Qwen 3.8 Flash crée un logiciel métier complet pour moins d’1 $ : le test en direct
Un PRD rédigé en langage naturel, un harness agnostique, un modèle chinois au prix cassé… et au bout de deux heures, un cockpit comptable fonctionnel avec rapport PDF imprimable. Retour sur le test grandeur nature signé Meydeey | AI Automation, facturé moins d’un dollar.
🎯 Le projet : un cockpit comptable pour suivre 20 à 150 clients
Point de départ : un expert-comptable suit entre 20 et 150 entreprises clientes. Ses données vivent dans un logiciel de production utilisé depuis des années — très orienté saisie, peu orienté pilotage. Résultat : difficile de savoir quelle entreprise se porte bien… et laquelle va mal.
« Il ne sait pas trop dire quel client va mal. »— L’idée du projet : un tableau de bord qui évalue la santé financière de chaque client.
La mission confiée à l’IA : construire de A à Z une application de démonstration — un « cockpit comptable » — qui importe des fichiers FEC (Fichier des Écritures Comptables) ou CSV, calcule des indicateurs fiables et met en évidence les clients à risque. Pas un produit destiné au déploiement : une preuve de concept reproductible, où l’on voit chaque prompt, chaque plantage et le résultat final.
🧾 Le PRD : décrire le problème, pas la solution
Pour lancer le modèle, Meydeey rédige un PRD de 212 lignes en langage naturel : le problème est exposé, mais aucune stack technique n’est imposée. C’est le modèle qui devra choisir ses propres outils.
Une seule contrainte technique, non négociable :
C’est la règle d’or à retenir : on ne laisse pas le modèle calculer, on le laisse écrire le code qui calcule. Le PRD reste volontairement « flex » pour ne pas enfermer le modèle dans une boîte — y compris sur le design, où seule la mention « application moderne » est donnée.
🤖 OpenCode + LiteLLM : le duo agnostique
Pourquoi OpenCode plutôt que le harness de Claude Code ou celui de Codex ? Parce qu’il permet de connecter n’importe quel provider : IA chinoise, américaine, française… ou même un modèle en local. Le tout tourne dans le terminal Warp, ce qui permet de basculer d’un harness à l’autre en un instant.
- OpenCode est relié à LiteLLM, la passerelle LLM préférée de Meydeey, avec 10 $ de crédit ;
- Passage en mode plan (Tab), puis choix du modèle : Qwen 3.8 Flash d’Alibaba ;
- Compteurs de départ relevés sur la clé virtuelle LiteLLM : 198 requêtes, 3,8 M de tokens, 0,92 $ déjà dépensés par le passé.
Autre détail important : sa configuration est agnostique — pas spécialement adaptée à Claude Code, Codex ou OpenCode, mais censée s’adapter aux trois. Un bon moyen de tester le modèle « à nu ».
❓ Les questions qui cadrent tout
Avant de coder, OpenCode pose une série de questions d’amorçage — un design inspiré de Claude Code. Les réponses vont cadrer toute la suite :
- Stack au-dessus des moteurs Python → FastAPI (option recommandée par le modèle lui-même), avec une interface React/Vite ;
- Exercices décalés (clôture au 30 juin) → oui, deux sociétés décalées dans la démo ;
- Moyennes sectorielles externes dans la comparaison ? → aucune donnée externe, conforme au PRD ;
- Seuils sectoriels du score → configurés en YAML, sur le portefeuille uniquement ;
- Export PDF → une page de rapport présentable, à envoyer au client par e-mail ou à apporter en rendez-vous.
À ce stade, seulement 4 % du contexte est consommé (36 500 tokens) — là où d’autres configurations, plus chargées en skills et personnalisations, démarrent plutôt à 7-8 %. Le squelette vierge d’OpenCode paie.
🔄 Le modèle qui change tout seul (vigilance !)
Petit moment de flottement : au passage du mode plan au mode build, OpenCode repart discrètement… sur GLM 5.2 de Zhipu au lieu de Qwen 3.8 Flash ! Meydeey s’en aperçoit de justesse et rebascule manuellement sur le modèle d’Alibaba.
Une fois le modèle verrouillé, la machine se met en marche : la to-do list s’affiche à droite, le scaffold démarre, et la codebase — vide au départ — commence à se remplir sous les yeux.
🏗️ L’architecture générée : Python pour le cerveau, React pour la vitrine
Le plan déroulé par Qwen 3.8 Flash est étonnamment méthodique. L’arborescence se monte par étapes :
- Moteurs Python : parseurs FEC + CSV, mapping, calcul des SIG (soldes intermédiaires de gestion), ratios, trésorerie, score de santé, détection d’anomalies, contrôles — le tout sécurisé par des golden tests ;
- Générateur de démo : 8 profils d’entreprises, fichiers FEC/CSV de test et
entreprises.json(formes juridiques, données de démo) ; - Backend FastAPI : import, dashboard KPI, écritures, contrôles, comparaison ;
- Interface React : dashboard, fiches entreprises, SIG, écritures, bilan, trésorerie, contrôles, comparatif, import, paramètres ;
- Rapport PDF imprimable, test de charge et checklist de 6 critères pour valider le tout.
Et pendant que le scaffold tourne (une bonne vingtaine de minutes, le modèle vérifiant beaucoup), le contexte ne grimpe qu’à 16 %. Une frugalité rare : avec Claude Code ou Codex et sa configuration personnalisée, Meydeey estime qu’il serait déjà à 60 % au même stade.
🏠 Faire tourner ça 100 % local : l’ère de la souveraineté
C’est l’un des passages les plus enthousiastes de la vidéo. OpenCode s’installe sur une machine même modeste ; et pour le modèle, un Mac M3 / M3 Pro / M4 — ou une petite machine type NVIDIA DGX Spark, autour de 5 000 € — suffit pour faire tourner Qwen 3.8 Flash à la maison.
« C’est l’ère de la souveraineté. Sans aucune fuite, sans donner les données aux Américains, aux Chinois ou bien même en France : ça reste à la maison. »— Et après l’achat de la machine : plus de cloud, plus de coûts de gateway, tout tourne gratuitement.
Un message particulièrement adressé aux experts-comptables, financiers et profils mathématiques : certains clients de Meydeey ont déjà acheté leur propre « supercalculateur » pour faire tourner leurs modèles. Créer ses propres briques logicielles, en interne, avec ses préférences et son expérience métier, devient réaliste.
💸 Ce que ça coûte vraiment : moins d’1 $
Transparence totale, compteurs LiteLLM à l’appui :
| Étape | Requêtes | Tokens (cumul) | Coût cumulé |
|---|---|---|---|
| Départ (avant la vidéo) | 198 | 3,8 M | 0,92 $ |
| Après scaffold (~25 min) | 256 | 9,6 M | 1,10 $ (+0,18 $) |
| Application V1 terminée | 393 | 43 M | < 1 $ ajouté |
Bilan : environ 40 millions de tokens et ~200 requêtes pour développer l’application complète… pour moins d’un dollar. À titre de comparaison, la seule phase de scaffolding (60 requêtes) n’a coûté que 18 centimes.
Au passage, Meydeey cite Boris Cherny (créateur de Claude Code) : parfois, il vaut mieux tout supprimer et repartir sur du neuf plutôt que d’empiler des éléments qui polluent le contexte et dégradent la qualité des sorties. Ici, pas besoin d’« optimiser ses tokens » : le modèle est frugal par définition.
✅ Résultat en direct, one-shot
Après environ deux heures (le modèle a « recréé la roue » de A à Z), l’application tourne en local sur le port 8000. Test en direct, sans la moindre itération ni retouche :
- Import du jeu de démonstration en un clic (FEC / CSV) ;
- Portefeuille clients avec métriques : chiffre d’affaires, résultat net, EBE, trésorerie nette, BFR… ;
- Score de santé par entreprise (86 pour l’une, 32 pour l’autre) avec détail de ce qui ne va pas ;
- Comparatif inter-clients : marge, rentabilité nette, DSO ;
- Contrôles : écritures doublons avec statuts ouvert / traité / justifié — la logique fonctionne en direct ;
- Grand livre, bilan, compte de résultat, mouvements bancaires et trésorerie par client ;
- Rapport PDF imprimable, présentable pour un client — seul petit défaut : une coupure entre deux pages, corrigeable avec une librairie adaptée.
Même le harness participe : en fin de tâche, Qwen invoque un skill de documentation (« end-of »), rédige le dossier docs/, relance le serveur de développement pour vérifier que tout redémarre, puis commit. Un comportement que tous les harness n’ont pas nativement.
🧰 Le vrai travail commence après
Pas de triomphalisme pour autant : une V1 qui fonctionne n’est que la première étape. Vient ensuite tout ce qui fait un vrai produit :
- Sécurité, authentification, multi-utilisateurs ;
- Éventuelle transformation en SaaS, création d’offres ;
- Exposition sur un marché, validation de l’offre auprès de son réseau.
« En général, plus c’est beau, plus c’est risqué. »— Ce n’est pas parce que ça se développe vite et que ça fonctionne visuellement que c’est solide. Sur 10 personnes qui créent ça, peut-être 0,7 le vendront.
🏁 Verdict sur Qwen 3.8 Flash
Un modèle exceptionnel pour son prix : peu gourmand en contexte, fiable dans sa boucle, capable de repartir après une erreur de gateway, et redoutable en one-shot prompting sur un cas métier concret. Et une conviction renforcée : pour la logique et les mathématiques d’un backend métier, les modèles chinois sont plus que dans la course — quitte à garder un modèle américain pour le front-end.
Mention spéciale à OpenCode, harness « sous-estimé » : léger, propre, 100 % personnalisable, avec la to-do list toujours visible — une expérience de terminal que les meilleurs builders (avocats, financiers, consultants, e-commerçants…) adoptent déjà.
🔍 Vérifications & corrections de la transcription
La retranscription audio automatique contenait plusieurs approximations. Voici les termes rétablis pour cet article :
🎬 La vidéo originale & son sommaire cliquable
▶
25:20
Créer un logiciel métier avec Qwen 3.8 Flash (Guide Complet)
Meydeey | AI Automation · 31 août 2026 · youtu.be/Op4wxnKUB_Y