J'ai laissé Claude choisir ma stack tech — et je tourne sur des outils que je ne connaissais pas

La thèse de la marque : « jusqu'où peut-on déléguer un lancement à l'IA ? »

Posons les bases : MODAY est à moitié une marque de t-shirts, à moitié une expérimentation.

Mon métier principal, c'est consultant e-commerce. J'ai donc vu pas mal de lancements de marque depuis le siège passager. MODAY, c'est volontairement autre chose : une seule personne, marché mondial, trois jours, et autant de jugement et d'exécution confiés à l'IA que possible.

Le choix de la stack technique a suivi exactement la même logique. Pas « je ne savais pas, j'ai demandé à l'IA ». Plutôt : j'ai démarré en posant comme principe que c'est l'IA qui choisit, et mon seul boulot était d'écrire les critères.

Voilà ce qui en est sorti :

Couche	Service
Boutique	Shopify (thème Dawn)
Print-on-demand	Gelato
Traduction	Translate & Adapt
Automatisation	Make.com
Serveur webhook	FastAPI sur Render.com
Génération d'images	fal.ai (FLUX Pro)
Traitement texte / IA	Anthropic API

Sur ces sept services, les deux seuls noms que je connaissais avant de commencer, c'étaient Shopify et l'API Anthropic. Tous les autres, je les ai croisés pour la première fois en discutant avec Claude.

Cette stack a trois jours d'existence.

Shopify, je l'ai choisi à cause d'une news

L'explication honnête est presque gênante.

Il y a quelque temps, je suis tombé sur l'annonce de Shopify MCP. Ma première pensée : « tiens, donc Claude Code peut maintenant piloter une boutique Shopify de l'intérieur. » Ça représente 90 % de la décision.

Je regarde Shopify depuis des années en tant que consultant, mais je n'avais jamais vraiment construit dessus moi-même. Peu importe : si Claude Code peut s'y brancher via MCP, je n'ai pas besoin de devenir un expert Shopify pour livrer.

Les plateformes japonaises locales (BASE, STORES) n'ont jamais été dans la short-list. Une seule raison : je voulais vendre à l'international dès le premier jour. Neuf langues, plusieurs devises, vrai checkout cross-border. Shopify est la seule plateforme qui rend ça facile dès le jour un.

Mes vrais critères de sélection n'étaient donc pas « la meilleure plateforme techniquement », mais « celle qui s'entend le mieux avec Claude Code » et « celle qui me laisse vendre dans le monde demain matin ».

Pour le POD, j'ai sous-traité le choix à Claude — délibérément

Comment imprime-t-on et envoie-t-on les t-shirts ?

Avant ce projet, je ne connaissais aucun service d'impression à la demande. Printful, Printify, Gelato — jamais entendus.

Pas un problème. Le plan, dès le départ, c'était que l'IA fasse la sélection. Mes connaissances personnelles du marché POD mondial sont superficielles. Si j'écris les contraintes business et que je laisse Claude classer les options, le résultat va dépasser tout ce que je pourrais produire seul après une semaine de recherche.

Le prompt que j'ai envoyé :

Je veux vendre des t-shirts personnalisés via Shopify, en print-on-demand, fulfillment automatique. Marchés cibles : États-Unis, Europe, Asie. Le Japon est secondaire. Quel service POD utiliser ? Compare quelques candidats.

C'est tout. Que des contraintes business. Aucun langage de SDK, aucune limite de débit, aucun format de webhook, aucun schéma d'authentification. De toute façon, je n'aurais pas su quoi écrire.

La réponse :

J'ai comparé les trois principaux POD. Conclusion : Gelato est le meilleur choix pour ton cas d'usage.

🥇 Gelato (recommandé)
- Réseau d'impression local dans 32 pays, plus de 140 sites
- Production locale au Japon, en Corée, à Singapour, en Malaisie, en Australie, en Inde, en Chine
- Livraison moyenne en moins de 72 h en UE / US / Asie
- Risque douanier faible (production sur place)
- Expédition vers plus de 200 pays
- Limites : catalogue plus restreint que Printify, prix unitaire un peu plus élevé

🥈 Printful (le mieux pour la marque)
- 17 sites en Amérique du Nord, Europe, Asie
- Contrôle qualité le plus strict des trois
- Limite : prix unitaire le plus élevé

🥉 Printify (le mieux pour le coût)
- Plus de 90 fournisseurs, 950+ produits
- 10 à 20 % moins cher que Gelato sur la plupart des catégories
- Limites : réseau asiatique plus mince, pas de support en japonais

Recommandation : pour « global d'abord, Japon en secondaire », Gelato en principal. La production locale dans les trois régions optimise simultanément port, douane et délai.

Décision prise. Le cœur de ma chaîne de fulfillment tourne maintenant sur un service que je n'avais jamais vu.

Si j'avais fait cette comparaison à l'ancienne — lire trois jeux de doc, sonder le réseau — j'aurais perdu une semaine. Là : quasi instantané.

Pour FastAPI, je n'en suis même pas au stade « tu l'utilises ? »

Le tableau dit : « Webhook : FastAPI sur Render.com. »

Je rigole un peu en l'écrivant. Je ne sais pas vraiment ce qu'est FastAPI.

Tôt dans le build, il fallait quelque chose pour réceptionner les webhooks de commande Shopify et les transmettre à Gelato. Claude Code a dit : « je l'écris en FastAPI et je déploie sur Render ». Un framework Python, à ce que je comprends. J'ai dit oui.

Ça a été écrit. Ça a été déployé. Ça tourne. Ma seule contribution, c'est de regarder les logs dans le dashboard Render.

(En passant : ce morceau est déjà à la poubelle. En cours de build, j'ai senti un truc qui n'allait pas et je suis passé à autre chose. L'histoire viendra dans un prochain post.)

Quand on choisit le mode « AI-first », on accepte de ne plus pouvoir expliquer entièrement sa propre stack. Ce trade-off est l'objet même de l'expérimentation, pas un défaut.

Lucide ou inconscient ?

Je n'ai pas tranché moi-même.

Les avantages sont nets :

• Des options auxquelles je n'aurais jamais pensé tout seul arrivent en short-list dès le premier jour
• « Ce que je sais personnellement » cesse d'être un plafond
• Choix et implémentation se confondent en une seule étape — un processus normalement long devient instantané
• Un non-développeur qui lance une marque D2C globale devient un projet réaliste, pas théorique

Les risques sont tout aussi nets :

• Quand quelque chose casse, je ne saurai peut-être pas le lire
• Je ne sais pas encore expliquer « pourquoi cette stack » avec mes mots (c'est exactement pour ça que j'écris ce post — j'organise mes pensées en l'écrivant)
• Si un fournisseur disparaît, ma décision de remplacement sera lente

Comment ce trade-off va vieillir dans six mois, je ne le sais pas. Tant que ça marche, c'est spectaculaire. Le jour où ça lâche, ça peut être brutal.

Si je continue malgré tout, c'est parce que je veux une réponse honnête à « jusqu'où l'IA peut aller ? », mesurée sur un vrai business. Un projet de loisir ne donne pas cette réponse. Il faut du vrai argent qui circule, de vrais clients qui achètent, de vraies expéditions qui partent — c'est seulement à ce moment-là qu'on obtient un chiffre auquel on peut se fier.

Une stack montée en trois jours, prête à vendre dans le monde

Trois jours depuis le choix de stack et le début du build. Le temps réellement passé à coder est encore plus court.

Dans cette fenêtre : le storefront est en ligne, neuf langues tournent, le webhook de commande s'allume, le sync produit Gelato bouge. Voilà la V1 de l'expérimentation « AI-first brand launch ».

D'ici la fin de l'année, la moitié sera probablement remplacée. FastAPI/Render sont déjà sortis. D'autres pièces grincent.

Mais aujourd'hui, à cet instant précis, cette stack est sur le point de vendre dans le monde — et c'est ça qui compte maintenant.

Prochain post : quel travail j'ai confié à Claude Code, et lequel j'ai dû faire moi-même.

— Yoskee
moday.me