Vous l'avez bâti avec l'IA. Et maintenant?

Les outils de codage IA ont changé ce qu'une seule personne peut bâtir en un week-end. Claude Code (en anglais), Cursor (en anglais), GitHub Copilot (en anglais), Windsurf (en anglais), Bolt (en anglais), Lovable (en anglais), v0 (en anglais), Replit Agent (en anglais). La liste s'allonge. Un développeur solo peut désormais produire une application full-stack, une API et un prototype SaaS dans le temps qu'il fallait auparavant pour échafauder un seul projet.

Le résultat, c'est du vrai code. Pas des démos jouets. D'après notre expérience, Claude Code peut générer des backends Nest.js complets avec middleware d'authentification, et Cursor peut échafauder des applications Next.js avec Tailwind, des schémas de base de données et des routes API. Bolt et Lovable produisent des applications React full-stack avec des backends fonctionnels.

v0 génère des composants d'interface prêts à intégrer dans un projet Next.js. Replit Agent bâtit des applications avec bases de données et authentification, puis les héberge sur l'infrastructure de Replit. Windsurf adopte une approche similaire à Cursor, avec sa propre vision de la génération de code contextuelle.

Ces outils produisent des Dockerfiles standards, des fichiers package.json, requirements.txt et des configurations docker-compose. Le code a une forme prête pour la production dès le départ.

Cela change le calcul du déploiement. Non pas parce que le déploiement est devenu plus difficile, mais parce que le ratio a changé. Quand l'écriture du code était le goulot d'étranglement, vous déployiez une ou deux choses par mois. Quand l'IA supprime ce goulot, vous pourriez avoir cinq projets en un week-end qui valent d'être mis devant des utilisateurs. Le modèle d'infrastructure que vous choisissez doit en tenir compte.

La facturation par projet ne suit pas le rythme de prototypage

La plupart des plateformes de déploiement facturent par application, par base de données, par service. Railway compte le CPU, la RAM et la sortie. Heroku facture par dyno plus les modules complémentaires. Render facture par instance de service. C'est correct quand vous déployez une chose et itérez dessus.

Ça ne fonctionne plus quand l'IA vous permet de construire plus vite que vous ne pouvez évaluer. Vous lancez un prototype, ajoutez une base de données, exposez une API. Puis vous construisez autre chose. Et encore autre chose. Chaque projet est petit, mais les coûts par projet s'accumulent. Une base de données à 10 $ ici, un service à 7 $ là. Soudain, vous payez 80 $/mois pour quatre expériences, dont la plupart seront abandonnées en deux semaines.

Voici un exemple concret. Disons que vous bâtissez trois petits projets en un week-end avec Cursor : une application SaaS Next.js, une API Flask et un bot Discord avec base de données.

Sur le forfait Pro de Railway (en anglais) (20 $ USD/mois de base), vous payez par ressource : environ 20 $ USD par vCPU par mois, 10 $ par Go de RAM et 0,15 $ par Go de stockage. Un service modeste et sa base de données Postgres pourraient coûter 15 à 30 $ USD/mois combinés, selon l'utilisation réelle. Trois projets avec bases de données pourraient se situer dans la fourchette de 40 à 70 $ USD/mois.

Sur Render (en anglais), trois services web à 7 $ USD chacun plus trois bases Postgres Basic à 6 $ USD chacune vous mettent à 39 $ USD/mois minimum. C'est avant d'atteindre les limites de ressources qui forcent une mise à niveau.

Sur Heroku (en anglais), trois dynos Basic à 7 $ USD chacun plus trois instances Postgres Essential à 5 $ USD chacune font 36 $ USD/mois au minimum. Les configurations de production réalistes grimpent vite une fois que vous ajoutez la journalisation et les dynos de travail.

Le modèle de facturation a été conçu pour un monde où la construction était lente et délibérée. Le développement assisté par l'IA, ce n'est pas ça.

Le dernier kilomètre que l'IA ne couvre pas

Les outils IA excellent à générer du code applicatif. Ils sont moins utiles pour l'infrastructure qui l'entoure. C'est le fossé qui attrape la plupart des gens après l'enthousiasme initial d'un prototype fonctionnel.

La configuration DNS est le premier mur. Votre application tourne sur localhost. Maintenant vous avez besoin qu'elle soit à un vrai domaine. Cela signifie acheter un domaine, pointer les enregistrements DNS, attendre la propagation et déboguer quand les enregistrements ne résolvent pas. Les outils IA ne peuvent pas faire ça pour vous.

Les certificats SSL viennent ensuite. Les navigateurs rejettent les connexions HTTP. Vous avez besoin de HTTPS, ce qui signifie provisionner et renouveler des certificats TLS. Let's Encrypt a rendu cela gratuit, mais l'automatisation du renouvellement des certificats nécessite toujours de l'infrastructure.

Les variables d'environnement sont un autre obstacle courant. Votre application générée par l'IA a un .env.example avec DATABASE_URL, STRIPE_SECRET_KEY et JWT_SECRET. Localement, tout est rempli. En production, vous avez besoin d'un moyen sécurisé de les injecter dans l'environnement d'exécution sans pousser vos secrets dans le dépôt.

Le provisionnement de base de données bloque aussi beaucoup de gens. Votre application attend PostgreSQL. Où tourne cette base de données? Comment la créer, configurer les identifiants, exécuter les migrations et gérer les sauvegardes? L'IA a généré le schéma et les fichiers de migration. Elle n'a pas provisionné le serveur de base de données.

Il y a aussi la question du stockage persistant, de la journalisation et des vérifications de santé. Les applications en production ont besoin des trois. Les configurer de zéro sur un VPS nu prend des heures de configuration qui n'ont rien à voir avec le code que l'IA vous a aidé à écrire.

Une plateforme gérée s'occupe de tout ça. MapleDeploy vous donne le SSL automatique sur chaque déploiement, le provisionnement de base de données en un clic, la gestion des variables d'environnement via l'interface Coolify et la configuration de domaines personnalisés avec des instructions DNS claires. Le fossé entre « ça marche sur ma machine » et « c'est en ligne sur internet » est exactement ce que la plateforme comble.

Payer par ressources plutôt que par projet

L'alternative est de payer pour des ressources, pas des projets. Obtenir un serveur avec CPU, RAM et stockage définis. Déployer autant d'applications et de bases de données que possible. Le coût ne change pas que vous exécutiez un projet ou dix.

C'est ce que fait MapleDeploy. Vous obtenez une VM dédiée à partir de 45 $ CAD/mois avec 4 Go de RAM, 2 vCPU et 35 Go de stockage. Déployez-y ce que vous voulez : un frontend Next.js, une API Flask, une base de données PostgreSQL, un cache Redis. Pas de frais par projet, pas de comptage à l'utilisation. Le prix est le même à la fin du mois, peu importe le nombre d'expériences que vous avez lancées.

Les trois projets de l'exemple précédent? Sur MapleDeploy, ils tournent tous sur une seule instance Starter. 45 $ CAD/mois au total, pas 40 à 70 $ USD répartis sur trois flux de facturation séparés. Si vos expériences grandissent et que vous avez besoin de plus de marge, passez au forfait Pro (95 $ CAD/mois, 8 Go de RAM, 4 vCPU) et continuez à déployer sans rien restructurer.

Connectez votre dépôt GitHub ou GitLab, poussez vers une branche, et la plateforme construit et déploie automatiquement. Besoin de Postgres? Un clic. Redis? Pareil. Journaux de déploiement en temps réel, SSL automatique, noms de domaine personnalisés.

La décision d'infrastructure que les créateurs IA oublient

Voici la partie que la plupart des articles sur le développement assisté par IA ne couvrent pas. Votre code doit vivre quelque part. Et cet endroit est une décision de juridiction, pas seulement d'hébergement.

La plupart des plateformes de déploiement populaires tournent sur l'infrastructure cloud américaine. Les régions de déploiement (en anglais) de Railway couvrent les États-Unis (Californie et Virginie), les Pays-Bas et Singapour, sans option canadienne. Render tourne sur l'infrastructure cloud américaine. Heroku tourne sur AWS. Même quand ces plateformes offrent des régions hors des États-Unis, les sociétés mères sont incorporées aux États-Unis et soumises aux lois américaines d'accès aux données.

MapleDeploy fonctionne sur une infrastructure canadienne à Toronto. Cela n'a peut-être pas d'importance pour une expérience de week-end. Mais si l'expérience devient un vrai produit avec de vrais utilisateurs, surtout dans des secteurs réglementés comme la santé ou le juridique, vous serez content que la fondation ait été bonne dès le départ.

Rétablir la résidence des données après le lancement est pénible. Cela signifie migrer les bases de données, mettre à jour le DNS, reprovisionner l'infrastructure et potentiellement revoir l'architecture de gestion des données de votre application. Commencer avec une infrastructure canadienne, c'est gratuit. Y migrer plus tard ne l'est pas.

Du logiciel libre sous le capot

MapleDeploy fonctionne sur Coolify, une plateforme libre avec plus de 50 000 étoiles sur GitHub. Pas de runtime propriétaire. Pas de dépendance au fournisseur. Vos Dockerfiles et bases de données sont standards. Si vous dépassez MapleDeploy ou voulez auto-héberger, vous emportez tout avec vous.

Coolify prend en charge un large éventail de méthodes de déploiement. Poussez un Dockerfile et il le construit et l'exécute. Poussez un projet Node.js, Python ou Go et Nixpacks (en anglais) détecte le langage et construit automatiquement. Les fichiers Docker Compose fonctionnent directement. Vous pouvez déployer des sites statiques, des frameworks full-stack, des bases de données et des tâches en arrière-plan depuis la même interface.

C'est important spécifiquement pour les projets bâtis par l'IA. Les outils IA génèrent du code standard : Dockerfiles, package.json, requirements.txt. Ce code se déploie sur Coolify sans modification. Pas de fichiers de configuration propriétaires, pas de buildpacks spécifiques à apprendre. Une application Next.js échafaudée par Claude Code se déploie de la même façon qu'une application écrite à la main. Une API Flask générée par Cursor utilise le même patron de Dockerfile que vous écririez vous-même.

La couche de gestion fait la différence entre MapleDeploy et Coolify auto-hébergé. Nous gérons la VM, les mises à jour du système d'exploitation, les correctifs de sécurité, les sauvegardes et la surveillance. Vous obtenez la flexibilité d'une plateforme libre sans le fardeau opérationnel de maintenir le serveur sur lequel elle tourne.

Auto-héberger Coolify est une option légitime si vous aimez l'administration de serveurs. Mais si vous préférez passer votre temps à construire et livrer, la version gérée élimine la distraction. Votre outil de codage IA génère l'application. MapleDeploy la fait tourner.

Les outils IA ont changé ce qui se construit. Le modèle de déploiement doit suivre. La facturation par projet avait du sens quand les projets coûtaient cher à créer. La tarification par ressources a du sens quand ils sont peu coûteux à créer et coûteux à évaluer. MapleDeploy vous donne un serveur dédié sur une infrastructure canadienne, une tarification forfaitaire à partir de 45 $ CAD/mois et un essai gratuit de 30 jours. Construisez cinq choses ce week-end. Déployez-les toutes.