En bref

Le développement d’une application IA, c’est un développement d’application classique plus une question difficile : où l’IA peut-elle décider seule, et où une personne doit-elle vérifier ? Bien répondre, c’est rendre le produit plus rapide et plus utile. Mal répondre, c’est perdre la confiance des utilisateurs dès la première mauvaise réponse.

Nous avons intégré l’IA dans trois produits en ligne : DogDietLab, une application de nutrition par IA pour chiens ; l’estimation de machines d’Agrider, qui évalue l’état d’une machine à partir de photos ; et Vistobi, un assistant SEO par IA pour les sites web et les boutiques. Cet article résume ce qu’ils nous ont appris sur la création d’une application IA, et sur son coût.

Où l’IA décide et où une personne vérifie : relecture par un expert, données plus IA, validation par l’utilisateur

Ce que recouvre en général une « application IA »

La plupart des applications IA remplissent une ou plusieurs de ces cinq tâches :

Tâche de l’IA	Exemple	Où nous l’avons utilisée
Conseiller	Répondre à la question d’un utilisateur en tenant compte du contexte	Le conseiller IA de DogDietLab
Analyser des images ou des documents	Lire une photo, une facture, un formulaire	L’estimation d’Agrider à partir de quatre photos maximum
Rédiger des brouillons	Titres, descriptions, articles, réponses	Les propositions de titres et d’articles de Vistobi
Vérifier et résumer	Lire des données, dire ce qui a changé	Le Morning Brief de Vistobi
Interroger d’autres IA	Vérifier ce que disent ChatGPT ou Gemini	La vérification de visibilité IA de Vistobi

Le modèle est rarement la partie difficile. Ce sont les données autour, l’étape de vérification et l’interface qui le sont.

Trois projets, trois leçons

1. DogDietLab : placer un expert entre l’IA et l’utilisateur

DogDietLab indique aux propriétaires de chiens quoi donner et en quelle quantité. Le conseiller IA fonctionne avec Gemini, et ses recommandations passent par une étape de relecture par des spécialistes de la nutrition. Pour des conseils liés à la santé, nous n’avons pas laissé le modèle s’exprimer seul.

La deuxième leçon concernait la vitesse. La première version fonctionnelle a pris environ deux semaines avec un seul développeur (nous l’estimons à deux ou trois mois avec une stack classique). Aujourd’hui, l’application existe en 24 versions régionales et 12 langues, et une nouvelle fonctionnalité est en général en ligne deux à quatre heures après l’idée. Cette vitesse vient de la modélisation des données en premier (Dog, DailyLog, DietRecommendation, Owner, DietitianReview), de petites étapes demandées aux outils de codage IA, et de tests manuels pour chaque règle.

2. Agrider : l’IA comme une donnée parmi d’autres, pas comme toute la réponse

L’estimation gratuite de machines d’Agrider (en anglais) ne demande pas à une IA de deviner un prix. L’estimation est construite à partir d’annonces du marché européen dont la source est vérifiée, corrigée selon l’année et les heures moteur, et convertie au taux de la BCE. Les propriétaires peuvent ajouter jusqu’à quatre photos, et l’IA évalue l’état et l’équipement de la machine à partir de celles-ci.

L’outil d’estimation de machines d’Agrider sur ordinateur

La version anglaise d’agrider.co. Capture d’écran : 19 octobre 2026.

La leçon : utilisez l’IA pour ce qu’elle fait bien (lire une photo) et les données pour ce qui doit être exact (les prix du marché). Le résultat est une estimation crédible, et un contact que le concessionnaire peut rappeler.

3. Vistobi : l’IA propose, l’utilisateur valide

Vistobi prépare des corrections SEO, des titres et descriptions réécrits et des articles dans le ton de la marque. Rien n’est publié automatiquement : tout arrive dans une liste Aujourd’hui pour validation, et un titre ou une description validé peut être inscrit dans WordPress via une extension. Vistobi pose aussi de vraies questions d’acheteurs à ChatGPT et Gemini et montre si une marque est citée.

La leçon : l’étape de validation est une fonctionnalité, pas un retard. Les utilisateurs font confiance aux résultats de l’IA qu’ils peuvent voir, modifier et valider.

Comment créer une application IA : les étapes que nous suivons

1. Définir la tâche et l’échec. Que doit faire l’IA, et que se passe-t-il quand elle se trompe ? Un mauvais brouillon d’article coûte une minute. Une mauvaise réponse sur la santé ou les finances coûte la confiance, voire pire.

2. Choisir le point de contrôle humain. Relecture par un expert (DogDietLab), données plus IA (Agrider) ou validation par l’utilisateur (Vistobi). Écrivez-le avant de développer.

3. Modéliser les données d’abord. Que lit l’IA, que produit-elle, et où est-ce stocké ? Enregistrez séparément les brouillons et les versions validées, pour toujours savoir ce qu’une personne a vérifié.

4. Partir d’un modèle existant. Pour presque toutes les applications d’entreprise, appeler un modèle existant (comme Gemini ou GPT) vaut mieux qu’entraîner le vôtre. L’entraînement n’a de sens qu’avec des données nombreuses et uniques, et une raison claire.

5. Construire une première version réduite. Une tâche IA, un parcours, de vrais utilisateurs. Notre guide du développement de MVP explique comment nous réduisons le périmètre.

6. Tester avec de vraies données. De vraies photos, de vraies questions, de vraies données désordonnées. Gardez un jeu de cas de test et relancez-le chaque fois que vous changez le prompt ou le modèle.

7. Surveiller l’usage et le coût après le lancement. Les appels à l’IA sont facturés à l’usage, donc les coûts augmentent avec le trafic. Mettez en cache ce qui peut l’être et limitez les appels coûteux selon l’offre.

Combien coûte le développement d’une application IA ?

Chez nous, une première version avec une logique sur mesure, des comptes utilisateurs ou de l’IA démarre à 2 000 €, avec un devis écrit détaillé à prix fixe. Ce qui fait varier le prix :

Facteur de coût	Pourquoi
Nombre de tâches IA	Chacune a besoin de ses propres prompts, tests et circuit de vérification
Étape de vérification	Une file de relecture par des experts ou un circuit de validation ajoute des écrans et des rôles
Préparation des données	Nettoyer et structurer les données que lit l’IA
Intégrations	Paiements, boutiques, outils Google, CRM
Langues	Les résultats de l’IA doivent être vérifiés dans chaque langue proposée

Les coûts de fonctionnement s’y ajoutent : frais d’IA à l’usage, hébergement et base de données, frais d’e-mail et de paiement. Ils sont généralement modestes au lancement et augmentent avec le nombre d’utilisateurs : prévoyez-les par utilisateur ou par offre. Le détail des prix est dans combien coûte le développement d’une application.

Quand vous n’avez pas besoin d’une application IA

Si la tâche est une règle fixe (« au-delà de 100 € de commande, la livraison est gratuite »), écrivez la règle, pas un prompt. Si un outil existant fait déjà bien le travail, comme un chatbot de support ou un service de transcription, connectez-le au lieu d’en développer un. Notre article qu’est-ce qu’un agent IA et à quoi sert-il en entreprise aide à faire le tri.

Les questions à poser à un prestataire de développement IA

Quels produits IA avez-vous créés qui sont en ligne aujourd’hui ?
À quel endroit de votre conception une personne vérifie-t-elle les résultats de l’IA ?
Comment testez-vous les réponses de l’IA avant et après une modification ?
Combien coûtera l’usage de l’IA par utilisateur et par mois ?
Pourra-t-on changer de modèle d’IA plus tard sans reconstruire l’application ?
Qui est propriétaire des prompts, des données et du code ?

Questions fréquentes

Combien de temps faut-il pour créer une application IA ?

Une première version ciblée, avec une seule tâche IA, prend en général quelques semaines. La première version de DogDietLab a pris environ deux semaines avec un seul développeur.

Faut-il entraîner son propre modèle d’IA ?

Presque jamais pour une application d’entreprise. Les modèles existants comme Gemini ou GPT, avec les bonnes données et les bonnes instructions, couvrent la plupart des besoins. Entraîner le vôtre ne vaut la peine qu’avec des données nombreuses et uniques, et un avantage clair.

Comment éviter que l’IA donne de mauvaises réponses ?

On ne peut pas la rendre parfaite, alors on conçoit autour : des données exactes là où la précision compte, une relecture humaine pour les réponses sensibles, une validation par l’utilisateur avant toute publication, et un jeu de tests relancé après chaque modification.

Pour aller plus loin

Vous préparez un produit IA ? Découvrez notre offre de développement d’application et nos solutions d’IA pour les entreprises.

Développement d’application IA : ce que nous ont appris trois produits