J’ai lancé mon premier produit SaaS AI il y a huit mois. C’est un outil qui lit les dépôts SEC et génère des résumés en anglais simple pour les investisseurs particuliers. Chiffre d’affaires : 4 200 $/mois. Utilisateurs : environ 340 abonnés payants. Temps pour créer le MVP : 12 jours.
Je ne vous dis pas cela pour me vanter — 4 200 $/mois n’est pas de l’argent pour quitter son emploi. Je vous le dis parce qu’il y a huit mois, je n’avais jamais créé de produit SaaS, je ne suis pas un développeur particulièrement doué, et l’ensemble de la pile technique est essentiellement une couche bien conçue autour de l’API de Claude. Si je peux le faire, la barrière à l’entrée est vraiment basse.
Voici tout ce que j’ai appris, y compris les erreurs.
Trouver l’idée (Ne réfléchissez pas trop)
J’ai perdu deux mois à chercher « l’idée parfaite de SaaS AI ». J’ai lu des articles sur la taille du marché, le TAM et les avantages concurrentiels. Rien de tout cela n’importait.
Ce qui importait : mon beau-père m’a appelé un samedi pour demander ce que signifiait un dépôt 10-K. J’ai passé 30 minutes à lui expliquer. Puis j’ai pensé : combien d’investisseurs particuliers ont la même question mais personne à qui demander ?
C’est tout. C’est tout le processus d’idéation. Quelqu’un avait un problème. Le problème était soluble avec un LLM. J’ai construit la solution.
Les meilleures idées de SaaS AI ne sont pas astucieuses. Elles sont évidentes avec le recul. Trouvez un flux de travail où quelqu’un passe des heures à faire un travail cognitif qu’un LLM peut faire en secondes. Construisez un produit autour de ce flux de travail. Voilà.
Le piège à éviter : « [chose générique] alimentée par AI » n’est pas un produit. « Outil d’écriture AI » est une fonctionnalité. « Outil AI qui génère des descriptions d’annonces immobilières à partir de photos de propriété et de spécifications, formatées pour Zillow et Realtor.com » est un produit. La spécificité est le produit.
Architecture Technique (Gardez-le ennuyeux)
Ma pile technique : frontend Next.js, backend Node.js, base de données PostgreSQL, API Claude pour l’AI, Stripe pour les paiements, Vercel pour l’hébergement. Coût total d’infrastructure mensuel : 87 $.
C’est tout. Pas de microservices. Pas de Kubernetes. Pas de base de données vectorielle (j’en ai ajouté une plus tard quand j’avais besoin de RAG pour la comparaison historique des dépôts, mais le MVP n’en avait pas). Pas de cadre d’orchestration sophistiqué.
Je vois des fondateurs construire des architectures AI complexes avant d’avoir leur premier utilisateur. Ils passent des mois sur des flux de travail LangChain, l’orchestration d’agents et le réglage des pipelines. Puis ils lancent et découvrent que leurs utilisateurs veulent simplement une zone de texte et un bouton « Go ».
Construisez la chose la plus simple qui résout le problème. Vous pouvez ajouter de la complexité plus tard quand vous aurez des utilisateurs vous disant ce dont ils ont vraiment besoin.
La couche AI était littéralement : prendre le texte du dépôt SEC, l’envoyer à Claude avec un prompt soigneusement élaboré, diffuser la réponse à l’utilisateur. L’ingénierie du prompt a pris deux jours. Le reste du MVP de 12 jours était l’authentification, les paiements, et le fait de le rendre plus agréable visuellement.
Le Prompt Est Votre Produit
Voici quelque chose que j’ai mis trop de temps à réaliser : pour la plupart des produits SaaS AI, le prompt EST le produit. Pas l’infrastructure. Pas le cadre. Pas le schéma de base de données. Le prompt.
J’ai passé deux jours à élaborer et tester mon prompt de résumé. J’ai réalisé environ 40 itérations. Le prompt final comprend des instructions spécifiques sur ce qu’il faut mettre en avant (risques matériels, changements de revenus, déclarations prospectives), quel format utiliser (points clés pour les éléments essentiels, narration pour l’aperçu), et quel niveau de langage viser (éviter le jargon, expliquer les termes techniques).
Ce prompt est ce qui rend mon produit différent de « coller un 10-K dans ChatGPT ». L’UX est un bel emballage, mais le prompt est là où réside la véritable valeur.
Versionnez vos prompts. Testez-les en A/B. Suivez quels prompts produisent des résultats que les utilisateurs évaluent le plus haut. Traitez l’ingénierie des prompts comme le développement de produit, pas comme une configuration unique.
Tarification (Faites payer plus que vous ne le pensez)
J’ai lancé à 9 $/mois. Les utilisateurs se sont inscrits. J’ai relevé à 19 $/mois. Les utilisateurs se sont encore inscrits, presque au même rythme. J’aurais dû commencer à 19 $.
Mon coût par utilisateur par mois est d’environ 2,50 $ en appels API (l’utilisateur moyen résume environ 8 dépôts par mois). À 9 $/mois, ma marge était de 72 %. À 19 $/mois, elle est de 87 %. Même effort, même produit, presque le double des revenus.
La leçon : les produits AI offrent une valeur énorme par rapport à leur coût. Un investisseur particulier qui peut comprendre les dépôts SEC en 5 minutes au lieu de 2 heures paierait volontiers 19 $/mois. Beaucoup paieraient 49 $/mois. Je fixais mes prix en fonction de mes coûts au lieu de la valeur pour mes utilisateurs. Erreur classique.
Les Erreurs Que J’ai Comises
Construire des fonctionnalités que personne n’a demandées. J’ai passé une semaine à créer une fonctionnalité de « comparaison de dépôts » avant le lancement. Aucun utilisateur ne l’a utilisée en huit mois. J’aurais dû lancer une semaine plus tôt à la place.
Ne pas parler aux utilisateurs assez tôt. J’ai construit pendant deux semaines avant de le montrer à quiconque. Quand je l’ai finalement fait, les trois premières personnes ont dit « c’est génial, mais peut-il mettre en évidence les risques spécifiquement ? » Cela est devenu la fonctionnalité la plus populaire — et j’aurais pu le savoir dès le premier jour si j’avais demandé.
Ignorer la latence. Ma première version envoyait l’intégralité du dépôt à Claude et attendait la réponse complète avant d’afficher quoi que ce soit. Les utilisateurs regardaient un curseur de chargement pendant 30 à 45 secondes. Passer à des réponses en streaming (affichant le résumé au fur et à mesure de sa génération) a considérablement amélioré l’expérience perçue. La latence compte plus que vous ne le pensez.
Ne pas investir assez dans l’intégration. Mes premiers utilisateurs ont atterri sur le tableau de bord et ne savaient pas quoi faire. Ajouter un simple prompt « collez un symbole boursier pour commencer » avec un dépôt d’exemple a augmenté l’activation de 40 % à 78 %.
Ce Que Je Ferais Différemment
Commencer avec 10 utilisateurs bêta payants avant de construire quoi que ce soit. Leur faire payer 29 $/mois. Utilisez les conversations pour modeler le produit. Construisez uniquement ce dont ces 10 personnes ont besoin. Lancez publiquement lorsque 8 sur 10 disent qu’ils seraient contrariés si vous retiriez le produit.
Cette approche m’aurait fait économiser deux semaines à construire des fonctionnalités que personne ne voulait et m’aurait donné un produit plus précisément ciblé dès le premier jour.
Le SaaS AI est la plus grande opportunité commerciale accessible dans le secteur technologique en ce moment. Les outils sont matures, les coûts sont bas, et la demande est réelle. La partie difficile n’est pas la technologie — c’est de trouver un problème spécifique et d’avoir la discipline de le résoudre simplement.
🕒 Published: