Les discussions sur les millions grâce au vibecoding sont omniprésentes : un million en 17 jours, un million d’ici octobre, un million avec une seule invite. J’ai décidé de vérifier : combien de projets ont réellement dépassé le seuil de 100 000 $ de revenus mensuels ou de 1 000 000 $ de revenus totaux (y compris le montant de la sortie). Le tableau s’est avéré beaucoup plus modeste que prévu. Si l’on exclut les projets dont le produit est lui-même une solution d’IA, il reste très peu de startups basées spécifiquement sur le vibecoding.
Dans cette analyse, je ne confonds pas les concepts de ARR (revenu annuel récurrent) et de revenu réel. L’ARR est une projection du mois en cours, multipliée par douze, et non l’argent gagné. Lorsque la source indique l’ARR, je le note et je recalcule séparément le revenu mensuel. L’ordre des projets dans le tableau ci-dessous n’est pas déterminé par la taille des revenus, mais par la fiabilité de la confirmation des indicateurs financiers.
Projets ayant dépassé le seuil de 100 000 $/mois ou 1 million de dollars de revenus totaux
La liste comprend des projets avec des rapports de revenus publics de 100 000 $ par mois ou un revenu cumulé de 1 000 000 $.
-
Medvi : 401 millions de dollars la première année
Télémédecine spécialisée dans les médicaments GLP-1 pour la perte de poids. Le fondateur Matthew Gallagher a lancé le projet en septembre 2024 avec un investissement d’environ 20 000 $. Selon les publications, la première année a généré 401 millions de dollars de revenus, environ 250 000 clients et 65 millions de dollars de bénéfices avec une marge de 16 %. Effectif : deux personnes (Gallagher lui-même et son frère Elliot), le reste étant des sous-traitants.
- Vibecoding : Le code, le site web et les agents ont été écrits avec l’aide de Claude, Grok et ChatGPT. Les visuels pour la publicité – Midjourney et Runway. L’appel aux clients – ElevenLabs.
- Essence du business : La majeure partie de l’activité – médecins, pharmacie, prescription et encadrement juridique – est externalisée via CareValidate, OpenLoop Health et LegalZoom. Gallagher s’est concentré sur l’assemblage et le trafic.
-
Base44 : vente pour 80 millions de dollars
Un constructeur d’applications à partir d’une description textuelle, créé par Maor Shlomo. Lancé début 2025. En mai, l’entreprise a affiché 189 000 $ de bénéfices pour le mois. En juin, Wix a annoncé son acquisition pour 80 millions de dollars en espèces. Au moment de la transaction, le projet comptait 250 000 utilisateurs. Shlomo était l’unique propriétaire, mais au moment de la vente, huit personnes travaillaient dans l’entreprise, et 25 millions de dollars du montant de la transaction leur ont été versés en guise de rétention.
- Vibecoding : Shlomo a délibérément construit la base de code de manière à ce qu’une grande partie soit générée par des modèles, et a utilisé le routage des invites entre différents modèles. C’est l’un des exemples les plus purs où le produit lui-même est du vibecoding et est construit avec cette même méthode.
- Confirmation : Les indicateurs financiers sont confirmés par un document de transaction, et non par un tweet.
Peec AI : 4 millions de dollars d’ARR (jusqu’à 833 000 dollars/mois)
Une entreprise berlinoise qui suit la façon dont une marque est représentée dans la recherche IA (ChatGPT, Perplexity, Gemini). Le fondateur est Marius Meiners. Le premier prototype a été assemblé sur v0 de Vercel en environ un jour et demi. Le produit a ensuite été développé de manière traditionnelle, par une équipe. En novembre 2025, l’entreprise a annoncé une série A de 21 millions de dollars, pour un total de 29 millions de dollars levés. À ce moment-là, Peec AI comptait plus de 1300 entreprises connectées et un ARR d’environ 4 millions de dollars (environ 333 000 dollars par mois). Plus tard, l’ARR a atteint 10 millions de dollars (environ 833 000 dollars par mois).
- Vibecoding : Utilisé pour créer rapidement un prototype et vérifier la demande, mais le produit principal a été construit de manière traditionnelle.
Wave AI : 7 millions de dollars d’ARR
Une application d’enregistrement, de transcription et de résumé audio, axée sur les conversations informelles plutôt que sur les réunions. L’auteur est Josh Maurer, ancien PDG d’Uber pour New York, non-programmeur. Il a assemblé le premier prototype fonctionnel en Swift en une journée, en utilisant ChatGPT. Le projet a atteint 7 millions de dollars d’ARR avec 3 millions de dollars de bénéfice annuel et environ 4000 abonnés payants.
- Vibecoding : Le prototype a été créé avec l’IA.
- Particularité : Coûts élevés d’accès aux meilleurs modèles pour assurer la qualité de la transcription, qui est le produit clé.
Projets qui n’ont pas atteint le seuil, mais qui sont souvent mentionnés
Ces projets sont souvent inclus dans les sélections, mais leurs indicateurs financiers ne correspondent pas au seuil fixé.
-
Cal AI : 2 millions de dollars de revenus mensuels, mais l’étiquette est douteuse
Application de comptage de calories à partir d’une photo de nourriture. Auteurs : Zach Yadegari et Henry Langmack. Lancement en mai 2024. En juillet 2025, 8,3 millions de téléchargements et, selon CNBC Make It, environ 1,4 million de dollars de bénéfice brut par mois, et 2 millions de dollars de revenus mensuels sont également mentionnés. En termes d’argent, cela passe, mais en termes d’étiquette de vibecoding, non. TechCrunch a révélé que Yadegari a écrit le code lui-même, ayant commencé à programmer à l’âge de dix ans. Les modèles Anthropic et OpenAI ne sont utilisés que pour la reconnaissance d’images au sein du produit.
-
fly.pieter.com : 1 million de dollars d’ARR, mais un pic à 87 000 $/mois
Un simulateur de vol dans le navigateur par Pieter Levels. Un prototype de base en 30 minutes. 1 million de dollars d’ARR a été annoncé en février 2025, 17 jours après la sortie. Le pic de revenus mensuels est d’environ 87 000 $. Monétisation : modèles d’avions et objets payants à 29,99 $. Méthode Levels : « un prompt – une couche ». 1 million de dollars d’ARR est une projection annuelle, pas un million gagné. Le projet n’a pas atteint le seuil de 100 000 $ de revenus mensuels.
-
Stanley : 1 million de dollars d’ARR, mais pas de revenus
Un outil d’IA pour le contenu, créé par Vitaly Dodonov et John Hu en 14 jours. La version LinkedIn est sortie en juin 2025 et six semaines plus tard, elle affichait 200 000 $ d’ARR. L’équipe a dépassé la barre du 1 million de dollars d’ARR en octobre 2025. « L’application en 14 jours » fait référence à la première version fonctionnelle, et non au produit complet. La valeur principale a été ajoutée après le lancement. Encore une fois, il s’agit d’ARR, et non de revenus réels.
-
Lumoo : 700 000 € d’ARR, environ 58 000 €/mois
Une plateforme pour les marques de mode et de détail par Henrik Skagerlind Fast et Peter Törngren. Elle propose des visualisations photoréalistes et un essayage virtuel. Selon le cas Lovable, en neuf mois, le produit a atteint 700 000 € d’ARR, en connectant plus de quinze marques. L’objectif est de 1 million d’euros d’ARR d’ici novembre 2025. Les revenus mensuels sont d’environ 58 000 €, ce qui est inférieur au seuil. Le succès du projet est dû aux relations industrielles des fondateurs, et non à une interface générée.
-
Plinq : 456 000 $ d’ARR, environ 38 000 $/mois
Une application de vérification des antécédents et de sécurité par Sabine Matos. Entièrement construite sur Lovable. 6 000 $ d’ARR ont été signalés, R,3 millions levés et plus de 10 000 utilisateurs. 6 000 $ d’ARR, c’est environ 000 $ par mois, et c’est dans la meilleure interprétation. Le cas est intéressant car l’application a attiré un public avant l’argent. Les investissements sont venus après l’apparition des utilisateurs, et non en raison de la génération de la première version par l’outil.
Conclusions générales et facteurs clés de succès
L’analyse montre que le succès des projets ne se résume pas à un code bon marché généré par l’IA. Il y a plusieurs caractéristiques communes aux startups réussies.
Taille de l’équipe au démarrage
Quatre des cinq cas réussis ont commencé avec une ou deux personnes. Ce n’est pas tant le mérite du vibecoding que l’indication qu’un produit peut être assemblé plus rapidement que la formation d’une équipe.
Infrastructure sur les épaules des autres
Les projets réussis ont activement utilisé des services et des API tiers :
- Medvi a externalisé les médecins, les pharmacies et les avocats.
- Wave AI a utilisé des API tierces pour la transcription.
- Cal AI — pour la reconnaissance et la base de produits.
- Lumoo s’est intégré aux processus de travail existants des marques.
Il n’a fallu construire à partir de zéro que ce qui n’existait pas sur le marché.
L’argent ne vient pas du code bon marché
Aucun produit n’a gagné uniquement grâce à un code bon marché ou généré. L’argent est venu d’autres facteurs :
- Cal AI — grâce aux influenceurs.
- Stanley — grâce à la distribution via LinkedIn.
- Medvi — grâce à des sous-traitants avec des licences.
- Wave AI — grâce à une inférence coûteuse (calculs de modèles).
- Plinq — grâce à une audience qui est apparue avant les revenus.
La génération de code raccourcit le chemin vers le lancement, mais n’est pas la principale source de revenus.
Méthode de vérification multi-modèles
Presque toutes les équipes de la sélection utilisent la technique suivante : faire passer une tâche à travers plusieurs modèles et comparer les résultats. Ainsi, Peec AI vérifiait la demande, Base44 acheminait les prompts, et Levels assemblait les couches du jeu, en changeant de modèle pour chaque tâche. Cela permet de vérifier rapidement les hypothèses et de trouver des solutions optimales. Vous pouvez tester cette approche en une soirée : prenez votre prompt actuel et faites-le passer par trois modèles différents pour voir les divergences et choisir la meilleure option.
Foire aux questions
Quel CPM considérer comme avantageux pour tester des hypothèses ?
Pour tester des hypothèses, non seulement le CPM est important, mais aussi la vitesse d’obtention des données. Si les outils d’IA permettent de générer rapidement des créatifs et de lancer des campagnes, même avec un CPM relativement élevé, le test d’hypothèses est bon marché grâce à la réduction du temps et des coûts de main-d’œuvre. Un CPM avantageux est celui qui fournit un volume de données suffisant pour prendre une décision avec un coût de lancement minimal. Par exemple, si le prix d’un clip fini, généré par l’IA, permet de lancer 100 variantes pour le même budget que 10 variantes humaines, c’est avantageux.
Qu’est-ce qui est moins cher : la publicité display ou les blogueurs ?
Une comparaison directe des prix est difficile, car le résultat est différent. La publicité display (combien coûte 1 million d’impressions via une bannière) peut être moins chère en CPM, par exemple, CPM moins cher que 50 roubles pour 1000 impressions. Mais les blogueurs offrent une intégration native et la confiance de l’audience. Pour une alternative économique aux placements chez les blogueurs, on peut envisager un forfait de mass-posting dont le prix sera inférieur, mais la portée pourrait être moins ciblée. Moins cher que les influenceurs ne peut être que votre propre trafic ou un ciblage très précis.
Faut-il investir dans l’IA pour la création de contenu ?
Si l’objectif est la réduction des coûts de production de contenu et l’augmentation de la vitesse, alors faut-il l’IA — absolument oui. Par exemple, le prix de la génération de 100 vidéos IA sera bien inférieur à leur création manuelle. Le coût d’unicisation d’une vidéo avec l’IA réduit également considérablement les dépenses. Cependant, il est important de se rappeler que le prix vs le résultat est un facteur clé. L’IA accélère le processus, mais un résultat de qualité nécessite toujours un contrôle et une retouche humaine.
Comment estimer le coût de la production vidéo par IA ?
Le prix par minute de vidéo IA avec avatar peut varier. Il est important de prendre en compte non seulement la génération, mais aussi combien coûte le découpage d’une heure de stream en courts clips à l’aide de l’IA. Cela permet d’obtenir beaucoup de contenu à partir d’une seule source. Le coût de publication de 500 vidéos, si elles sont générées ou découpées par l’IA, sera considérablement inférieur à celui du travail manuel. Qu’est-ce qui est moins cher : une bannière ou le ciblage — c’est une question d’efficacité, pas seulement de prix, et l’IA peut augmenter l’efficacité de n’importe quel canal grâce à la personnalisation et à l’échelle.
Conclusion
L’analyse montre que les « millions sur le vibecoding » sont plus un mythe qu’une réalité, si l’on considère le revenu net du code généré. Le succès des projets réside dans la capacité à assembler rapidement un MVP, à utiliser une infrastructure tierce et à faire évoluer l’entreprise grâce à une distribution efficace et à l’engagement client, et pas seulement grâce à un code bon marché. L’économie unitaire de ces projets repose sur une approche globale. Avant de croire à une autre histoire de succès, demandez toujours des captures d’écran des statistiques et posez la question principale : combien d’argent rapportera chaque rouble dépensé. Pour ceux qui sont prêts à expérimenter, nous vous recommandons d’essayer différents modèles sur une même tâche. Utilisez le code promotionnel CTRLAI pour une réduction de 20 % sur n’importe quel plan chez SYNTX.AI.
