de l'équipe ne repose pas sur des retouches ponctuelles de prompts, mais sur un travail systématique sur la documentation et la structure des dépôts à l'échelle de toute la plateforme.

Ce que cela signifie

L'expérience de Yandex 360 montre qu'un assistant IA ne devient pas un outil efficace sans investissement dans le contexte. Les équipes qui rendront leurs dépôts et leurs design systems lisibles par machine gagneront réellement en rapidité ; les autres continueront à perdre du temps à corriger des hallucinations.