Sergio Rico Lucena

ProjetsB5

Evolutia

Un entraînement adaptatif où l'IA propose et la personne décide.

Rôle
Créateur et responsable produit — développement assisté par IA
Depuis
juillet 2026
État
En développement, avec une démo Android privée.

RésuméVue aérienne

Evolutia planifie, enregistre et adapte l'entraînement de force. Une IA suggère des changements pour la semaine suivante, et rien ne se passe tant que la personne ne les a pas relus. Le projet a commencé fin juillet 2026, quand j'ai commencé à m'entraîner dans une salle classique après le CrossFit.

Relisez une proposition de l'IA

Données synthétiques

L'IA propose trois changements pour la semaine prochaine. Acceptez, modifiez ou rejetez chacun, puis créez le brouillon.

Cette démo nécessite JavaScript. Le cas ci-dessous se lit de la même façon sans.

CasÀ pied

Prisme

Problème

Enregistrer et adapter des entraînements n'est utile que si une suggestion automatique ne peut ni enfreindre les règles du plan ni modifier une semaine sans que personne ne la regarde.

Décisions

  1. L'IA propose, la personne applique

    MétierUne suggestion est un document à relire, pas une action. La personne peut accepter, modifier ou rejeter chaque changement.

    TechniqueLe modèle génère une TrainingProposal. L'appliquer crée une nouvelle semaine en brouillon. Elle n'est jamais publiée ni activée automatiquement.

  2. Des règles déterministes autour du modèle

    MétierLes règles du plan tiennent quoi que le modèle suggère. L'IA travaille à l'intérieur de ces règles.

    TechniqueLes règles et les autorisations vivent dans Postgres, avec une sécurité au niveau des lignes et des fonctions RPC. Les Edge Functions appellent OpenAI et valident ce qui revient.

  3. Tester ce qui ne se vérifie pas à l'œil

    MétierAvant de le montrer à qui que ce soit, les flux de planification, d'enregistrement et de proposition devaient passer des contrôles automatiques.

    TechniqueTrois suites distinctes : Bun pour la logique, pgTAP pour la base de données et Playwright pour les parcours de bout en bout.

Comment je l’ai vérifié

Les flux de planification, d'enregistrement et de proposition ont passé trois suites de tests automatiques, et il existe une démo Android privée.

Ce que j’ai appris

Placer une personne entre la proposition et le plan a rendu le produit plus simple à raisonner. La règle selon laquelle appliquer ne crée qu'un brouillon a supprimé toute une catégorie de problèmes.

Rôle

Produit, règles du plan, limites de l'IA, exigences, critères d'acceptation et relecture. Codex implémente une part substantielle, avec une relecture croisée entre ChatGPT et Codex.

PreuvesSous la surface

Architecture

Plan et disponibilité
Séances enregistrées
OpenAI
Postgres · RLS · RPC
TrainingProposal
Relecture humaine
Semaine en brouillon
Le modèle rédige une proposition. Des règles et une personne se tiennent entre elle et le plan.
  • Données
  • Personne
  • Modèle d’IA
  • Stockage

Le même flux, étape par étape

  1. Le plan et les séances enregistrées sont stockés sous les règles de la base de données.
  2. OpenAI reçoit le contexte et renvoie une TrainingProposal.
  3. La proposition est validée par rapport aux règles déterministes du plan.
  4. La personne relit, modifie ou rejette chaque changement.
  5. Appliquer crée une semaine en brouillon. La publier est une étape distincte et humaine.

Planches du produit

  1. Planche 1 sur 6Écran d'accueilComposition éditorialeDonnées synthétiques
  2. Planche 2 sur 6La semaineComposition éditorialeDonnées synthétiques
  3. Planche 3 sur 6Enregistrement d'une séanceComposition éditorialeDonnées synthétiques
  4. Planche 4 sur 6ProgressionComposition éditorialeDonnées synthétiques
  5. Planche 5 sur 6Check-inComposition éditorialeDonnées synthétiques
  6. Planche 6 sur 6Proposition, relecture et applicationComposition éditorialeDonnées synthétiques

Stack

  • React
  • TypeScript
  • TanStack Start
  • Supabase (Postgres, Auth, RLS, RPC)
  • Edge Functions
  • OpenAI
  • Bun
  • pgTAP
  • Playwright

Fiche révisée:

Territoire suivantVexploreOù explorer

Pages

A1AccueilB1ProjetsC1Systèmes professionnelsD1ExpérienceE1CompétencesF1À proposG1ContactH1Confidentialité

Projets

B2VexploreOù explorerB3NuboriaQuand regarder le cielB4AnuahComment s'accompagnerB5EvolutiaComment adapter l'entraînement

Systèmes professionnels

C2Automatisation des clôtures de reportingC3Path-to-Conversion Analyzer

Actions

ENEnglishESEspañolDEDeutsch

Flèches pour naviguer, Entrée pour ouvrir, Échap pour fermer