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 synthétiquesL'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
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
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.
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.
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
- Données
- Personne
- Modèle d’IA
- Stockage
Le même flux, étape par étape
- Le plan et les séances enregistrées sont stockés sous les règles de la base de données.
- OpenAI reçoit le contexte et renvoie une TrainingProposal.
- La proposition est validée par rapport aux règles déterministes du plan.
- La personne relit, modifie ou rejette chaque changement.
- Appliquer crée une semaine en brouillon. La publier est une étape distincte et humaine.
Planches du produit
Planche 1 sur 6Écran d'accueilComposition éditorialeDonnées synthétiques Planche 2 sur 6La semaineComposition éditorialeDonnées synthétiques Planche 3 sur 6Enregistrement d'une séanceComposition éditorialeDonnées synthétiques Planche 4 sur 6ProgressionComposition éditorialeDonnées synthétiques Planche 5 sur 6Check-inComposition éditorialeDonnées synthétiques Planche 6 sur 6Proposition, relecture et applicationComposition éditorialeDonnées synthétiques
Stack
Fiche révisée: