AI didn't make our engineers just faster. It made them different.
Tribune Medium d'Hryhorii Tatsyi (CTO, Raiffeisen Bank Ukraine, ~900 ingénieurs IT) qui rapporte une étude longitudinale 12 mois (mai 2025 → avril 2026) sur l'impact réel de l'IA générative dans une grande banque européenne.
Par **Hryhorii Tatsyi** — CTO de **Raiffeisen Bank Ukraine**// Source medium.com ↗/Lecture 2 min/.md/
#Hryhorii Tatsyi#Raiffeisen Bank Ukraine#CTO bank#étude longitudinale 12 mois#AI didn't make engineers just faster made them different#production possibility frontier#freed capacity allocation#900 ingénieurs
Hryhorii Tatsyi, CTO de Raiffeisen Bank Ukraine (~900 ingénieurs IT), publie en mai 2026 sur Medium un retour d'expérience longitudinal 12 mois (mai 2025 → avril 2026) sur la transformation IA de son organisation. Le titre concentre la thèse : "AI didn't make our engineers just faster. It made them different." C'est un des rares case studies organisationnels chiffrés côté banque européenne régulée disponibles en 2026.
Données centrales : effectif IT contracté de 75 personnes (−8%, dont 64 ingénieurs) — pourtant plus de code livré, moins d'incidents, sécurité améliorée. Adoption IA passée de 62% à 83% ; 68% des ingénieurs reçoivent ≥50% de leur code via assistance IA ; onboarding nouveaux ingénieurs 60-90 jours → ~40 jours (cohérent données Anthropic 82→40 jours, convergence indépendante).
Trois archétypes émergents : (1) Copilot-only : +10-25% sur PRs, rayon stable ; (2) Multi-outils : story-points ×1.5-3, scope cross-repo +50-80% ; (3) Claude sur stack corporate : volume code ×4.5, scope radicalement élargi. Insight contre-intuitif : "AI lifts underperformers to baseline" plutôt que d'accélérer surtout les top performers — la distribution se resserre par le bas. Architectes seniors reviennent au code après des années d'éloignement.
Sept nouveaux produits IA (qui n'existaient pas avant) : Service Knowledge Hub (57 microservices, 83 releases/mois), Mobile Android workflow CI, AI Agent Portal (2 085 users / 649 MAU en 87 jours, génération MCP via OpenAPI), Shift-left Security Plugin (−82% secrets exposés), DevPortal Backstage + agents diagnostics K8s (−68% temps résolution incidents critiques), DRAIF MCP text-to-SQL Data Lake 10 000 tables (embedding fine-tuné ×2 OpenAI), Call Evaluation (>97% précision, élu meilleur produit du groupe Raiffeisen International). Stabilité : incidents bloquants −70%, résolution critique −68%, alertes sécurité haute sévérité résolues +155%.
Thèse-pivot stratégique : "AI expanded our production possibility frontier, and we deliberately allocated the freed capacity" — features, stabilité, remboursement de dette technique. Question d'évaluation reformulée : non pas "de combien % les KPIs existants ont augmenté" mais "what did your engineers build that didn't exist before".
Articulation dossier veille : convergence chiffrée médiane committée avec Frizzo (2026-05-05), Wescale (2026-05-03), Curran/Intercom (2026-04-16), DORA 2025, Stanford Denisov-Blanch (2025-11-23). Convergence indépendante onboarding ~40 jours avec Anthropic. Tension productive avec Cherny / Curran top 5% / Karpathy (tail élite 10×+) : la distribution se resserre par le bas ET s'élargit par le haut — les deux lectures coexistent. Convergence transversale "le métier change de forme" avec Frizzo, Karpathy, Mornati, Habert. À mobiliser pour COMEX banque/secteurs régulés, sponsors transformation, débat équité distribution productivité.
À retenir
Date / source. mai 2026 (relatif "2 days ago" au moment de la consultation, soit ~2026-05-05), Medium @milhibisidek. URL : https://medium.com/@milhibisidek/ai-didnt-make-our-engineers-just-faster-it-made-them-different-95f1c1d4efd0
Format. tribune CTO organizational case study (~17 min lecture).
Auteur.Hryhorii Tatsyi, CTO Raiffeisen Bank Ukraine — banque systémique régulée, ~900 ingénieurs IT.
Période d'étude.mai 2025 → avril 2026 (12 mois pleins).
Titre-aphorisme."AI didn't make our engineers just faster. It made them different."
Phrase-pivot stratégique."AI expanded our production possibility frontier, and we deliberately allocated the freed capacity." ### Cadrage organisationnel — la transformation observée | Dimension | Avant (mai 2025) | Après (avril 2026) | Variation | |-----------|------------------|--------------------|-----------| | Effectif IT | ~900 ingénieurs | ~825 (−75 personnes, dont 64 ingénieurs) | −8% | | Adoption IA | 62% | 83% | +21 points | | Engineers ≥50% code via IA | — | 68% | nouvelle métrique | | Onboarding (1er PR) | 60-90 jours | ~40 jours | −~50% | | Volume code livré | baseline | augmenté | ↑ | | Incidents bloquants | baseline | −70% | ↓ | | Temps résolution critiques | baseline | −68% | ↓ | | Alertes sécurité haute sévérité résolues | baseline | +155% | ↑ | Lecture : la contraction d'effectif (−8%) s'accompagne d'une amélioration sur tous les axes — production, qualité, sécurité, onboarding. C'est la donnée centrale que Tatsyi met en évidence et qu'il n'esquive pas politiquement. ### Trois archétypes d'ingénieurs émergents | Archétype | Outils | Effet productivité | Effet périmètre | |-----------|--------|---------------------|------------------| | Copilot-only | GitHub Copilot seul | +10-25% sur PRs | rayon stable | | Multi-outils | combinaison plusieurs assistants IA | story-points ×1.5-3 | scope cross-repo +50-80% | | Claude sur stack corporate | Claude Code (ou équivalent) intégré stack interne | volume code ×4.5 | scope radicalement élargi | Convergence : architectes seniors reviennent au code après des années d'éloignement (cohérent avec la promesse Karpathy "agents reduce friction to creation" et Cherny "best accountant writes accounting software"). Insight contre-intuitif : l'IA lifte les sous-performants à la baseline plutôt que d'accélérer surtout les top performers. Position opposée à la lecture "tail élite 10×+" (Cherny / Curran top 5% / Karpathy) — Tatsyi décrit un effet de rattrapage par le bas qui resserre la distribution. Les deux lectures sont compatibles : la distribution se resserre par le bas ET s'élargit par le haut (top performers qui restent à 10×+). ### Sept produits IA construits qui n'existaient pas avant | # | Produit | Description | Métriques clés | |---|---------|-------------|----------------| | 1 | Service Knowledge Hub | Documentation auto-générée de microservices via parsing Kubernetes | 57 microservices, 83 releases/mois | | 2 | Mobile Android workflow CI | Pipeline auto plan / implementation / test pour mobile | redesign complet du SDLC mobile | | 3 | AI Agent Portal | Portail interne génération automatique d'agents MCP via specs OpenAPI | 2 085 users, 649 MAU, 87 jours pour atteindre cette adoption | | 4 | Shift-left Security Plugin | Détection vulnérabilités dans IDE avant commit | −82% secrets exposés | | 5 | DevPortal | Backstage + agents IA diagnostics Kubernetes | −68% temps résolution incidents critiques | | 6 | DRAIF MCP | Text-to-SQL sur Data Lake | 10 000 tables, embedding fine-tuné ×2 modèles OpenAI | | 7 | Call Evaluation | Analyse transcription audio + redesign scripts | >97% précision, élu meilleur produit du groupe Raiffeisen (RBI) | Lecture stratégique : ce n'est pas une liste d'expérimentations, c'est un portefeuille produit déployé en production, avec adoption interne mesurable et un produit (Call Evaluation) qui traverse les filiales du groupe (passage du local au global RBI). ### La thèse-pivot — production possibility frontier > "AI expanded our production possibility frontier, and we deliberately allocated the freed capacity."
Mot-clé 1 — "expanded". l'IA ne fait pas mieux la même chose, elle agrandit l'ensemble des possibles.
Mot-clé 2 — "deliberately allocated". la capacité libérée est redirigée par décision managériale, pas absorbée mécaniquement par plus du même travail.
Trois directions de réallocation. 1. Features (nouveaux produits — les 7 listés ci-dessus). 2. Stabilité (incidents −70%, résolution −68%). 3. Remboursement de dette technique (rare et capitalisable côté CTO). ### La question d'évaluation reformulée Mauvaise question : "De combien % nos KPIs existants ont-ils augmenté ?"Bonne question : "What did your engineers build that didn't exist before?"Pourquoi cela compte : les pourcentages sur les métriques existantes manquent la transformation principale — non pas vitesse mais type de travail. Si l'on optimise les KPIs hérités, on rate la fenêtre stratégique où l'IA permet de construire ce qui n'était pas adressable. ### Articulation dossier veille #### Convergences chiffrées (médiane committée 3-5×)
Frizzo. (LinkedIn 2026-05-05) : 3-5× productivity multiplier sur 1 an d'usage quotidien.
Anthropic études internes. (citées par Sun NYT 2026-04-30 et autres) : 82 jours → 40 jours.
→ Lecture juste : convergence indépendante entre une banque européenne et un acteur IA Silicon Valley sur le même chiffre cible (~40 jours). C'est un fait stylisé robuste pour 2026. #### Convergence "sept nouveaux produits" / capacité de création
Tatsyi. 7 produits IA en 12 mois.
Cherny. (2026-05) : 100% du code généré, "a few dozen PRs/day, 150 PRs in a single day record", multiples produits Anthropic Labs.
Wescale. (2026-05-03) : "besoins historiques restés trop coûteux peuvent enfin être adressés".
→ Convergence forte : la mesure pertinente n'est plus la vitesse sur l'existant mais le portefeuille de nouveaux produits / nouveaux espaces adressables. #### Convergence "le métier change de forme"
Frizzo. (2026-05-05) : "the new bottleneck is supervision", "writing muscle atrophy".
Tatsyi. (2026-05-05) : "AI didn't make our engineers just faster. It made them different", trois archétypes émergents, architectes seniors qui reviennent au code.
Karpathy. (2026-04-29) : Software 1.0/2.0/3.0, "outsource thinking but not understanding".
Mornati. (2026-03-14) : What is a Developer When We Use Coding Agents?
Habert PROJ-AI. (2026-05-05) : "directives agent + Decision Records + cinq dimensions de validation".
→ Convergence transversale : la nature du travail a changé, pas seulement la vitesse. Tatsyi apporte la donnée organisationnelle banque qui manquait au corpus. #### Tension productive avec "AI lifts underperformers"
Curran/Intercom. (2026-04-16) : top 5% à 6× le median PR throughput (≈ 18× baseline pré-IA).
Karpathy. (2026-04-29) : "10× is not the speed up — people who are very good at this peak a lot more than 10×".
Tatsyi/Raiffeisen. (2026-05-05) : "AI lifts underperformers to baseline" — effet de rattrapage par le bas.
→ Lecture compatible et féconde : la distribution se resserre par le bas (Tatsyi) ET s'élargit par le haut (Cherny, Karpathy, Curran top 5%). Les deux phénomènes coexistent. À utiliser pour des présentations COMEX qui veulent à la fois rassurer (rattrapage) et inspirer (top performers). #### Position FR / Europe centrale vs anglo-saxonne
Tatsyi est européen (Ukraine, groupe autrichien RBI), banque régulée, en contexte de guerre.
Sa rigueur méthodologique (12 mois, chiffres internes, granularité par archétype) rejoint la prudence française (Wescale, Habert) plus que l'optimisme américain (Cherny, Curran).
À mobiliser dans les présentations FR comme case study européen banque complémentaire des chiffres Wescale/cabinet et Curran/SaaS.
Avantage rare. un CTO de banque systémique qui publie ses chiffres internes — type de témoignage quasiment absent du corpus 2026. ### Limites à signaler
Pas de méthodologie chiffrée détaillée. Tatsyi rapporte des pourcentages sans documenter précisément comment ils sont mesurés (ex: "story-points ×1.5-3" — quelle baseline ? quelle attribution ? quel ajustement biais).
Auteur peu visible publiquement. (25 followers Medium) — autorité reposant sur la position institutionnelle plutôt que sur la marque personnelle. À pondérer par d'autres sources si l'enjeu est de citer en COMEX.
Pas de discussion explicite des coûts cognitifs. (FOMO, deskilling, ownership erosion) que Frizzo nomme. Tatsyi est organisationnel, Frizzo est individuel — les deux fiches se complètent.
Pas de discussion des risques régulatoires. spécifiques au secteur bancaire (RGPD, DORA EU, supervision BCE/EBA) — étonnant pour un CTO de banque systémique. Sujet potentiellement écarté pour préserver la lisibilité de l'article public.
Convergence onboarding 82→40j avec Anthropic. à vérifier si la donnée Anthropic citée est bien l'étude que Tatsyi mentionne (risque de cherry-picking inverse — convergence apparente sur un chiffre rond).
Échantillon n=1 organisation. un seul cas, même chiffré. À répliquer chez d'autres banques européennes pour conclure à un fait stylisé sectoriel. ### À mobiliser pour
Présentations COMEX banque/assurance/secteurs régulés. case study européen rare, chiffré, contre-poids à la sur-représentation Silicon Valley dans les corpus.
Stratégie RH / transformation. justifier la réallocation de capacité libérée plutôt que la simple réduction de coûts.
Boards / sponsors transformation. reformulation de la question d'évaluation ("what did your engineers build that didn't exist before") — outil de désamorçage du débat % productivité.
Débat équité / déformation distribution productivité. à utiliser avec Cherny/Karpathy/Curran top 5% pour présenter une lecture nuancée — l'IA resserre par le bas ET élargit par le haut simultanément.
Communauté Engineering Management. une rare publication CTO de grande organisation IT régulée européenne sur le sujet.
Le graphe de connaissance extrait de cette fiche — 22 entités, 32 relations.
Dans ce graphe :Hryhorii Tatsyi · Raiffeisen Bank Ukraine · Raiffeisen Bank International (RBI) · "AI didn't make our engineers just faster. It made them different" · "AI expanded our production possibility frontier" · "What did your engineers build that didn't exist before" · Trois archétypes ingénieurs IA · AI lifts underperformers to baseline · Senior architects return to active development · Service Knowledge Hub · AI Agent Portal · Shift-left Security Plugin · DevPortal Raiffeisen · DRAIF MCP · Call Evaluation · Mobile Android workflow CI · Onboarding 60-90j → ~40j · Productivité 3-5× (médiane committée) · Distribution productivité IA · Production possibility frontier (IA) · Freed capacity allocation · Case study banque européenne régulée IA