L'IA permet-elle vraiment à n'importe qui de créer un SaaS ?

Depuis l'arrivée de Cursor, Lovable ou Bolt, on entend toujours la même phrase : « l'IA permet désormais à n'importe qui de créer un SaaS. » C'est en partie vrai, et c'est en partie ce qui rend l'affirmation dangereuse.

Vrai, parce qu'on peut aujourd'hui construire en quelques heures ce qui demandait des semaines. Un entrepreneur peut sortir un prototype, automatiser un bout de process ou monter une petite appli sans équipe technique. C'est une vraie bascule, et on l'utilise nous-mêmes tous les jours.

Trompeur, parce que ça dépend énormément de ce qu'on appelle « un SaaS ». Et là, tout le monde ne parle pas de la même chose.

Toutes les applications ne se valent pas

On mélange souvent trois choses très différentes : l'outil perso qu'on bricole pour soi, le MVP qu'on sort pour tester une idée, et l'application de production qui tourne tous les jours chez de vrais clients.

Pour les deux premières, l'IA a tout changé. Vous décrivez votre besoin en langage naturel, vous générez une interface, une base de données, deux trois automatisations, et vous avez quelque chose qui marche le soir même. Pour valider une idée ou régler un problème ponctuel, c'est une petite révolution.

Une application utilisée chaque jour par vos clients ou vos équipes, c'est une autre histoire. Et c'est là que la phrase de départ devient piégeuse.

Une application de production, ça ne se résume pas à du code

Dès qu'une application passe en production, le code n'est plus que la partie visible. Derrière, il faut tenir des utilisateurs réels, des données parfois sensibles, des rôles et des permissions, des paiements, des intégrations avec d'autres systèmes, des contraintes réglementaires, la sécurité, les mises à jour, les tests, le monitoring, la disponibilité du service. Et il faut que tout ça continue de tenir quand l'entreprise grandit.

Tant que personne ne s'en sert, un bug est une ligne à corriger. En production, le même bug devient du chiffre d'affaires perdu, une activité à l'arrêt, un client mécontent ou une faille de sécurité. Le décor change complètement.

Un exemple côté Capamoon. Une startup de la santé nous contacte pour gérer ses patients, ses praticiens, ses rendez-vous et ses paiements. Le réflexe facile aurait été de générer l'appli tout de suite. Sauf que le vrai défi n'était pas le code : il fallait tenir les contraintes de confidentialité du médical (conformité HIPAA aux États-Unis) tout en restant utilisable par des équipes qui ne sont pas ingénieurs. Ce sont ces contraintes-là, pas la vitesse de génération, qui ont dicté les choix qui comptent.

Le vrai sujet n'est pas la qualité du code

La plupart des débats sur l'IA tournent autour d'une question : « le code généré est-il bon ? » En réalité, ce n'est pas le principal enjeu. Même un excellent code ne fait pas une bonne application.

Les projets qui tiennent reposent d'abord sur autre chose : une architecture adaptée, une bonne modélisation des données, une gestion rigoureuse des permissions, une stratégie de sécurité cohérente, des tests automatisés, une vraie compréhension des besoins métier. L'IA accélère énormément l'exécution de tout ça. Elle ne remplace pas la compréhension globale du système.

On l'a vu chez un fonds de dotation dont les outils, bricolés au fil des années, étaient devenus ingérables. Le réflexe aurait été de tout regénérer. Le vrai problème était plus profond : leur modèle de données ne ressemblait plus à leur façon de travailler. Aucune IA n'allait deviner ça à leur place. Il a fallu remettre les fondations d'aplomb avant de toucher au reste.

Ce qui est vraiment en train de changer

Pendant longtemps, savoir écrire du code était LE facteur différenciant pour créer un logiciel. Aujourd'hui, le code devient peu à peu une commodité. La valeur se déplace ailleurs : vers la conception du système, la compréhension des processus métier, les décisions d'architecture, la qualité des données, et la capacité à formuler les bons problèmes avant de lancer la machine.

La question n'est donc plus seulement « qui sait développer ? », mais « qui comprend vraiment le système qu'il construit ? ». C'est un déplacement discret, mais il change tout.

De nouveaux profils hybrides

C'est aussi pour ça que les frontières entre certains métiers deviennent plus floues. On voit émerger des profils qui combinent plusieurs casquettes : des product managers très techniques, des product engineers, des designers qui codent, des CTO orientés produit.

Ce qui les distingue, ce n'est pas tant la maîtrise des outils que leur capacité à relier trois choses : les enjeux métier, les contraintes techniques et les besoins des utilisateurs. C'est exactement ce qu'on appelle le Product Thinking, et c'est précisément ce que l'IA ne sait pas faire à votre place.

Ce que ça veut dire pour une PME

Pour une entreprise, l'enjeu n'est pas d'utiliser l'IA pour produire plus vite. C'est de construire les bons systèmes. L'IA fait chuter les coûts et les délais de création d'outils numériques, et c'est une opportunité réelle pour les PME qui veulent digitaliser leurs opérations ou lancer de nouveaux services.

Mais la réussite d'un projet dépend toujours des mêmes choses : comprendre le besoin réel, concevoir une solution adaptée, structurer correctement les données, sécuriser les process, et penser à l'évolutivité dès le départ. Rien de neuf, et c'est bien le sujet.

L'IA transforme la manière de construire des applications. Elle ne supprime pas le besoin d'expertise, elle le déplace vers celles et ceux qui savent combiner vision produit, compréhension métier, architecture et exécution. C'est probablement là que se joue aujourd'hui le vrai avantage, pour ceux qui sauront en tirer parti.

À propos de l'auteur

Julien Andrieu. 20 ans d'expérience en Product Management et développement de produits numériques. Après être passé par des startups, des éditeurs SaaS et des groupes internationaux, il accompagne aujourd'hui les PME dans la conception de solutions digitales centrées sur les besoins métier.

Envie d'en parler ? Écrivez-nous : hello@capamoon.com. Ou si vous êtes à Barcelone, contactez-nous pour un café ☕