En novembre 2025, un développeur néerlandais nommé Pieter Levels a publié sur Twitter le tableau de bord des revenus de l'une de ses applications. PhotoAI, un générateur de photos par IA, rapportait environ 138 000 dollars par mois. Il le gère seul. Pas d'équipe, pas de bureau, pas d'investisseurs.

C'est un vrai chiffre, d'une vraie personne qui publie ses revenus Stripe en public. C'est aussi l'exception, pas la règle. La plupart des projets d'IA ne finissent pas ainsi. Voici donc un regard honnête sur les deux côtés : ceux qui réussissent avec l'IA, les chiffres derrière eux, et la raison bien documentée pour laquelle la majorité échoue encore.

Les fondateurs solo aux reçus publics

Les réussites IA les plus crédibles sont celles où le fondateur montre l'argent.

Pieter Levels (@levelsio) a bâti PhotoAI à partir de zéro. Selon ses propres chiffres publics, l'app est passée de 5,4 K$ le premier mois à plus de 100 K$ par mois en 18 mois, et environ 138 K$/mois fin 2025 — soit près de 70 % de ses revenus. Son portefeuille de petits produits tourne autour de 3 M$ par an, toujours en solo, et il construit avec des outils de code IA plutôt qu'avec une masse salariale (étude de cas Indie Hackers).

Marc Lou a fait plus audacieux : il a publié un article intitulé « J'ai gagné 1 032 000 $ en 2025 », réparti sur une quinzaine de sources de revenus, avec zéro employé (sa newsletter). Ses produits ShipFast et CodeFast rapportent chacun environ 20 K$ par mois, et plus de 7 200 développeurs ont acheté ShipFast. Il documente ouvertement ses succès et ses échecs.

Deux choses ressortent chez les deux. Ils lancent des produits vite, et ils vendent quelque chose que les gens paient. L'IA est l'outil qui permet à une seule personne d'abattre le travail d'une petite équipe — pas un bouton magique à revenus.

Les chiffres des petites entreprises (avec sources)

Loin des fondateurs vedettes, les données globales sur les entreprises ordinaires sont réellement positives — à condition de les citer avec soin.

  • Un employé de petite entreprise économise en moyenne environ 5,6 heures par semaine grâce aux outils d'IA ; les dirigeants en gagnent 7 et plus (recherche Business.com, 2026).
  • 91 % des petites entreprises utilisant l'IA déclarent une hausse de revenus (Salesforce).
  • McKinsey estime le retour moyen à environ 3,7x sur les dépenses en outils d'IA pour les petites entreprises.
  • Environ 66 % des petites structures affirment que l'IA leur fait économiser entre 500 et 2 000 $ par mois.

Le dispositif documenté typique paraît banal : un chatbot pour les questions clients, ChatGPT pour le contenu, et un outil d'automatisation pour les e-mails. Une petite commerçante en ligne a déclaré économiser trois heures par jour sur les demandes et environ 1 200 $ par mois par rapport à une embauche — pour des outils coûtant environ 70 $ par mois.

La partie honnête : la plupart des projets d'IA échouent

Voici le chiffre que les posts de hype omettent. En 2025, le Media Lab du MIT a publié « The GenAI Divide », une étude portant sur 300 déploiements d'IA publics, complétée d'entretiens et de sondages. Elle a conclu que 95 % des projets pilotes d'IA générative en entreprise n'ont produit aucun impact mesurable sur les résultats (couverture Fortune).

La raison compte plus que le chiffre. Le MIT n'a pas blâmé les modèles. Il a pointé le « fossé d'apprentissage » — des entreprises qui achètent de l'IA, puis échouent à l'intégrer dans leurs flux de travail, leurs équipes et leurs habitudes réels. La même étude a montré que l'achat d'outils à des fournisseurs spécialisés, puis leur intégration, réussit environ 67 % du temps, tandis que les grands projets de développement interne réussissent environ trois fois moins souvent. Les plus grands gains étaient ennuyeux : automatisation des tâches administratives, réduction des coûts d'agences et de sous-traitance.

Ce que font les gagnants et pas les 95 %

Mettez les deux côtés côte à côte, un schéma apparaît. Ceux qui réussissent avec l'IA ne lancent pas des pilotes. Ils font trois choses :

  1. Ils dirigent l'IA vers un travail qui se livre ou se vend. Levels construit des produits et les fait payer. La commerçante automatise la tâche précise qui grignotait sa journée. Personne ne pilote une « initiative GenAI » — ils suppriment un coût précis.
  2. Ils intègrent au lieu d'admirer. Le constat du MIT est tout le jeu : la valeur vient du branchement de l'outil dans un flux de travail réel, pas de l'achat d'un accès en espérant.
  3. Ils gardent la boucle courte. Une personne, des itérations rapides, une mesure honnête. Si ça ne fait pas gagner d'heures ou de ventes, ils l'abandonnent.

Nous l'avons vécu de première main. En dirigeant un petit studio logiciel, les outils d'IA qui ont tenu sont les rares que nous avons utilisés sur un travail qui devait être livré — rédaction, recherche et code destinés aux clients. Nous avons écrit un journal honnête sur les compétences IA qui ont vraiment fait leurs preuves, et le même schéma s'est vérifié : les gains venaient de la livraison, pas de l'expérimentation. C'est aussi ainsi que nous avons créé et vendons notre propre boîte à outils d'animation Maya en tant que produit d'une seule personne.

À retenir

Les réussites IA sont réelles. Les chiffres de Levels et de Marc Lou sont publics, et les gains des petites entreprises sont mesurables. Mais la version honnête inclut les 95 % qui n'ont rien vu — et la différence entre les deux groupes est rarement le modèle. C'est de savoir si l'IA a été rattachée à un travail qui se livre et se vend vraiment. Commencez par là, mesurez honnêtement, et abandonnez ce qui ne rapporte rien.