Réparation de code AI et sauvetage d'applications Vibe Coded

Coincé avec une application générée par Firebase Studio, Lovable, Cursor ou un assistant AI ? Je corrige l'architecture, je colmate les failles de sécurité, j'ajoute une authentification réelle et des tests, et je mets en production.

Utiliser un assistant AI permet d'obtenir une démo fonctionnelle plus vite que jamais. Mais rapidement, trois problèmes surviennent : le modèle de données n'a jamais été conçu, l'authentification et les règles d'accès ne sont que décoratives, et personne ne sait quelle moitié du code est réellement utilisée. C'est un travail de sauvetage, pas une refonte. J'analyse l'existant, je garde ce qui est utile, et je corrige le reste par ordre de priorité selon les risques. La liste habituelle : une authentification et une autorisation réelles, des règles de sécurité Firestore ou de base de données qui bloquent réellement les accès, les clés secrètes retirées du code client, la validation des entrées, un modèle de données cohérent avec un plan de migration, la gestion des erreurs et le logging, des tests sur les parties critiques, et un pipeline de déploiement capable de revenir en arrière. Les prototypes Firebase Studio sont un cas fréquent et plutôt chanceux : ils produisent du Next.js et du Firebase, ce qui correspond exactement à ma stack de production. Le chemin vers un produit réel est donc court. Vous recevez d'abord un diagnostic écrit, détaillant ce qui ne fonctionne pas, le coût des réparations et ce qui peut attendre. Si la réponse honnête est qu'une réécriture est moins chère qu'une réparation, c'est ce que je vous dirai.