Un site généré par IA, c’est un site produit par un outil comme Lovable, Bolt ou v0 à partir d’une description en langage naturel, sans écrire de code. La promesse tient : une page correcte sort en une heure, parfois moins. Le problème apparaît plus tard, quand il faut encaisser un paiement, gérer des comptes ou simplement modifier quelque chose six mois après. 2026 est l’année où les entreprises qui ont massivement adopté ces outils en 2024 et 2025 découvrent la facture.
- Ces générateurs couvrent environ 70 % d’une application. Les 30 % restants concentrent l’authentification, les paiements et les cas limites.
- Veracode 2026 : environ 44 % des tâches de génération testées introduisent une vulnérabilité de sécurité connue.
- Plus de la moitié des modèles évalués plafonnent entre 50 et 53 % de réussite sur les critères de sécurité.
- GitClear : les blocs de code dupliqués ont augmenté de 81 % depuis 2023, le niveau le plus haut jamais mesuré.
- Le bon usage de ces outils est le prototype et la validation d’idée, pas la mise en production directe.
À quoi servent vraiment Lovable, Bolt et v0 ?#
Ces générateurs servent à valider une idée vite : maquette cliquable, page de test, prototype à montrer. Sur ces usages, ils battent n’importe quelle équipe sur le délai et sur le coût. Leur limite apparaît au moment de mettre en production, pas avant.
Montrer une maquette à trois clients potentiels avant d’engager un budget, mesurer si quelqu’un s’inscrit sur une page de test, cadrer un besoin en le rendant tangible : pour valider un marché avant d’investir, c’est le meilleur outil disponible aujourd’hui, et de loin.
L’erreur n’est pas d’utiliser ces outils. Elle est de confondre « ça s’affiche » avec « c’est en production ».
Pourquoi un site généré par IA casse-t-il en production ?#
Parce que ces outils amènent à environ 70 % d’une application réelle, et que les 30 % restants concentrent la partie la plus dense : authentification, paiements, validation des données et logique métier. Ce n’est pas un tiers du travail réparti uniformément, c’est le tiers difficile.
Ces 30 % sont toujours les mêmes, projet après projet :
- L’authentification réelle, avec la gestion des sessions, la réinitialisation de mot de passe et les rôles.
- Les paiements, où le cas nominal représente une fraction du travail : essais gratuits, changements de formule, échecs de prélèvement et remboursements.
- La validation des données et les cas limites, que personne ne décrit dans un prompt parce que personne n’y pense avant de les rencontrer.
- La logique métier qui ne tient pas dans une consigne, celle qui fait la différence entre votre activité et celle du voisin.
S’ajoutent des contraintes d’outil rarement annoncées. Lovable et Bolt se limitent à un seul type de base de données côté serveur, et v0 ne produit que de l’interface, sans partie serveur du tout. Ces choix se paient au moment de brancher un outil métier existant.
Que mesure-t-on sur le code généré par IA ?#
Deux jeux de données publics documentent le sujet, l’un sur la sécurité, l’autre sur la maintenabilité. Ils convergent : la justesse fonctionnelle progresse vite, la solidité du code ne suit pas.
Sur la sécurité, le rapport Veracode 2026 mesure qu’environ 44 % des tâches de génération testées introduisent une vulnérabilité de sécurité connue. Le détail est plus parlant que la moyenne : plus de la moitié des modèles évalués plafonnent entre 50 et 53 % de réussite sur les critères de sécurité. Autrement dit, une fois sur deux.
Sur la maintenabilité, GitClear a analysé 623 millions de modifications entre 2023 et 2026. Deux chiffres en sortent :
- Le copier-coller est passé de 9,4 % des lignes modifiées en 2022 à 15,7 % au premier semestre 2026.
- Les blocs dupliqués grimpent de 40,3 à 73,0 par million de lignes, soit 81 % de plus qu’en 2023, le niveau le plus haut jamais mesuré.
C’est le point que les dirigeants sous-estiment le plus, parce qu’il ne se voit pas. Une logique dupliquée à cinq endroits se corrige cinq fois, et chaque correction est une occasion d’en casser une autre.
Pourquoi la relecture coûte plus cher qu’on croit
Le code généré a une particularité : il a l’air juste. Il est bien indenté, correctement nommé, souvent commenté. Un défaut se repère donc à la lecture attentive, pas au premier coup d’œil, ce qui rend la revue plus lente que sur du code écrit à la main.
Faut-il reprendre ou refaire un site généré par IA ?#
Ça se reprend quand les défauts sont en surface, ça se refait quand ils sont dans l’architecture. La question se tranche en lisant le code, jamais en regardant le site : un site généré a précisément pour caractéristique de bien s’afficher.
| On reprend | On refait | |
|---|---|---|
| Nature du défaut | En surface : interface, contenu, performances | Dans l’architecture : logique métier, données |
| Authentification | Existante et cohérente, à durcir | Improvisée, sans gestion des rôles ni des sessions |
| Validation des données | Présente côté serveur | Uniquement côté navigateur ou absente |
| Effet d’un correctif | Isolé, le reste ne bouge pas | En déclenche un autre ailleurs |
| Budget | Identifiable et chiffrable à l’avance | Dépasse souvent celui d’une reconstruction propre |
Le signal le plus fiable n’est pas technique. Si personne dans l’entreprise ne sait dire ce que fait une partie du code, la reprise coûtera plus cher que prévu, parce qu’il faut d’abord comprendre avant de corriger. C’est le même arbitrage que pour une refonte de site classique, avec une différence : ici, le code n’a jamais été compris par personne, même au moment où il a été produit.
Le mot de la fin#
Ces outils gardent leur place, et elle est réelle : valider une idée vite et à moindre engagement. Sur nos projets, un prototype généré est parfois un excellent point de départ pour cadrer un besoin, parce qu’il est plus précis qu’un cahier des charges.
Ce qui ne fonctionne pas, c’est de le mettre en production tel quel et d’espérer que les 30 % manquants ne se manifestent jamais. Ils se manifestent toujours, en général le jour où un vrai client paie. Le coût d’un site sur mesure se compare mal à zéro euro, mais il se compare très bien au coût d’une reprise en urgence.
Si vous hésitez encore entre une plateforme, un générateur et du sur mesure, l’arbitrage est détaillé dans Wix, WordPress ou sur mesure, et le parcours complet dans notre guide pour créer un site web. Et si votre prototype fonctionne déjà, notre offre de création de site sur mesure démarre à 2 900 € HT, prix fixe écrit sur le devis, code livré sur votre dépôt.
Questions fréquentes
Peut-on lancer un site professionnel avec Lovable ou Bolt ?
Pour un prototype ou une page de validation, oui, et c’est même le meilleur usage de ces outils. Pour un site qui encaisse des paiements ou gère des comptes utilisateurs, non sans relecture : ces générateurs couvrent environ 70 % du chemin, et les 30 % restants concentrent l’authentification, les paiements et les cas limites.
Le code généré par une IA est-il sûr ?
Pas par défaut. Le rapport Veracode 2026 sur la sécurité du code généré mesure qu’environ 44 % des tâches de génération testées introduisent une vulnérabilité de sécurité connue. Plus de la moitié des modèles évalués obtiennent un taux de réussite sécurité compris entre 50 et 53 %.
Faut-il refaire un site généré par IA ou le reprendre ?
Cela dépend de ce qui casse. Un défaut d’interface ou de contenu se reprend. Un défaut d’architecture, comme une logique métier dispersée ou une authentification bricolée, coûte souvent plus cher à rattraper qu’à refaire proprement. La question se tranche en lisant le code, pas en regardant le site.
Pourquoi la dette technique s’accumule-t-elle plus vite avec l’IA ?
Parce que le volume produit augmente sans que la relecture suive. GitClear a analysé 623 millions de modifications entre 2023 et 2026 : les blocs dupliqués passent de 40,3 à 73,0 par million de lignes, soit 81 % de plus. Du code dupliqué se corrige à cinq endroits au lieu d’un.