Construire son site en MVP puis itérer : ce que l'IA change (et ne change pas) dans la méthode

Il y a une forme d'ironie à écrire cet article sur un site que j'ai construit moi-même, sans être développeur. Pas parce que c'est spectaculaire, mais parce que ça illustre exactement ce que je pense de l'IA depuis le début : c'est un levier d'exécution, pas une méthode. Ce qui a fait fonctionner ce projet, ce n'est pas l'outil. C'est la façon dont je l'ai piloté.

Ce retour d'expérience s'adresse aux professionnels du digital qui envisagent de créer ou refondre leur présence en ligne, et à ceux qui se demandent concrètement ce que l'IA change dans un projet web réel. Je vais être précis sur ce qui a marché, sur ce qui a coincé, et surtout sur ce que la méthode apporte que l'IA seule ne peut pas donner.

La décision de départ : traiter ce site comme n'importe quel projet

La première décision structurante a été de ne pas penser "faire un site web", mais de cadrer le projet exactement comme je cadrais ceux de mes clients. Objectif, périmètre, priorisation, critères de succès, puis livraison en couches successives.

Sur le fond, l'objectif était triple : une vitrine professionnelle, une base de contenu SEO durable, et une démonstration concrète de mes compétences en delivery management et en SEO/GEO. Pas un portfolio statique. Un site vivant, avec un blog, des outils gratuits, une newsletter, des pages de service.

Sur la forme, deux contraintes fortes : zéro budget développeur, et un contrôle total sur le code, le SEO technique et la performance. Ce qui excluait à la fois le prestataire externe et le CMS standard. L'outil retenu pour l'exécution : Claude Code, l'interface CLI d'Anthropic. Le stack : Next.js 14 App Router, Tailwind CSS, Vercel, Notion comme CMS headless.

La logique MVP : ce qui entre dans la V1, ce qui attend

Avant d'écrire la première ligne de code, j'ai posé par écrit deux colonnes. Ce qui rentrait dans le MVP, et ce qui attendait.

Dans le MVP :

Homepage avec hero, expertises, timeline de parcours
Blog connecté à Notion (contenu sans toucher au code)
Page contact avec formulaire
SEO technique de base : sitemap, robots.txt, meta tags, canonical

Hors MVP, pour les itérations suivantes :

Newsletter avec double opt-in
Outils interactifs gratuits
Pages prestations détaillées
Références clients
Page À propos

Cette séparation nette est ce qui a permis de livrer une première version fonctionnelle en quelques jours. C'est le principe fondamental du delivery management appliqué à un projet solo : délivrer quelque chose d'utilisable rapidement, puis itérer sur une base stable. L'IA ne change pas ce principe. Elle accélère l'exécution de chaque itération.

Comment fonctionne concrètement le travail avec un agent IA

Le workflow s'est stabilisé autour d'un principe simple : je décris fonctionnellement ce que je veux obtenir, l'agent génère le code, je lis, je teste, j'arbitre. La génération est rapide. La relecture critique prend du temps, et c'est normal, c'est là que la valeur se construit.

Ce qui fonctionne bien : les tâches délimitées avec un output clair. "Crée une page /references qui liste les entrées Notion publiées, triées par ordre, avec une carte par référence incluant logo, secteur, missions et témoignage tronqué." Le résultat est exploitable en quelques minutes.

Ce qui fonctionne moins bien : les tâches ouvertes ou ambiguës. "Améliore le design du header" produit des résultats aléatoires. La précision du brief détermine la qualité de l'output, exactement comme avec un prestataire humain. C'est une compétence en soi : savoir spécifier pour une IA, c'est savoir cadrer un besoin, et ça s'apprend.

Les itérations concrètes : ce que chaque vague a ajouté

Après le MVP, les fonctionnalités se sont ajoutées par vagues, chacune pilotée comme un mini-projet : brief fonctionnel, génération, tests, ajustements, déploiement.

La newsletter a nécessité l'intégration de Resend pour l'envoi et Brevo pour la gestion des listes, avec un double opt-in custom parce que les solutions natives des plateformes ne correspondaient pas aux contraintes légales souhaitées. L'IA a généré l'architecture ; les arbitrages sur la gouvernance et la conformité étaient les miens.

Les outils interactifs (calculateur de coût de réunion, diagnostic SEO, contrôleur de contrastes RGAA) ont été construits en s'appuyant sur des API publiques gratuites, sans backend lourd. L'IA a géré la logique de calcul et les composants React ; j'ai arbitré sur l'UX et la pertinence des métriques. Mon calculateur ROI automatisation IA est lui-même un exemple de ce type de collaboration.

Les pages SEO et les endpoints GEO-optimisés (pour les moteurs de recherche génératifs comme ChatGPT ou Perplexity) ont été construits avec une logique éditoriale que j'ai définie, puis implémentés par l'agent. L'expertise SEO/GEO ne vient pas de l'IA : elle vient du cadrage.

Le système de références clients, connecté à Notion comme le blog, a nécessité de créer la base de données via l'API Notion, d'écrire la couche TypeScript et de construire les pages d'archive et de détail. Une demi-journée de pilotage, contre plusieurs jours en développement classique.

Ce que la méthode apporte que l'IA ne peut pas donner seule

C'est le point central, et c'est ce que j'ai voulu tester concrètement avec ce projet.

L'IA ne décide pas à votre place du périmètre. À aucun moment Claude Code n'a arbitré ce que le site devait faire, l'ordre dans lequel livrer les fonctionnalités, ou les compromis entre qualité et rapidité. Ces décisions sont restées les miennes. L'agent exécute ; le delivery manager pilote.

La dette technique existe même avec l'IA. Quand on enchaîne les itérations vite, le code peut devenir incohérent si on ne prend pas le temps de le relire et de le consolider. J'ai eu des sessions entières consacrées à nettoyer ce que les sessions précédentes avaient généré un peu trop vite. La rigueur de delivery s'applique même quand c'est une IA qui code.

Le contexte doit être maintenu activement. Les modèles de langage n'ont pas de mémoire persistante entre les conversations. J'ai appris à maintenir un fichier de cadrage (CLAUDE.md) qui résume l'état du projet, les conventions de code, les décisions prises, et les règles à respecter. C'est l'équivalent d'un bon document de cadrage de projet : sans lui, chaque session repart de zéro.

La vision éditoriale et la stratégie ne se délèguent pas. La structure des expertises, l'angle des articles de blog, la logique de maillage interne SEO, les pages de service : tout ça a été pensé avant d'être généré. L'IA produit l'implémentation d'une vision ; elle ne crée pas la vision.

Les limites réelles du modèle

La gestion des erreurs TypeScript complexes demande souvent plusieurs itérations avant que l'agent converge vers la bonne solution. Les problèmes d'environnement (variables, secrets, intégrations tierces) sont délicats car ils impliquent des systèmes que l'IA ne peut pas tester directement.

L'autre limite est cognitive : piloter un développement IA seul demande de rester concentré sur la vision d'ensemble tout en gérant les détails d'implémentation. C'est un exercice de double attention qui peut être épuisant sur des sessions longues. Ce n'est pas du tout automatique. C'est du pilotage intensif.

Ce que ça m'a confirmé sur mon métier

Ce projet m'a confirmé que l'expertise en intelligence artificielle la plus utile n'est pas technique au sens conventionnel. Elle est méthodologique : savoir décomposer un problème en tâches délimitées, briefer précisément, relire critiquement, arbitrer sur la qualité, gouverner la production automatisée.

Ce sont exactement les compétences d'un delivery manager. L'IA ne crée pas un nouveau métier pour ceux qui savent déjà piloter. Elle leur donne un levier d'exécution massif, à condition de ne jamais confondre l'outil et la méthode.

Pour évaluer si ce modèle a du sens dans votre contexte, notamment en agence ou en DSI, mon article sur les agents IA en delivery management prolonge cette réflexion avec des cas d'usage concrets.

Ce site est aujourd'hui un laboratoire en production. Chaque nouvelle fonctionnalité que j'y ajoute m'apprend quelque chose de transposable dans le conseil que j'apporte à mes clients. C'est ça, le vrai retour sur investissement d'un MVP personal branding piloté avec méthode.