Dropbox

Dropbox a rapporté un taux d'adoption de l'IA de 90% parmi ses ingénieurs et une hausse de 20% des pull requests fusionnées, avec un taux d'échec des changements réduit, des chiffres que Gergely Orosz et Laura Tacho ont utilisés en septembre 2025 en examinant comment 18 entreprises tech mesurent l'impact de l'IA sur le développement logiciel. L'entreprise évolue dans le stockage cloud et la collaboration, mais si elle revient sans cesse dans les discussions sur la productivité en ingénierie, c'est parce qu'elle publie des chiffres d'opérateur plutôt que des affirmations de fournisseur.

La plateforme d'agents interne s'appelle Nova, qui représente déjà environ 1 pull request sur 12 et s'est étendue aux migrations, aux tests instables, aux investigations de bugs et aux mises à jour de dépendances. Kazuaki Okumura, dans un texte du 28 mai 2026 tiré d'une intervention à DX Annual 2026, soutient que la valeur de Nova tient moins au modèle qu'aux systèmes qui l'entourent : le contexte du code source, les pratiques internes, l'exécution sécurisée, l'intégration au flux de travail et la revue humaine.

La thèse d'Okumura est que l'IA déplace les goulots d'étranglement plutôt qu'elle ne les supprime. La génération de code plus rapide a reporté la pression en aval sur la revue, l'intégration continue, la validation, la coordination des mises en production et les opérations en production. En réponse, Dropbox a cessé de considérer le débit de pull requests comme suffisant et a adopté un modèle à quatre étapes, Fuel, Adoption, Output, Impact, associé à des signaux de qualité : le délai de revue de code, le taux de réussite des tests au premier essai, le taux de défauts, le taux de reprise.

Okumura situe l'avantage concurrentiel dans les systèmes construits autour des modèles de fondation, puisque l'accès aux modèles eux-mêmes est partagé. Reste à voir si la mesure à quatre étapes tiendra la route à mesure que le volume d'agents augmente.