Intensif Gratuit 21–22/11Intensif gratuit de 2 jours en Vibecoding (21–22 nov, 16h00 MSK) · Cohorte 3 le 23/11S'inscrire gratuitement →Cohorte 3 (23/11)
SortieCode / SDK · Prêt à l'emploiHabr AI→ original

AIruntime construit un site vitrine à partir d'un chat avec une IA pour 50 à 300 roubles de tokens

Le propriétaire d'une boulangerie ou d'un salon décrit dans le chat le site qu'il veut et reçoit un lien fonctionnel : la startup AIruntime le fait assembler par une équipe d'agents IA. Une vitrine d'une seule page coûte 50 à 300 roubles en tokens, soit le prix du travail des réseaux de neurones. Auparavant, une boucle de corrections bloquée brûlait 500 à 700 roubles pour rien ; désormais, elle s'arrête après deux ou trois itérations. Pour les produits basés sur des agents, la conclusion est claire : une limite stricte d'itérations protège le budget mieux que le choix du modèle.

Traité par IA depuis Habr AI ; édité par Hamidun News
AIruntime construit un site vitrine à partir d'un chat avec une IA pour 50 à 300 roubles de tokens
Source : Habr AI. Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireHabr AI ↗
Rédacteur en chef
Chiffre clé #1L'agent juge vérifie le résultat avec un contexte court et une tâche précise
Chiffre clé #2Chaque projet dispose de son propre volume Docker, pour que les agents n'accèdent pas aux fichiers des autres
Chiffre clé #3Les domaines sont connectés via Cloudflare MCP, et Traefik route les requêtes

Le propriétaire d'une boulangerie, d'un atelier de réparation automobile ou d'un salon de toilettage décrit dans le chat avec une IA le site dont il a besoin et reçoit, quelques minutes plus tard, le lien vers un projet fonctionnel. C'est le fonctionnement de la startup AIruntime : le service écrit lui-même le code, conçoit le design, vérifie le résultat et publie le site ou le bot Telegram sur un hébergement. Une vitrine d'une seule page coûte environ 50 à 300 roubles.

Il ne s'agit pas d'un abonnement, mais du coût des tokens, c'est-à-dire de la rémunération du travail des réseaux de neurones pour une exécution. Cette estimation provient d'expériences menées avec l'ensemble des limites imposées aux agents. Sans ces limites, une seule requête bloquée pouvait coûter 500 à 700 roubles, sans que l'utilisateur ne reçoive quoi que ce soit.

Créer un site avec un constructeur est possible depuis longtemps, mais cela reste compliqué pour une micro-entreprise. Il faut savoir quels blocs choisir, quoi y mettre, comment enregistrer un domaine et comment le payer. Le propriétaire d'une boulangerie dispose de peu de ressources cognitives, c'est pourquoi il reste sur les réseaux sociaux et les messageries. Or, on ne peut pas y automatiser correctement la prise de rendez-vous ou la réception de commandes. AIruntime propose de remplacer le constructeur par un dialogue : vous expliquez la tâche avec vos mots et vous obtenez un produit prêt à être mis en production.

Ce n'est pas un copilote pour développeurs, et cela ne remplace pas le développement. Le service vise des tâches pour lesquelles on n'embauchait pas de personnel jusqu'ici, à cause du coût : une vitrine avec prise de rendez-vous pour une coupe de cheveux, une application simple qui écrit des données dans une base et les affiche à l'administrateur, un prototype ou une copie d'un service de niche. Les boutiques avec un parcours de vente complet ne fonctionnent pas encore : il n'est pas clair comment raccorder légalement des systèmes de paiement dans le mode d'un agent IA.

Comment fonctionne le pipeline d'agents

À l'intérieur, plusieurs rôles avec des prompts différents. Un agent écrit le code en tenant compte du SEO, un autre s'occupe du design (un modèle distinct, avec des plugins, est chargé de l'image pour qu'elle ne paraisse pas ouvertement « générée par IA »), un troisième gère la mise en page pour que tout s'affiche correctement sur smartphone. La demande de l'utilisateur est transformée en quality gates, un ensemble de contrôles que le projet doit passer pour chaque rôle : interface propre, architecture extensible, tests réels. Récemment, l'équipe a remplacé ses propres vérifications par le dépôt ai-quality-gates, afin que les critères soient liés aux tâches.

Un agent juge distinct vérifie le résultat final. Selon les observations de l'équipe, les réseaux de neurones se trompent pour deux raisons : soit le contexte est trop volumineux et le modèle perd des détails, soit la tâche est floue et il suit sa propre voie. Le juge dispose d'un contexte réduit et d'une tâche claire, c'est donc lui qui maintient la qualité à un niveau acceptable.

L'argent et la protection contre les corrections sans fin

Le principal problème d'ingénierie s'est révélé être les coûts. Une demande complexe enfermait le système dans un cycle infini de corrections, qui se terminait par un timeout. Désormais, après deux ou trois étapes de corrections, le processus est arrêté de force. Le service prélève une commission sur les tokens consommés ; les domaines et l'hébergement ne sont pas encore facturés séparément. Des revenus supplémentaires proviennent des évolutions : les modifications du site passent elles aussi par le même chat.

Les pièges des agents autonomes

  • Les agents aiment poser des questions de précision et se mettre en attente. Les réponses aux questions les plus fréquentes sont préparées à l'avance.
  • Lors de la création d'une base, l'agent demande un identifiant et un mot de passe. Désormais, le mot de passe est généré par un script et placé dans un fichier séparé, et l'agent reçoit simplement la commande de le lire au chemin indiqué.
  • Au début, les projets étaient stockés dans un dossier commun, et un agent recevant l'instruction « il manque de place, supprime les fichiers du voisin » pouvait le faire. Désormais, chaque projet dispose de son propre volume Docker, c'est-à-dire d'un espace de stockage isolé. Pour le lancement, l'équipe estime que c'est suffisant.
  • La gestion des domaines était d'abord configurée à la main, puis l'équipe est passée aux serveurs Cloudflare MCP. MCP (Model Context Protocol) donne à l'agent une manière standard d'appeler des outils externes. Traefik gère plusieurs domaines sur une même IP : il regarde le nom dans la requête, l'envoie vers le bon conteneur et délivre lui-même les certificats.

Le système repose sur le SDK d'OpenAI, une bibliothèque qui encapsule les requêtes aux modèles. Il n'y a pas de dépendance rigide à OpenAI : si nécessaire, on peut passer à des équivalents chinois comme Qwen.

Et après, et quelles questions restent ouvertes

Le service vient tout juste d'arriver sur le marché : une fonction de paiement des tokens et une analyse automatique des journaux après déploiement ont été ajoutées récemment. Les projets incluent la supervision, les alertes, la reprise automatique après panne, la connexion de son propre domaine et une analytique simple : combien de visiteurs sont venus sur le site et combien se sont inscrits.

L'idée n'est pas unique. Un service similaire, Base44, a été racheté par Wix en 2025, ce qui montre l'intérêt des grands acteurs. Des limites subsistent : aucune garantie de résultat, la sécurité et le contrôle des accès devront être surveillés, et chaque agent doit être encadré et vérifié. Et la question principale reste sans réponse : le propriétaire d'un fleuriste ou d'un coiffeur croira-t-il qu'une IA peut s'en sortir sans humain, et acceptera-t-il d'assumer les conséquences des erreurs ?

Pour ceux qui construisent des produits agentiques, la conclusion est pragmatique : la limite d'itérations, le contexte court de l'agent vérificateur, l'isolation des projets et les réponses préparées aux questions types pèsent sur l'économie davantage que le choix du modèle lui-même.

Dossier

Questions clés sur cet article

Comment fonctionne le pipeline d'agents?

À l'intérieur, plusieurs rôles avec des prompts différents. Un agent écrit le code en tenant compte du SEO, un autre s'occupe du design (un modèle distinct, avec des plugins, est chargé de l'image pour qu'elle ne paraisse pas ouvertement « générée par IA »), un troisième gère la mise en page pour que tout s'affiche correctement sur smartphone.

Que sait-on sur L'argent et la protection contre les corrections sans fin ?

Le principal problème d'ingénierie s'est révélé être les coûts. Une demande complexe enfermait le système dans un cycle infini de corrections, qui se terminait par un timeout. Désormais, après deux ou trois étapes de corrections, le processus est arrêté de force. Le service prélève une commission sur les tokens consommés ; les domaines et l'hébergement ne sont pas encore facturés séparément. Des revenus supplémentaires proviennent des évolutions : les modifications du site passent elles aussi par le même chat.

Que sait-on sur Les pièges des agents autonomes ?

Les agents aiment poser des questions de précision et se mettre en attente. Les réponses aux questions les plus fréquentes sont préparées à l'avance. Lors de la création d'une base, l'agent demande un identifiant et un mot de passe. Désormais, le mot de passe est généré par un script et placé dans un fichier séparé, et l'agent reçoit simplement la commande de le lire au chemin indiqué.

ZK
Zhemal Khamidun — CPO d'Alpina Digital, product manager d'AlpinaGPT. Conçoit des produits IA depuis 2019. Hamidun News est un projet personnel devenu un agrégateur en production avec plus de 6 000 lecteurs.
✦ Hands-On AI Engineering · Hamidun Academy

Build & Ship Production AI Agents Without Boilerplate Code

Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.

Start 72h Free Trial →Vibe-Coding Intensive
Qu'en pensez-vous ?
Chargement des commentaires…