Sber, Yandex et red_mad_robot ont montré comment l'AI transforme le rôle du développeur

L'IA reprend de plus en plus les aspects routiniers du développement, et le rôle de l'ingénieur se déplace de l'écriture manuelle de code vers la formulation de tâches et la validation des résultats. Les exemples de Sber, Yandex, T-Technologies et red_mad_robot montrent que ce changement impacte déjà non seulement la vélocité des versions, mais aussi les exigences de compétences pour les développeurs.

Comment le développement change

Sber décrit le mouvement vers AI PDLC à travers une échelle de maturité du niveau zéro au niveau cinq. L'entreprise opère actuellement au niveau d'automatisation supervisée : l'IA est intégrée dans la plupart des étapes du développement, mais les décisions finales restent aux mains des humains. Selon l'entreprise, environ 14 000 développeurs utilisent GigaCode, avec près de 80% interagissant quotidiennement avec l'outil.

Le pourcentage de code généré par IA accepté par les équipes est passé de 45% au début 2025 à 69% en fin d'année. Ce n'est plus un assistant ponctuel—c'est un nouveau modèle de travail. L'étape suivante implique une restructuration de l'environnement lui-même.

En novembre 2025, Sber a migré les développeurs de JetBrains IDE vers sa propre GigaIDE PRO, où travaillent sept agents IA : de la documentation et du logging aux tests automatisés et à l'analytique. Plus de la moitié de leurs suggestions sont acceptées. Parallèlement, l'économie du recrutement change aussi : tandis que les nouveaux ingénieurs nécessitaient 71 jours en 2024 pour atteindre la productivité complète, c'est maintenant 36 jours.

Dans cette logique, l'humain s'engage de moins en moins dans la mécanique et de plus en plus dans la gestion du processus.

« 90% de la mise en œuvre est effectuée par l'IA, tandis que 90% de la

gestion conceptuelle reste entre les mains des humains. »

Ce qui arrive aux personnes

Le progrès technologique n'élimine pas les coûts humains. Les chercheurs de Sber notent que les juniors se retrouvent de plus en plus dans un rôle étrange : ils doivent non seulement apprendre à écrire du code, mais évaluer le résultat créé par le modèle, bien que leur propre base soit encore insuffisante. Les ingénieurs plus expérimentés font face à un problème différent : une partie du plaisir à résoudre des problèmes complexes disparaît, et avec les agents vient le sentiment d'être un contrôleur de chaîne plutôt que l'auteur.

D'où l'anxiété concernant les compétences, le statut et la propre valeur sur le marché. Au niveau production, c'est encore plus visible. Dans une grande entreprise, vous ne pouvez pas simplement activer un mode agent à la mode et attendre un miracle : le système doit comprendre les APIs internes, les politiques de sécurité et les contraintes réglementaires.

Par conséquent, le « vibe coding » pur fonctionne rarement pour les grandes entreprises. Le cas de GigaCode est révélateur : en décembre, elle a fermé une version complète d'un outil pour télécharger et vérifier les bibliothèques sans une seule ligne de code manuelle. La version incluait cinq tâches majeures et plusieurs correctifs, et l'équipe a accepté le résultat sans remarques sérieuses.

Cela change la spécialisation de l'ingénieur : moins d'assemblage manuel, plus de formulation de tâches, d'examen et de responsabilité architecturale.

Comment l'effet est mesuré

Yandex et T-Technologies montrent que mesurer l'effet uniquement en lignes de code n'a plus de sens. Chez Yandex, environ 70% des développeurs utilisent régulièrement des assistants IA lors de l'écriture de code et font en moyenne 10–20% plus de commits. Mais la génération de code n'est qu'une partie du travail : beaucoup de temps est consacré à la recherche d'informations, la conception, le débogage et l'examen. Le AI Chat interne a considérablement réduit les visites au wiki, et DeepAgent, selon l'entreprise, offre une accélération dix fois plus rapide sur les tâches complexes d'exploration de base de code. T-Technologies, en revanche, regardent non pas le volume de texte, mais la Developer Experience :

• temps du premier commit au déploiement
• part du temps concentré et nombre de changements de contexte
• vitesse du premier examen
• proportion de tests instables
• durée de l'adaptation du nouvel ingénieur

Selon la télémétrie interne de T-Technologies, la part des utilisateurs réguliers d'IA a augmenté de 17% à 85% sur dix mois. Quatre semaines après la première familiarisation avec l'assistant, 80% continuent à l'utiliser dans l'IDE et 75% dans l'interface web. red_mad_robot est allée plus loin : l'entreprise a assemblé des prototypes pour le web, iOS et Android en 48 heures, obtenu environ 80 000 lignes de code et 208 commits, et le rôle de l'équipe s'est effectivement réduit à un ingénieur IA orchestrant les agents. À un coût d'environ 27 dollars par prototype, ce n'est plus seulement une accélération, mais une nouvelle économie de produit.

Ce que cela signifie

Le développeur ne disparaît pas, mais son travail monte rapidement d'un niveau : de l'écriture de code à la formulation d'intention, à la vérification des résultats et à la gestion des agents. Pour les entreprises, le risque principal n'est désormais plus que l'IA écrive trop, mais que le business parvienne à accélérer les versions sans parvenir à restructurer la formation, les mesures et la culture d'ingénierie pour la nouvelle réalité.