Yandex montre à l'AI Dev Day comment l'IA transforme déjà le développement chez Avito, Ozon et T-Bank

Yandex a réuni l'AI Dev Day et a montré, dans les faits, que l'IA dans le développement logiciel est sortie du mode démo. Sur scène, des entreprises comme Avito, Ozon, T-Bank, Sber et Yandex Go ont parlé non pas de battage, mais de métriques, de limites et des endroits où les agents font déjà gagner des heures.

Des assistants aux agents

Le principal virage, évoqué dans presque toutes les interventions, est que le marché passe des simples suggestions dans l'IDE à des agents capables de modifier le code eux-mêmes, d'écrire des tests, de chercher des informations internes, de faire des revues et même d'analyser des incidents.

Avito a souligné que le fine-tuning de modèles open source pour une entreprise ne donne pas toujours le meilleur résultat : il est souvent plus important de fournir à un modèle puissant un bon contexte, l'accès à la documentation et des outils via MCP. D'autres équipes font un pari similaire : non pas sur un « modèle magique », mais sur une combinaison opérationnelle agent + contexte + infrastructure.

Chez Yandex, cela ressemble déjà à une plateforme systémique. Environ 57 % des ingénieurs utilisent l'assistant interne, et dans le backend et le frontend la part atteint 60–75 %. Plus de 90 % de l'infrastructure interne est déjà couverte par des serveurs MCP, et parmi les utilisateurs actifs, 23 % du code en mode agent est généré automatiquement. L'accent se déplace de la simple métrique d'adoption vers une question plus exigeante : où exactement l'agent peut-il travailler de façon quasi autonome, l'humain n'intervenant que dans les passages complexes ?

Où l'effet est déjà là

La partie la plus utile de l'AI Dev Day n'était pas les discours sur l'avenir, mais les chiffres de production. Les entreprises mesurent désormais non seulement le nombre d'utilisateurs de l'assistant, mais aussi le délai avant la mise en production, la vitesse de revue, la qualité des tests et le coût des incidents. En somme, l'IA est évaluée comme un outil d'ingénierie ordinaire : si elle ne fait pas bouger les métriques business, l'effet waouh ne suffit pas.

• Chez Yandex, les développeurs qui utilisent l'IA committent environ 10 % de plus, et en Go, Python et JavaScript jusqu'à 20 % ; certaines tâches techniques confiées aux agents sont passées de 20 à 2 minutes.
• Chez T-Bank, le merge time médian a baissé de 12 %, et pour les équipes « ambassadrices » le lead time a reculé de 30 % en un an ; la génération de tests unitaires a été multipliée par quatre.
• Chez Ozon, environ 1100 personnes utilisent quotidiennement l'assistant agentique, soit environ un quart ou un tiers du développement, et la revue automatique dans GitLab a connu une telle demande qu'il a fallu limiter son lancement.
• Chez Sber, un système d'IA pour les designers a ramené la revue d'une maquette d'une heure à deux minutes, et la création d'un nouvel écran de 16 heures à cinq minutes.
• Chez Yandex Go, l'IA aide déjà à analyser environ 400 incidents par jour et fait gagner environ 30 minutes par postmortem pour chaque cas.

L'éventail des tâches s'élargit aussi rapidement. Il ne s'agit plus seulement de générer du code, mais aussi de recherche dans les connaissances internes, de checklists automatiques, de soutien aux analystes, de revue de design et de scénarios SRE. Si, il y a un an, l'IA ressemblait surtout à une autocomplétion intelligente, on tente désormais de l'intégrer à tout le SDLC, de la formulation de la tâche à l'analyse des conséquences en production.

Pourquoi l'euphorie reste limitée

Malgré des cas solides, les intervenants ont parlé des limites avec une relative sobriété. Chez Avito, on a dit sans détour qu'on ne voit pour l'instant presque pas d'accélération notable de l'ensemble du cycle de développement : 4–5 % au maximum dans certaines équipes. La raison est simple : écrire du code ne représente qu'une partie du temps de travail, et les goulots d'étranglement se trouvent dans la revue, les validations, les tests et la livraison des changements. La génération massive de code ne résout donc pas le problème à elle seule : elle peut simplement déplacer le goulot plus loin dans le processus.

La qualité et le contrôle forment un autre point douloureux. Les modèles peuvent « bâcler » les tests, simuler l'appel d'un outil, produire un design générique et ennuyeux ou se tromper sur un langage spécifique à un domaine interne. Chez Yandex Go, par exemple, les scénarios SRE sont finalement passés à des prompts en anglais, car les résultats étaient moins bons en russe. De plus, des agents réellement utiles exigent une base coûteuse : observabilité, graphe de dépendances des services, audit des changements, catalogues de services et vraies métriques de scénario, pas seulement de jolies démos.

« Il n'y aura pas de fin du monde.

Il y aura une évolution cruelle, mais passionnante. »

C'est pourquoi presque toutes les interventions se résumaient à une idée : le human-in-the-loop n'a pas disparu. Ozon se montre prudent envers les modèles externes en raison des risques de fuite de code. Sber a dû lutter séparément contre le design conservateur et les hallucinations. Yandex mesure non seulement le bénéfice, mais aussi les effets secondaires, comme la maintenance du code généré. L'IA n'est ici plus un jouet, mais pas non plus un employé autonome : c'est plutôt un accélérateur qui exige de bonnes règles, de bons outils et une validation constante.

Ce que cela signifie

Après l'AI Dev Day, il est difficile de dire que l'IA d'entreprise pour le développement n'est qu'une expérience. L'expérience est terminée : la bataille porte désormais sur qui dispose du meilleur contexte, des meilleures métriques, des meilleurs processus et de la meilleure infrastructure. L'IA n'élimine pas les développeurs, mais elle change nettement le prix de la routine, le rôle de la revue et les exigences envers ceux qui savent piloter des agents plutôt que simplement écrire du code à la main.