Ce que je construis vraiment quand un client dit « ajoutez de l’IA au produit »

« Ajouter de l’IA au produit » est le brief que j’entends le plus souvent maintenant, et ce n’est presque jamais une seule fonctionnalité. En dessous se cache d’habitude l’une de quatre tâches différentes : un chat ou une recherche qui diffuse une réponse au lieu d’afficher un spinner, une étape design-vers-code qui ébauche un composant à partir de Figma au lieu de l’écrire de zéro, un outil interne qui lit quelque chose de désordonné (une capture d’écran, un PDF, un tableur) au lieu de forcer quelqu’un à le retaper, ou une vraie fonctionnalité multimodale où l’entrée n’est pas du texte du tout. Nommer laquelle c’est vraiment décide de toute la construction.

Je préfère passer le premier appel à ranger le brief dans ces quatre cases plutôt qu’à commencer par un tableau comparatif de modèles. Le modèle est rarement la partie difficile. La plomberie autour - l’état pendant que les tokens arrivent en streaming, un fichier Figma qu’un agent peut vraiment parser, une file d’attente pour les captures d’écran qu’un bot interne doit traiter - c’est là que partent les semaines.

1. UI en streaming avec le Vercel AI SDK

Une boîte de chat qui répond tout d’un coup, après cinq secondes d’attente, semble cassée même quand le modèle est rapide - les gens lisent la première phrase pendant qu’elle s’écrit encore, pas après. Les hooks useChat et useCompletion du Vercel AI SDK gèrent le flux de tokens, mais ce que les clients jugent vraiment, c’est ce qu’il y a autour : un bouton stop qui annule vraiment la requête, un regenerate qui ne duplique pas le dernier message, et une UI qui ne saute pas quand un bloc de code ou un tableau arrive en streaming en plein milieu d’une phrase.

Le mode d’échec que je vois le plus dans les builds existants n’est pas le streaming lui-même - c’est l’état. Un composant React qui re-rend toute la liste de messages à chaque token, un flag de chargement qui ne se réinitialise jamais après une requête annulée, un champ de saisie qui reste désactivé après une erreur. Rien de tout ça ne se voit dans une démo avec un seul message au chemin heureux ; tout ça se voit après le dixième message d’un utilisateur dans la journée.

2. Figma-to-Code via MCP, et là où l’humain doit encore regarder

Un serveur MCP qui expose un fichier Figma permet à Cursor ou Claude de lire la vraie mise en page - noms des frames, tokens d’espacement, variantes de composants - au lieu de deviner à partir d’une capture d’écran. Cela amène rapidement une première ébauche de composant à un état raisonnable : structure correcte, espacement à peu près correct, vrais noms de classes au lieu de placeholders.

Il ne donne pas les breakpoints responsives, l’accessibilité, ou les états qu’un designer n’a jamais dessinés - survol, désactivé, vide, chargement - correctement sans qu’une personne vérifie. Je traite la sortie MCP comme une ébauche rapide, pas une PR prête à merger : le temps que ça fait gagner, c’est dans la frappe du boilerplate, pas dans la relecture.

3. Outils internes propulsés par l’IA, et où le multimodal se rentabilise vraiment

La fonctionnalité IA au meilleur ROI que je construis n’est presque jamais destinée au client. Un outil interne qui lit la facture PDF d’un fournisseur et remplit les champs qu’une comptable retapait auparavant, ou un autre qui regarde une capture d’écran d’un rapport de bug et ébauche le ticket - enjeux plus faibles qu’un chatbot public, volume plus élevé que ce que la plupart imaginent, et personne ne s’offusque d’une aspérité parce que ça fait gagner du temps à la personne elle-même.

C’est aussi là que l’IA multimodale - un modèle qui lit une image ou un PDF au lieu de seulement du texte - se rentabilise. Ajouter une entrée image à une fonctionnalité client « parce que c’est possible » ne vaut généralement pas la surface d’échec supplémentaire. L’ajouter à un formulaire qu’un employé remplit quarante fois par jour, en remplaçant un document qu’il retaperait sinon, se rentabilise dès le premier mois.

Conclusion : nommez la fonctionnalité avant de nommer le modèle

« Ajouter de l’IA au produit » ne devient un plan que lorsque c’est l’une de ces choses : un chat qui diffuse correctement, une étape de design qui ébauche au lieu de remplacer un développeur, un outil interne qui automatise un travail précis de ressaisie, ou une vraie entrée multimodale. Je construis les quatre, câblés avec le Vercel AI SDK, MCP, et le modèle qui convient au travail plutôt que celui dont on parle le plus ce mois-ci. Écrivez via le formulaire ce que l’IA est censée lire ou dire, et je vous dirai lequel des quatre c’est.